豆包大模型
百万tokens仅需8毛，不蒸馏造出世界一流大模型，豆包全新1.5Pro不走捷径
马上就要进入蛇年了，国内的 AI 厂商们却完全没有闲下来的意思，正在春节前扎堆发布各自的新一代大模型。 本周一，豆包刚刚上线了全新的实时语音功能，可说是在中文语音对话方面做到了断崖式领先，为终端用户带来了智商与情商双高的实时语音助手和聊天伙伴。 第二天，月之暗面与 DeepSeek 都各自推出了可比肩满血版 o1 的推理模型，吸引了中外无数眼球。
百万 tokens 降至 0.8 元后，消息称字节跳动豆包大模型毛利率达 50%
据界面新闻今日援引多个知情人士消息称，字节跳动旗下的豆包大模型在去年大幅降价后，毛利率仍然为正。
豆包大模型披露2024技术进展，亮相7个月综合能力全面对齐GPT-4o
12月30日，字节豆包大模型对外披露2024全领域技术进展。 距5月15日首次亮相仅7个月，豆包大模型在通用语言、视频生成、语音对话、视觉理解等方面模型能力均已跨入国际第一梯队。 豆包大模型团队表示，“从孩童般学语，到懵懂看世界，到为创作者绘出想象中的奇幻梦境，一切依然处于最早期。
豆包视觉理解模型惊艳亮相：首次评测就排名全球第二
12 月 18 日-19 日，火山引擎 FORCE 原动力大会・冬正式在上海举行。本次大会最引人关注的看点，无疑就是豆包大模型家族的全线升级，以及全新豆包视觉理解模型的发布
豆包说要「普惠」，于是大模型处理图片按「厘」计价了
这段时间，OpenAI 宣告连续 12 轮轰炸，让 2024 年底的大模型领域热闹起来了。 但坚持每个凌晨看直播的话会发现，越到后面的发布越平淡，内心的波动也越少了。 今年的大模型就卷到这里了吗？
抖音副总裁李亮：希望用更低成本推动 AI 技术普惠和应用发展
在昨日举行的火山引擎 Force 大会上，字节跳动正式发布豆包视觉理解模型，为企业提供多模态大模型能力。千 tokens 输入价格仅为 3 厘，一元钱就可处理 284 张 720P 的图片，官方宣称比行业价格便宜 85％。
代码大模型考卷升级！字节开源FullStack Bench，首次覆盖全栈编程超11类真实场景
代码大模型越来越卷，评估AI编程水平的“考卷”也被迫升级。 12月5日，字节豆包大模型团队开源最新代码大模型评估基准FullStack Bench，在业界首次囊括编程全栈技术中超11类真实场景，覆盖16种编程语言，包含3374个问题，相比此前基准，可以更有效地评估大模型在现实世界中的代码开发能力。 代码评估基准是衡量大模型编程能力的标准工具，也是推动模型优化的关键驱动力。
真·打字P图！字节发布新模型SeedEdit，一句话爆改世界名画，可免费体验
一句话实时P图，网友又能整活了。 字节豆包大模型又又又上新了！ 11 月 11 日，字节跳动豆包大模型团队推出了最新图像编辑模型 SeedEdit，主打一句话轻松 P 图。
字节豆包通用图像编辑模型SeedEdit开启测试 用户可一句话轻松改图
11月11日，字节在豆包大模型团队官网上公布最新通用图像编辑模型SeedEdit。 SeedEdit支持一句话轻松改图，包括修图、换装、美化、转化风格、在指定区域添加删除元素等各类编辑操作，通过简单的自然语言即可驱动模型编辑任意图像。 目前，该模型已经在豆包PC端及即梦网页端开启测试。
LeCun赞转！类Sora模型能否理解物理规律？字节豆包大模型团队系统性研究揭秘
视频生成模型虽然可以生成一些看似符合常识的视频，但被证实目前还无法理解物理规律！ 自从 Sora 横空出世，业界便掀起了一场「视频生成模型到底懂不懂物理规律」的争论。 图灵奖得主 Yann LeCun 明确表示，基于文本提示生成的逼真视频并不代表模型真正理解了物理世界。
字节豆包大模型团队突破残差连接局限！预训练收敛最快加速80%
字节跳动豆包大模型团队于近日提出超连接（Hyper-Connections），一种简单有效的残差连接替代方案。 面向残差连接的主要变体的局限问题，超连接可通过动态调整不同层之间的连接权重，解决梯度消失和表示崩溃（Representation Collapse）之间的权衡困境。 在 Dense 模型和 MoE 模型预训练中，超连接方案展示出显著的性能提升效果，使收敛速度最高可加速 80%。
