豆包 1.8 多模態(tài)超越谷歌Gemini 3！字節(jié)祭出“推理代工”，要做模型屆的英特爾？

整理 | 褚杏娟

今天，火山引擎正式推出新一代模型：豆包大模型 1.8。該模型面向多模態(tài) Agent 場(chǎng)景進(jìn)行了深度優(yōu)化：

• 更強(qiáng) Agent 能力：Tool Use 能力、復(fù)雜指令遵循能力、OS Agent 能力都實(shí)現(xiàn)了大幅增強(qiáng)。

• 多模態(tài)理解升級(jí)：大幅提升了視覺理解的基礎(chǔ)能力，可以低幀率理解超長視頻。此外在視頻運(yùn)動(dòng)理解、復(fù)雜空間理解、文檔結(jié)構(gòu)化解析能力上也都有所提升。

• 原生支持智能上下文管理：可以配置上下文壓縮策略，當(dāng)任務(wù)輪次過長時(shí)，模型會(huì)根據(jù)策略智能清除低價(jià)值的歷史工具調(diào)用信息，確保多步驟任務(wù)穩(wěn)定完成。

據(jù)介紹，豆包 1.8 上下文窗口達(dá)到了 256k，意味著它能同時(shí)承接較長篇幅的對(duì)話上下文，更好地連貫理解連續(xù)的信息。此外，該模型的最大輸入 Token 長度為 224k、最大輸出 Token 長度為 64k，同時(shí)它的最大思考內(nèi)容 Token 長度也為 64k，這是它在內(nèi)部處理信息、梳理邏輯時(shí)的容量上限。

運(yùn)行效率方面，豆包 1.8 的 TPM（每分鐘處理 Token 數(shù)）達(dá)到了 5000k，而 RPM（每分鐘請(qǐng)求數(shù)）為 30k。

譚待表示，這些能力讓豆包 1.8 在 AIME 2025 等 Agent 評(píng)測(cè)集上穩(wěn)步提升，在通用智能體測(cè)評(píng) Benchmark 上取得全球領(lǐng)先成績(jī)；在多模態(tài)理解方面，于視覺判斷準(zhǔn)確性、空間理解、文檔解析、視頻運(yùn)動(dòng)識(shí)別等多項(xiàng)能力上超越 Gemini 3，在其他任務(wù)上也都處于全球第一梯隊(duì)水平。

演示中，豆包 1.8 成功規(guī)劃流程，調(diào)用十余個(gè)工具，在多個(gè)電商平臺(tái)完成耳機(jī)的全網(wǎng)比價(jià)與最優(yōu)選擇。此能力可廣泛應(yīng)用于電商、生活服務(wù)及企業(yè)自動(dòng)化流程。另外，面對(duì)一段 1 小時(shí) 4 分鐘的監(jiān)控視頻，豆包 1.8 能快速低幀率瀏覽，精準(zhǔn)定位事故畫面，分析出肇事車輛與時(shí)間。該能力可拓展至在線教育、安全巡檢、產(chǎn)品質(zhì)檢等領(lǐng)域。

譚待表示，豆包 1.8 的推出，將幫助企業(yè)更便捷地構(gòu)建復(fù)雜 Agent，而更多、更智能的 Agent，必將為千行百業(yè)創(chuàng)造前所未有的價(jià)值?！?/p>

據(jù)悉，截至今年 12 月，豆包大模型的日均 tokens 調(diào)用量已突破 50 萬億，自發(fā)布以來實(shí)現(xiàn)了 417 倍增長；與去年 12 月相比，實(shí)現(xiàn)了超過 10 倍的增長。

“這不僅僅是豆包大模型的速度，更是整個(gè) AI 行業(yè)加速發(fā)展的縮影。不斷攀升的 tokens 調(diào)用量，也驅(qū)動(dòng)著火山引擎的 AI 產(chǎn)品持續(xù)完善。”譚待表示。

