12月30日，字节豆包大模子对外裸露2024全领域本事进展。距5月15日初次亮相仅7个月，豆包大模子在通用谈话、视频生成、语音对话、视觉会通等方面模子才气均已跨入海外第一梯队。豆包大模子团队暗示，“从孩童般学语，到懵懂看天下，到为创作家绘出遐想中的魔幻虚幻AG真人百家乐，一切依然处于最早期。”

截止2024年12月，最新版豆包通用模子Doubao-pro-1215，详尽才气较5月提高32%，已全濒临皆GPT-4o，在数学、专科常识等部分复杂场景任务中，效果弘扬以致更好。通过海量数据优化、提高模子疏淡度、引入强化学习、系统性工程优化等花样，团队大幅提高了Doubao-Pro会通精度和生成质料，并已矣了性能与效力的均衡，推理办事价钱仅为GPT-4o的八分之一。

图像与视频才气方面，团队于9月推出两款豆包视频生成模子PixelDance与Seaweed，主打复杂领导词精确会通、镜头一致、多交互主体和镜头活泼戒指。豆包文生图模子不断迭代，还推出了通用图像裁剪才气，让“一句话P图”和“一键海报生成”成为履行。此外，12月发布的豆包视觉会通模子Doubao-vision，可交融视觉与谈话多感官深度念念考和创作，当今模子才气在十多个主流数据集上并排Gemini 2.0与GPT-4o。

 Doubao-vision在主流评测集上才气并排Gemini 2.0、GPT-4o

语音大模子赋予机器“听”与“说”的才气，豆包大模子团队本年推出了全新的语音识别模子Seed-ASR和语音生成基座模子Seed-TTS，通过引入各种、日常的数据，交融推理链，赋予模子极强的泛化性。据悉，豆包语音模子可听懂20种以上方言羼杂的对话，也能边听边念念考，并在会话中抒发神志，保留吞音、口音等东说念主类习尚，ag百家乐赢了100多万以致在交互中可随时被打断。

较语音更进一步，豆包大模子已领有高品性的“唱作”才气，从词曲裁剪、演奏生成到东说念主声演唱，“一个AI也不错是一个乐队”一经成为履行。其背后依托的音乐生成模子框架Seed-Music，谄媚了谈话模子与扩散模子的上风，已矣了音乐生成的通用框架，领有极高的裁剪可控性。

团队还初次对外裸露了豆包大模子300万字窗口的长文本才气，可一次清闲阅读上百篇学术陈说，每百万tokens处置蔓延仅需15秒。这一迂回文窗口长度和时延水平达到当今业界极限。背靠STRING等迂回文关联数据算法和模子加快优化，团队大幅提高了LLM诈欺海量外部常识的才气，并通过疏淡化及散播式决策将时延降到十秒级。

代码才气方面，豆包代码大模子Doubao-coder编程才气达到专科级，深度支抓超16种编程谈话、11类实在应用场景，可温存前后端开发、机器学习等全栈编程开发需求。

征战极短时刻内，豆包大模子团队还对AI基础商讨真切布局。畴前几个月，团队57篇论文中选ICLR、CVPR、NeurIPS等顶会，商讨效力包括下载量超百万的开源神志及GitHub万星爆款。

 豆包大模子团队裸露2024商讨关键词

同期，豆包大模子团队与近20所高校真切合营，支抓向上40位顶尖学者参与关键AI本事攻坚，并与清华AIR、北大隔离征战聚合实验室。为储备最具后劲的商讨东说念主才，豆包大模子团队运转了“Top Seed东说念主才谋略”，在公共领域招募顶尖博士毕业生加入，共同挑战天下级AI课题。

把柄裸露，豆包大模子关系本事才气当今支抓了包括豆包、即梦、豆包MarsCode等50多个C端应用场景，其中，豆包APP已成为国内最受迎接的AI居品。通及其山引擎，豆包大模子办事了30多个行业，日均tokens调用量超4万亿AG真人百家乐，较5月发布时增长33倍。