字节跳动 AI 助手豆包被曝开启视频生成内测
《科创板日报》称，字节跳动旗下大模型 AI 助手豆包正式推出视频生成内测，支持图片文字一键成片、动态运镜和多镜头一致性、风格比例随意挑选。
终于拿到内测！豆包-PixelDance真是字节视频生成大杀器
「火山爆发，震撼天地。」这八个字会在你的头脑中触发怎样的影像？是否与下面的视频类似？ 提示词：火山喷发，升起巨大蘑菇云，岩浆顺着山体往下流，镜头拉近，岩浆正在火山口跳动冒出。这段 10 秒的视频是豆包视频生成模型基于以上提示词想象创造的。可以说这段视频的拟真度非常高，并且有着娴熟的运镜，足以放入任何影视作品中。有着剪映、即梦等视频创作工具的字节跳动，正式宣告进军 AI 视频生成领域。那是在本周二，「2024 火山引擎 AI 创新巡展」来到了深圳。这一巡展上，字节跳
大模型时代的ASR就是不一样！豆包“听力”水平现场评测，方言&小朋友口音直接拿捏！
2024 火山引擎 AI 创新巡展上海站于近日举办，活动展示了豆包大模型在综合评分、语音识别等方面的效果提升，还发布了对话式 AI 实时交互解决方案。豆包大模型团队成果 Seed-ASR ，提供了语音识别能力支持。Seed-ASR 是一款 ASR（自动语音识别）成果。它能准确转录各种语音信号，识别不同语言、方言、口音。对于人名、生词，Seed-ASR 也能结合文本语音等上下文，实现更准确转录。该成果目前已被集成进豆包 APP 、火山引擎相关服务模块中。本文介绍了 Seed-ASR 技术亮点 —— 高精度识别、大容量
1篇Outstanding、5篇Oral！字节跳动今年ACL这么猛？ 来直播间聊聊！
本周学术界瞩目的焦点，无疑是在泰国曼谷举行的 ACL 2024 顶会。这场盛会吸引了全球众多杰出的研究者，大家汇聚一堂，共同探讨和分享最新学术成果。官方公布的数据显示，本届 ACL 共收到近 5000 篇论文投稿，其中 940 篇被主会录用，168 篇工作入选大会口头报告（Oral），录取率低于 3.4%，这当中，字节跳动共有 5 篇成果中选 Oral。在 8 月 14 日下午的 Paper Awards 环节，字节跳动旗下成果《G-DIG: Towards Gradient-based DIverse and h
日均tokens使用量超5000亿，AI生图玩法猛猛上新：豆包大模型为什么越来越「香」了？
2024 年的 AI 图像生成技术，又提升到了一个新高度。技术的飞速迭代，让这一领域的商业化落地进入加速阶段。前有 Midjourney v6 史诗级更新，后有开源巨头 Stable Diffusion 3 独领风骚，而 DALL・E 3 背靠 ChatGPT 这棵「大树」，也收获了众多用户的关注。当然了，在这条赛道上，来自国内的选手毫不逊色。近日，国产大模型「顶流」—— 字节跳动豆包大模型，迎来一场集中放送：在 2024 火山引擎 AI 创新巡展成都站活动上，豆包大模型团队公布了豆包大模型的最新进展，以及文生图模
耳朵没错，是声音太真了，字节豆包语音合成成果Seed-TTS技术揭秘
Seed-TTS 是字节跳动豆包大模型团队近期发布的语音生成大模型成果。它生成的语音几乎与真人完全一样，连发音瑕疵也能生成出来，尤其在学习模仿人类说话方面，相似性和自然度均有很好表现。举例来说，将一段语音提供给 Seed-TTS，它就能按文本生成全新语音，且带上原素材的声音特征。原素材（Prompt）：Seed-TTS 生成的中文语音： 突然，身边一阵笑声。我看着他们，意气风发地挺直了胸膛，甩了甩那稍显肉感的双臂，轻笑道：“我身上的肉，是为了掩饰我爆棚的魅力，否则，岂不吓坏了你们呢？”英文语音也可生成，且依然能“复
字节豆包、武大提出 CAL：通过视觉相关的 token 增强多模态对齐效果
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：[email protected]；[email protected]当前主流的视觉语言模型（VLM）主要基于大语言模型（LLM）进一步微调。因此需要通过各种方式将图像映射到 LLM 的嵌入空间，然后使用自回归方式根据图像 token 预测答案。在这个过程中