在多模型方面，譚待表示，從理解到創(chuàng)造，豆包大模型同樣擁有全球領(lǐng)先的圖像與視頻生成能力，覆蓋了從圖像創(chuàng)作與編輯、視頻生成、數(shù)字人制作到 3D 模型生成的完整創(chuàng)作鏈條。無論是在線視頻、短劇制作，還是智能終端交互、商品營銷與產(chǎn)品設(shè)計(jì)，都在廣泛使用豆包的 Seedream（生圖） 和 Seedance（生視頻） 模型。

在圖像領(lǐng)域，字節(jié)已經(jīng)發(fā)布了新一代豆包生圖模型 Seedream 4.5。它在復(fù)雜指令遵循、畫面元素保持能力上大幅提升，并融入了更豐富的世界知識(shí)，表現(xiàn)再上新臺(tái)階。它能夠?qū)⒉煌宋铩⑽矬w與場(chǎng)景照片智能組合，生成創(chuàng)意合影；將汽車渲染成精致的分解結(jié)構(gòu)圖；輕松制作多卡通角色的主題拼圖；實(shí)現(xiàn)逼真的模特虛擬試穿，并生成媲美專業(yè)設(shè)計(jì)的產(chǎn)品營銷海報(bào)。

在視頻創(chuàng)作領(lǐng)域。Seedance 1.0 更強(qiáng)大繼任者 Seedance 1.5 Pro 正式登場(chǎng)。其核心特點(diǎn)：音畫同步輸出、多人多語言對(duì)白配音，以及更強(qiáng)的影視級(jí)敘事張力。

根據(jù)介紹，相較于 1.0 版本，1.5 Pro 最大的特點(diǎn)是“音畫同出”，即實(shí)現(xiàn)了聲音與畫面在時(shí)間、語義上的精準(zhǔn)同步。它能根據(jù)畫面中角色的數(shù)量和身份，精準(zhǔn)匹配口型，解決了行業(yè)常見的“張口不發(fā)聲”或口型不匹配的問題。同時(shí)，它原生支持多種語言及中國各地方言，為內(nèi)容創(chuàng)作帶來極大的實(shí)用性與豐富性。

回歸視覺本身，模型不僅要生成高清畫面，更需駕馭影視級(jí)鏡頭語言和敘事張力，捕捉細(xì)膩的微表情。Seedance 1.5 Pro 在這方面也大幅增強(qiáng)，能通過一段提示詞，生成充滿細(xì)節(jié)和情感張力的畫面。

為了進(jìn)一步提升創(chuàng)作效率，Seedance 系列即將上線 “Draft 樣片”功能。用戶可先快速生成低分辨率樣片，驗(yàn)證創(chuàng)意和關(guān)鍵要素，滿意后再生成最終成片。這將幫助用戶將整體創(chuàng)作效率提升 65%，并減少 60% 的無效創(chuàng)作成本。

面向企業(yè)的“推理代工”

據(jù)統(tǒng)計(jì)，在 2025 年，已有超過 100 萬家企業(yè)及個(gè)人使用了火山引擎的大模型服務(wù)，覆蓋百余個(gè)行業(yè)，其中已有超過 100 家企業(yè)在火山引擎的累計(jì) tokens 使用量突破了 1 萬億。今天，火山引擎再次面向企業(yè)推出了一系列優(yōu)惠和新服務(wù)。

首先，火山引擎正式推出“豆包助手 API”。它將豆包 APP 核心的對(duì)話、思考、搜索、創(chuàng)作等 Agent 能力，以 API 形式開放，讓企業(yè)可以“開箱即用”。首批與文本相關(guān)的四項(xiàng)能力已上線火山方舟，未來還將開放更多多模態(tài)理解、深度研究、視頻通話等能力。

譚待表示，豆包 APP 不僅是國內(nèi)用戶規(guī)模最大的 AI 應(yīng)用，從技術(shù)角度看，更是中國最復(fù)雜、難度最高的 AI Agent 之一。其背后對(duì)話、解讀、搜索、研究等能力，均由一套復(fù)雜的 Agent 系統(tǒng)驅(qū)動(dòng)，并經(jīng)歷了數(shù)億用戶的長期打磨。

