近日，2024火山引擎AI創(chuàng)新巡展上海站活動(dòng)正式舉辦。會(huì)上，火山引擎發(fā)布了豆包大模型一系列產(chǎn)品升級(jí)?；鹕揭婵偛米T待表示，自豆包大模型正式發(fā)布以來，模型調(diào)用量快速增長，更豐富的業(yè)務(wù)場(chǎng)景也促進(jìn)了模型關(guān)鍵能力的持續(xù)迭代升級(jí)。
以語言大模型為例，在過去的兩個(gè)月里，豆包通用模型pro、通用模型lite都完成了多項(xiàng)重要更新。測(cè)試數(shù)據(jù)表明，最新版豆包通用模型pro，對(duì)比三個(gè)月前的版本綜合能力提升了20.3%。
其中，角色扮演能力提升了38.3%，使得豆包模型帶來的對(duì)話更加生動(dòng)、擬人度更高，AI交互流程更自然連貫，從而帶來更好的用戶留存。
語言理解能力則提升了33.3%，這讓大模型在信息分類、抽取、摘要總結(jié)、理解、知識(shí)問答等多項(xiàng)能力都有顯著增強(qiáng)，使其越來越多地出現(xiàn)在企業(yè)的生產(chǎn)力環(huán)節(jié)中，幫助企業(yè)解決真實(shí)的業(yè)務(wù)需求。
圖像創(chuàng)作方面，豆包大模型對(duì)“文生圖”模型做了升級(jí)迭代。新模型對(duì)長文本有了更精準(zhǔn)的圖文匹配能力，并且對(duì)于多主體、多位置，以及手部結(jié)構(gòu)等難題，新模型都有大幅提升。
同時(shí)，新“文生圖”模型對(duì)于中國本土的人物、物品、藝術(shù)風(fēng)格都有更深一層的理解，可以圖文一致的創(chuàng)造出更多中國風(fēng)格的高美感圖片，進(jìn)而廣泛應(yīng)用到設(shè)計(jì)、廣告、營銷、電商等多個(gè)領(lǐng)域，幫企業(yè)解決實(shí)際問題。
語音模型方面，火山引擎對(duì)語義識(shí)別準(zhǔn)確性進(jìn)行了相關(guān)升級(jí)，尤其是利用大模型豐富的知識(shí)儲(chǔ)備和強(qiáng)大的推理能力，結(jié)合上下文感知，提升語音識(shí)別的準(zhǔn)確性。
對(duì)此，譚待以滑雪運(yùn)動(dòng)為例進(jìn)行解釋。滑雪運(yùn)動(dòng)里有非常多專業(yè)術(shù)語，如立刃、搓雪等，如果沒有上下文理解，模型很難識(shí)別。豆包語音識(shí)別模型通過更精準(zhǔn)的上下文感知，就可以讓模型更好理解其意義，讓整個(gè)語音識(shí)別的召回率提升15%，錯(cuò)誤率比國內(nèi)公開的其他語音識(shí)別大模型相對(duì)降低了10%至40%。
同時(shí)，火山引擎還將豆包大模型和實(shí)時(shí)音頻技術(shù)(RTC)結(jié)合在一起，從而能夠提供端到端的大模型實(shí)時(shí)對(duì)話能力，企業(yè)可以將其接入自己的AI應(yīng)用中，讓用戶真正和模型直接、自由對(duì)話，讓用戶獲得與真人交流的體驗(yàn)。
譚待介紹，通過推理，以及RTC的端到端優(yōu)化，火山引擎已經(jīng)可以把這類對(duì)話的延遲做到1秒以內(nèi)，即使在網(wǎng)絡(luò)環(huán)境很差，可能80%丟包的情況下，仍保持清晰流暢的通話質(zhì)量。
譚待表示，火山引擎通過降價(jià)，將企業(yè)的試錯(cuò)創(chuàng)新成本降到足夠低，使大模型真正成為了創(chuàng)新源泉?；鹕揭娌粌H提供了更低的價(jià)格，也提供了更好的性能和吞吐。豆包通用模型pro支持初始800K的TPM，比行業(yè)平均水平高出4—5倍。
