摘要：盡管研發模型是當前最緊要的任務，但鳳凰網科技從豆包內部人士處了解到，內部對應用層的投入同樣巨大，“拿的資源不比模型層少”。

鳳凰網科技 出品

作者｜徐珍

編輯｜董雨晴

豆包的思考模型終于正式揭開面紗。

4月17日，火山引擎總裁譚待現身杭州，分享近四個月以來字節豆包大模型的研發進展。

其中最值得關注的，是思考模型Doubao-1.5-thinking-pro的正式上線。目前，其已通過火山引擎正式開放體驗接口。

一季度，AI賽道天翻地覆。

DeepSeek最先憑借推理模型震驚海外，大廠的步伐相對滯后，這讓去年AI戰略被打滿分的字節跳動略顯尷尬。

不過，有行業人士對鳳凰網科技表示，“豆包的步伐會慢，跟它用戶量級大有關，如何平衡投入產出比是個問題”。

據譚待表述，豆包大模型在3月底日均tokens使用量已超12.7萬億，是2024年12月的3倍，一年前的106倍。

在基座大模型愈發呈現寡頭之勢的當下，豆包大模型的一舉一動也備受外界關注。

根據官方測評，豆包深度思考模型的人類評估表現超出DeepSeek R1 8%，同時單位推理成本相比DeepSeek R1降低了50%。

在數學推理、編程競賽、科學推理等專業任務領域，該模型性能相較OpenAI o3-mini-high、Gemini 2.5 Pro等模型同樣并不遜色。用譚待的話來說，就是“均達到或接近全球第一梯隊”。

圖｜Seed-Thinking-v1.5專業任務性能，圖源/豆包官網

另一亮點是多模態的能力，畢竟DeepSeek遲遲不支持除文字以外的內容。

本次豆包深度思考模型專門打造了一款視覺版，具有原生多模態深度思考能力，可以一鍵拍圖識別地點、識別外文菜單。

豆包大模型總算是扳回了一局。

目前，在AppStore內豆包已重回免費榜第一，DeepSeek目前排名第三，元寶則位于第八。

用多模態打DeepSeek？

相比元寶赤裸裸的借DeepSeek的東風，豆包的姿態略顯搖擺。

2月初，火山引擎官方即全面支持DeepSeek系列大模型，但另一邊，豆包自身還在鉚足勁進行模型研發投入。

當月下旬，字節跳動旗下AI助手豆包開始小范圍測試深度思考模型的消息，彼時豆包相關負責人對媒體回應稱，豆包App在測試的是其深度思考模型的不同實驗版本；3月5日，豆包宣布上線深度思考推理模式，并以輸入框的“深度思考”按鈕為功能入口。

不過這些小試牛刀未能濺起多大水花。

直到本次推理模型全面上線，坦誠講，雖然沒有DeepSeek R1出現時的那種驚艷，但大廠全面作戰的能力更強，在產品細節上的打磨更為細致。

比如基于豆包·深度思考模型，豆包App進行了定向訓練，讓模型具備了“邊想邊搜”的能力。思考過程中，豆包可基于推理，多次調用工具、搜索信息，提供更加全面、準確的結果。

除此之外，視覺理解模型解決了DeepSeek R1只能做文字輸入的最大難點。

這一次在發布現場，譚待演示了一個很好的應用案例：

出國旅游時遇到的最大難題之一——點菜。“只翻譯菜單是不夠的，能直接點菜才是完美”。除此之外，模型還要思考如何換算匯率來控制預算，還要弄懂外文菜單的意思，如果有老人、孩子，要照顧他們的喜好，是否過敏等等。根據譚待現場所舉的例子，豆包深度思考模型首先兌換貨幣控制預算，周全考慮老人孩子喜好，還細致避開過敏菜肴，非常出色地完成了任務。

豆包仍在憋大招

過去一個多月，是豆包團隊緊鑼密鼓的一個月。

人員架構上引入新的技術大拿，最著名的當屬從谷歌加入字節的、曾參與Gemini開發的Google follow吳永輝博士。

此后其便領導豆包大模型團隊加足馬力，與此同時朱文佳繼續負責模型應用相關工作。

盡管研發模型是當前的緊要任務，但鳳凰網科技從豆包內部人士處了解到，內部對應用層的投入同樣不低。“最近一個多月，各個產品部門都拉滿了，個別部門還在憋大招。”

去年5月“豆包大模型家族”正式發布時驚艷四座，價格屠夫成為字節在大模型市場的一個新標簽。

今年2月，百度智能云事業群總裁沈抖還曾在全員會上暗戳戳的表示，“國內大模型去年‘惡意’的價格戰，導致行業整體的創收相較于國外差了多個數量級”。當時，譚待通過朋友圈回應稱，大模型降價是通過技術創新實現的，大家應像DeepSeek一樣聚焦基本功，少做無端猜測。

不過，本次發布的Doubao-1.5-thinking-pro模型沒有特別突出它的API價格。

鳳凰網科技在查詢官方后發現，豆包推理模型的輸入、輸出價格分別為0.004元/千token和0.002元/千token，同等級模型，阿里qwen-plus輸入價格可做到0.0008元/千token，輸出價格與豆包模型一樣。DeepSeek R1的API價格在忙時段，輸入和輸出分別可達0.001元/千token和0.016元/千token。

另據官方表示，豆包深度思考模型采用MoE（混合專家）架構，總參數為200B，每次推理時激活的參數為20B，可以更低延遲。相比之下，DeepSeek-R1總參數規模為671B，激活參數為37B。

在提及本次模型更新中的難點時，譚待表示，整體來說是實現效果好最難。“因為要先用各種方法達到最好的效果，在這個基礎上再用各種方式去降低成本，這是一個優化的過程”。其認為，好效果能帶來更大的突破，解鎖更多的場景，吸引更多的用戶和企業使用。所以得以預見，豆包推理模型的API價格未來還將處于動態調整的過程中。

包括朱嘯虎在內的一眾行業人士均認為，當前國內已經有很好的開源模型，這使得應用市場出現了顯著的機會。業內越來越多人亦認為大模型的競爭最后只會剩下幾家。

如李開復所言，“中國大模型未來大概率只剩下DeepSeek、阿里和字節跳動三家”。不過即便如此，相較于DeepSeek和阿里，字節仍舊需要走出自己的路。