明敏 發自 凹非寺
量子位 | 公眾號 QbitAI

不愧是字節，一發大模型，各模態榜單格局全部被重構！

最新豆包大模型1.6系列，“小版本”更新但推理、數學、多模態能力全部沖入全球第一梯隊

海淀區高考模擬卷，豆包1.6文理科成績全部突破700分，理科成績更是比去年的豆包提升了154分。

視頻領域，Seedance 1.0 Pro亮相即登頂全球競技場文生視頻、圖生視頻雙料第一。

多鏡頭切換的電影質感大片信手拈來：

目前已上線即夢（視頻生成選擇對應模型）、豆包APP（打開對話框，選擇“照片動起來”，輸入文字指令或上傳圖片）即可體驗。

如此效果，在火山引擎ToB的價格卻打到了行業最低

Seedance 1.0 pro模型每千tokens 0.015元，相當于每生成一條5秒的1080P視頻只需3.67元。1萬元可以生成2700條視頻。

豆包大模型1.6系列，直接重新定義行業定價模式。

統一定價，不論用戶是否開啟深度思考、不論是文本還是視覺任務，tokens價格都完全一樣，定價參考改為“輸入長度”區間。

輸入區間0-32K范圍內，豆包大模型1.6綜合成本比豆包1.5·深度思考模型、DeepSeek R1降低63%。

這還沒完，還有特惠區——對于輸入32k、輸出200以內的任務，豆包大模型1.6的價格進一步降低到每百萬tokens輸入0.8元、輸出2元。

這意味著，使用豆包1.6的價格和豆包1.0一樣低

熟悉的模式，熟悉的感覺——

1年之前，正是火山引擎開啟大模型價格“厘時代”，做到了比行業價格低99.3%。

1年之后，字節重新定義大模型商業價格模式。這一回，又預示哪些新動向？

豆包更有人味兒、即夢更像導演

看懂變化，還得從底層模型開始。

此次新發布，字節一共帶來3款不同模態的新模型。

• 豆包大模型1.6系列
• 豆包視頻生成模型Seedance 1.0 Pro
• 豆包語音播客模型

豆包大模型1.6系列

豆包大模型1.6系列由3個模型組成，分別是主力綜合模型、深度思考模型以及極速版。

• doubao-seed-1.6
• doubao-seed-1.6-thinking
• doubao-seed-1.6-flash

doubao-seed-1.6是主力模型，它主打all in one，也就是啥都能干。是國內首個支持256k上下文的思考模型，支持深度思考、多模態理解、圖形界面操作等。

比如使用DeepResearch功能，可以生成一份詳盡的操作指南。

任務：請教我如何在火山方舟上開通Doubao-Seedance視頻生成模型，并給出在python IDE中進行API調用的示例代碼，最終生成分步驟的操作指南報告。

模型會首先進行任務規劃，將任務劃分為具體四步。

在用戶確認規劃沒有問題后，點擊開始，模型才會開始執行。

可以看到過程中，它調用了知識庫，最后給出了完善的操作指南。

多模態方面也進行了全面升級，支持視頻理解、多圖理解等。

比如可以讓它看視頻生成票圈文案，豆包1.6思考后會給出不同的風格供挑選，文案都是根據視頻內容細節而來。

企業端也能基于多模態理解做更多事，比如電商商品審核、自動駕駛標注、安全巡檢等。

同時，豆包也具備了像人一樣的操作能力，即GUI操作能力

只需輸入“預定2人6月20日德國法蘭克福五星級酒店，要求有健身房、且有浴缸”，它就能自己打開酒店預定網站、輸入目的地、入住時間、勾選相應篩選條件。

并且會像人一樣瀏覽不同酒店開始挑選，查看圖片確認是否包含浴缸，最后才確認下單，當然付款這些最終決策還是由人類操作。

豆包視頻生成模型Seedance 1.0 Pro

視頻生成方面，字節這次也是狠狠發力了。

剛剛在第三方權威榜單Artificial Analysis上拿下雙料第一的Seedance 1.0 pro主要具備三大特性：

• 無縫多鏡頭敘事
• 多動作及隨心運鏡
• 穩定運動與真實美感

我們通過實測發現，Seedance視頻模型可能是選擇了和OpenAI走相同的路線。即優先拉高模型的智商，具體表現在模型的精準指令遵循、生成內容更合理化、符合現實世界邏輯、帶有人類的思考。

