4月17日，火山引擎面向企業(yè)市場發(fā)布豆包1.5?深度思考模型，同步升級文生圖模型 3.0、視覺理解模型，并推出 OS Agent 解決方案及AI云原生推理套件，幫助企業(yè)更快、更省地構(gòu)建和部署Agent應(yīng)用。

據(jù)火山引擎披露，截至 2025 年 3 月底，豆包大模型日均 tokens 調(diào)用量已達(dá)到12.7萬億，較去年5月發(fā)布時增長上百倍。火山引擎總裁譚待表示，Agent智能體應(yīng)用發(fā)展將帶動大模型進(jìn)一步普及。譚待說：“深度思考模型是構(gòu)建Agent的基礎(chǔ)，模型要有能力做好思考、計(jì)劃和反思，并且一定要支持多模態(tài)，就像人類具備視覺和聽覺一樣，Agent才能更好地處理復(fù)雜任務(wù)?！?/p>

圖：火山引擎總裁譚待

豆包深度思考模型開放API，具備視覺推理能力

據(jù)譚待介紹，豆包1.5?深度思考模型在專業(yè)領(lǐng)域的推理任務(wù)中表現(xiàn)出色，數(shù)學(xué)推理AIME 2024 測試得分追平OpenAI o3-mini-high，編程競賽和科學(xué)推理測試成績也接近o1。在創(chuàng)意寫作、人文知識問答等通用任務(wù)上，模型也展示出優(yōu)秀的泛化能力，能勝任更廣泛的使用場景。

技術(shù)報告顯示，豆包深度思考模型采用MoE架構(gòu)，總參數(shù)為200B，激活參數(shù)僅20B，以較小參數(shù)實(shí)現(xiàn)媲美頂尖模型的效果?；诟咝惴ê透咝阅芡评硐到y(tǒng)，豆包模型API服務(wù)在保障高并發(fā)的同時，延遲低至20毫秒。

豆包深度思考模型還具備視覺推理能力，能像人類一樣對看到的事物進(jìn)行聯(lián)想和思考，極大拓展了智能推理的應(yīng)用邊界。譚待舉例說明，“模型可以看懂復(fù)雜的企業(yè)項(xiàng)目管理流程圖表，快速定位到關(guān)鍵信息，并以強(qiáng)大的指令遵循能力，嚴(yán)格按照流程圖，回答客戶的問題；分析航拍圖時，能結(jié)合地貌特征判斷區(qū)域開發(fā)可行性。有多模態(tài)能力的加持，豆包深度思考模型可以助力企業(yè)在更多場景實(shí)現(xiàn)智能化升級?！?/p>

此外，豆包文生圖模型Seedream3.0也正式向企業(yè)開放。該模型已在即夢AI、豆包產(chǎn)品上線，并在近期登上權(quán)威競技場Artificial Analysis文生圖榜單第一梯隊(duì)。Seedream3.0支持2K分辨率直出，生圖結(jié)構(gòu)準(zhǔn)確性、小字生成與排版、美感、真實(shí)度等方面具有優(yōu)勢。

火山引擎為Agent裝上“助推器”

2025年被業(yè)界視為“Agent智能體元年”。譚待認(rèn)為，在多模態(tài)深度思考模型的基礎(chǔ)上，Agent需要良好的架構(gòu)和工具，去操作數(shù)字世界和物理世界。同時，模型的推理成本和延遲要持續(xù)降低，才能推動應(yīng)用普惠。

為此，火山引擎宣布推出OS Agent解決方案，并演示了由Agent操作瀏覽器，搜索商品頁，實(shí)現(xiàn)iPhone比價的任務(wù)，甚至由Agent在遠(yuǎn)程計(jì)算機(jī)上用剪映進(jìn)行視頻編輯、配樂。

據(jù)悉，OS Agent解決方案包含豆包UI-TARS模型，以及veFaaS函數(shù)服務(wù)、云服務(wù)器、云手機(jī)等產(chǎn)品，實(shí)現(xiàn)對代碼、瀏覽器、電腦、手機(jī)以及其他Agent的操作。其中，豆包UI-TARS模型將屏幕視覺理解、邏輯推理、界面元素定位和操作整合在一起，突破傳統(tǒng)自動化工具依賴預(yù)設(shè)規(guī)則的局限性，為Agent的智能交互提供了更接近人類操作的模型基礎(chǔ)。

好的模型和工具能夠加速Agent的落地，但Agent也會帶來更大量的模型推理消耗。面對大規(guī)模推理需求，火山引擎專門打造了AI云原生ServingKit 推理套件，讓模型部署更快、推理成本更低，GPU 消耗相比傳統(tǒng)方案降低80%。

IDC發(fā)布的《中國公有云大模型服務(wù)市場格局分析，1Q25》顯示，火山引擎以46.4%的市場份額位居第一。憑借高性價比、靈活易用的工具鏈，以及覆蓋全場景的解決方案，火山引擎成為企業(yè)落地大模型的首選平臺。