GPT革命｜字节跳动发布豆包视觉理解模型 定价比行业低85%

　　【财新网】字节跳动正加速视觉、语音等多模态模型的商业化。12月18日上午，字节跳动旗下火山引擎在上海发布豆包视觉理解模型，通过火山引擎开放给企业客户，并再次打出了低于行业的定价。

　　视觉理解模型即“看图说话”，可以识别图像中的物体类别、形状等要素，理解物体之间的关系，给出空间和场景的整体判断，能用在图片问答、医疗健康、教育、科研、电商等场景。

　　在现场演示中，豆包视觉理解模型识别出了杂志插图中的外太空星云、一段“贪吃蛇”游戏代码并给出修正意见、桌面上的物件和使用方法、体检报告中的单项指标解读、联想图画想表达的谚语、推荐穿搭以及根据实物发送抖音商城里的商品链接等。目前豆包视觉理解模型已经接入豆包App和PC端产品。