比如生成“偵探正在思索”的視頻，模型會將人物的面部表情變得嚴肅而不是優哉游哉的，前者更符合基本邏輯。

另外值得關注的是，Seedance 1.0 Pro的生成速度也非常快。最快40秒可生成5秒1080P視頻。

目前該模型已在即夢和豆包APP上線，人人都能體驗。

豆包語音播客模型+實時語音模型ToB開放

最后在語音模態方面，兩款豆包語音播客大模型上新。

幾天前，我們已經實測了豆包語音播客模型。它支持秒級生成雙人對話播客，效果相當逼真，而且操作非常簡單，只需輸入一句話、一個網頁、一個文檔或者長文本即可。

另外，最近被網友們玩瘋了的AI克隆聲音打電話，其底層模型豆包實時語音模型也全量上線火山方舟，向企業用戶開放使用。

它支持自然語言高級指令控制，具備唱歌表演、聲線模仿、方言演繹等多種能力。

實際上，包括豆包1.6系列、Seedance 1.0 Pro，也都全量上線火山方舟，為ToB用戶提供更先進AI能力。

與此同時，火山方舟還帶來了一系列全新工具，將Agent開發門檻一降再降。

更輕松構建生產級Agent

ToB維度，今年最火的AI趨勢莫過于Agent開發。

火山引擎此次在MaaS、數據、AI Infra三方面發布的新產品，幾乎都是為此而來。

首先，為加速企業構建Agent，火山引擎帶來多款產品：

• 火山引擎MCP服務

提供200+MCP服務，與TRAE、火山方舟、扣子打通，開發者還可通過MCP控制火山引擎的云服務組件，加速產品落地。

• PromptPilot

幫助開發者優化提示詞，將模糊需求轉化為具象化目標。支持自動撰寫和優化提示詞，針對badcase自動優化以實現精準調控，具備多輪對話、視覺理解、復雜工具調用優化能力，以及自主判斷是否開啟模型精調等功能。

• AI知識管理產品

幫助企業管理內部知識，進一步將本地資源與互聯網內容整合。支持文本、圖像、音頻、視頻等多模態內容對話式輸入，并且能夠把輸出的數據組織為更易于理解的圖表。首創可交互的推理“做個計劃”功能，實現人機協作制定、修改計劃。

• 開源veRL強化學習框架

veRL是字節內部在2023年開發的強化學習框架。它可輕松擴展各種強化學習算法，能將現有LLM基礎設施與模塊化API無縫集成，具備靈活的設備映射，支持將模型放置到不同的GPU租上。同時具備極強吞吐性能，并使用3D-HybridEngine進行高效的Actor模型重新分片。

基于以上多方面能力，可以實現自動化生成研究報告、匹配PPT，并自動發送郵件。

開發一個網站，也只需要用紙筆畫個草圖，其他都能交給AI。

從設計稿解析、代碼生成到公網可訪問網頁，這些流程都能全自動化部署。

AI Infra方面，火山引擎將三個基礎能力原子化，對外發布。

• AgentKit：面向企業級Agent打造的全棧開發和服務工具鏈。

• TrainingKit：面向預訓練實現高達60%+的MFU（算力利用率）；面向后訓練實現Sandbox百萬核秒并發能力等。

• ServingKit：面向推理，從模型部署、在線推理、服務運維三個階段進行加速和提效。

最后，在數據方面，推出多模態數據湖和Data Agent，實現從“支持BI”到“支持AI”。

One More Thing

在整場發布中，字節還披露了一個尤為關鍵的數字——

截至2025年5月底，豆包大模型日均tokens使用量超過16.4萬億，較去年5月剛發布時增長137倍

IDC數據顯示，2024年中國公有云大模型調用總量達到114.2萬億 Tokens，其中火山引擎占據46.4%的市場份額，幾乎占據半壁江山。

火山引擎總裁譚待也在采訪中表示，大模型產品帶來的業績收入是火山引擎所有產品中增速最快的，也是毛利最好的業務之一。

整場發布中，穿插在字節最新技術之間的，就是各個行業的大客戶了。其中包括聯想、寶馬、奔馳、微博、瑞幸、百勝中國肯德基等等。

嗯，也不意外，更硬技術+更優成本帶來的更高增長，已經開始對外顯現。

不過對于火山引擎內部，現在的目光可能更聚焦在未來。

譚待表示，當下正是從生成式AI向Agentic AI逐漸過渡轉變。深度思考、多模態理解、工具自主調用是關鍵方向。

火山引擎智能算法負責人吳迪也很肯定，今年AI三大技術主線就是：

• 帶有多模態理解能力的Reasoning模型
• 視頻生成模型的能力提升
• 多步驟復雜任務能力的成熟和滲透

這種肯定甚至可以細化到：

“2025年會以每個月至少2次的節奏，出現模型基礎能力與應用方面的交錯浪潮。

最后3個月，你可以放心地把價值50元的事交給AI端到端處理，它能實現80-90%的準確率。”

所以，期待吧。

大模型時代的探險家們，已經搶先用望遠鏡看到了新風景，而這些風景可能比我們預期中來得更快、也更普惠。