鑒于企業(yè)內(nèi)部使用大模型的部門和模型種類越來越多，火山引擎還推出了業(yè)界首個(gè) 「AI 節(jié)省計(jì)劃」?；鹕揭嫔纤邪戳扛顿M(fèi)的大模型，包括豆包及各類開源模型，均可參與。企業(yè)各部門可享受統(tǒng)一價(jià)格優(yōu)惠，且不同模型的用量可合并累計(jì)，打破嘗試新模型的冷啟動(dòng)成本顧慮。據(jù)介紹，該計(jì)劃采用階梯折扣，用量越多節(jié)省越多，最高可節(jié)省 47% 的成本。

推理代工

其次，火山方舟正式推出“推理代工”服務(wù)。針對(duì)典型的開源大模型結(jié)構(gòu)，火山方舟提供經(jīng)過大規(guī)模驗(yàn)證的系統(tǒng)能力，包括極致的彈性伸縮、全棧推理優(yōu)化與分布式緩存等整套支持。

具體來說，用戶上傳加密后的模型參數(shù)后，無需運(yùn)維底層 GPU，無需進(jìn)行復(fù)雜的網(wǎng)絡(luò)與調(diào)度配置，只需關(guān)注模型本身。根據(jù)火山方面測(cè)試，當(dāng)企業(yè)選擇以云上集群替代自建集群時(shí)，硬件與運(yùn)維成本可下降約一半；而進(jìn)一步采用方舟推理代工服務(wù)后，對(duì)比在云上租賃 GPU 算力，客戶可獲得額外 1.6 倍左右的吞吐提升。

“這背后依賴于火山引擎充沛的 GPU 資源池與長期的推理優(yōu)化投入。算力池規(guī)模越大，調(diào)度效率越高，單位成本就越低。我們能夠在分鐘級(jí)完成百卡到千卡的算力伸縮，以應(yīng)對(duì)突發(fā)流量?！被鹕揭嬷悄芩惴ㄘ?fù)責(zé)人吳迪說道。

吳迪表示，著眼于長遠(yuǎn)，AI 產(chǎn)業(yè)的推理與訓(xùn)練走向分工與分層是大勢(shì)所趨。

他解釋道，對(duì)于大多數(shù)團(tuán)隊(duì)而言，低成本、高吞吐地“推理好”一個(gè)大模型，可能比“后訓(xùn)練好”一個(gè)模型更為困難。在建設(shè)初期，企業(yè)往往需要投入數(shù)百萬人民幣，經(jīng)歷數(shù)月的上線周期，并面臨復(fù)雜的運(yùn)維挑戰(zhàn)。當(dāng)業(yè)務(wù)進(jìn)入規(guī)?；瘮U(kuò)張階段，除了線性增長的硬件成本，還有許多易被忽視的隱形成本：例如，規(guī)?；瘜?duì)運(yùn)維團(tuán)隊(duì)提出更高要求、模型迭代與升級(jí)帶來難以預(yù)估的成本，以及新業(yè)務(wù)爆發(fā)式增長時(shí)，推理資源往往措手不及。

AI 重塑組織的浪潮已至，Agentic 企業(yè)時(shí)代正式開啟！當(dāng) AI 不再是單純的輔助工具，而是深度融入業(yè)務(wù)核心、驅(qū)動(dòng)組織形態(tài)與運(yùn)作邏輯全面革新的核心力量。

把握行業(yè)變革關(guān)鍵節(jié)點(diǎn)，12 月 19 日 - 20 日，AICon 全球人工智能開發(fā)與應(yīng)用大會(huì)（北京站） 即將重磅啟幕！本屆大會(huì)精準(zhǔn)錨定行業(yè)前沿，聚焦大模型訓(xùn)練與推理、AI Agent、研發(fā)新范式與組織革新，邀您共同深入探討：如何構(gòu)建起可信賴、可規(guī)模化、可商業(yè)化的 Agentic 操作系統(tǒng)，讓 AI 真正成為企業(yè)降本增效、突破增長天花板的核心引擎。