12月30日，字节豆包大模子对外清楚2024全范围本领进展。距5月15日初度亮相仅7个月，豆包大模子在通用讲话、视频生成、语音对话、视觉和会等方面模子才调均已跨入海外第一梯队。豆包大模子团队示意，“从孩童般学语，到懵懂看宇宙哥也色中文娱乐网，到为创作家绘出假想中的玄幻梦幻，一切依然处于最早期。”

限制2024年12月，最新版豆包通用模子Doubao-pro-1215，空洞才调较5月擢升32%，已全靠近都GPT-4o，在数学、专科常识等部分复杂场景任务中，效果发达以致更好。通过海量数据优化、擢升模子稀疏度、引入强化学习、系统性工程优化等样貌，团队大幅擢升了Doubao-Pro和会精度和生成质地，并终明晰性能与遵循的均衡，推理作事价钱仅为GPT-4o的八分之一。

图像与视频才调方面，团队于9月推出两款豆包视频生成模子PixelDance与Seaweed，主打复杂提醒词精确和会、镜头一致、多交互主体和镜头机动适度。豆包文生图模子束缚迭代，还推出了通用图像剪辑才调，让“一句话P图”和“一键海报生成”成为践诺。此外，12月发布的豆包视觉和会模子Doubao-vision，可交融视觉与讲话多感官深度念念考和创作，当今模子才调在十多个主流数据集上并列Gemini 2.0与GPT-4o。

 Doubao-vision在主流评测集上才调并列Gemini 2.0、GPT-4o哥也色中文娱乐网

语音大模子赋予机器“听”与“说”的才调，豆包大模子团队本年推出了全新的语音识别模子Seed-ASR和语音生成基座模子Seed-TTS，通过引入各样、鲁莽的数据，交融推理链，赋予模子极强的泛化性。据悉，豆包语音模子可听懂20种以上方言搀杂的对话，也能边听边念念考，并在会话中抒发神气，保留吞音、口音等东谈主类民风，以致在交互中可随时被打断。

较语音更进一步，豆包大模子已领有高品性的“唱作”才调，从词曲剪辑、演奏生成到东谈主声演唱，“一个AI也不错是一个乐队”仍是成为践诺。其背后依托的音乐生成模子框架Seed-Music，逢迎了讲话模子与扩散模子的上风，终明晰音乐生成的通用框架，领有极高的剪辑可控性。

团队还初度对外清楚了豆包大模子300万字窗口的长文本才调，可一次卤莽阅读上百篇学术呈文，每百万tokens责罚蔓延仅需15秒。这一高下文窗口长度和时延水平达到当今业界极限。背靠STRING等高下文关联数据算法和模子加快优化，团队大幅擢升了LLM行使海量外部常识的才调，并通过稀疏化及散布式有打算将时延降到十秒级。

代码才调方面，豆包代码大模子Doubao-coder编程才调达到专科级，深度支合手超16种编程讲话、11类真正应用场景，可骄矜前后端斥地、机器学习等全栈编程斥地需求。

建造极短时刻内，豆包大模子团队还对AI基础扣问深化布局。昔日几个月，团队57篇论文中选ICLR、CVPR、NeurIPS等顶会，扣问后果包括下载量超百万的开源技俩及GitHub万星爆款。

 豆包大模子团队清楚2024扣问要津词

同期，豆包大模子团队与近20所高校深化和洽，支合手当先40位顶尖学者参与要津AI本领攻坚，并与清华AIR、北大辩认建造连合实验室。为储备最具后劲的扣问东谈主才，豆包大模子团队运行了“Top Seed东谈主才计算”，在公共范围招募顶尖博士毕业生加入，共同挑战宇宙级AI课题。

说明清楚，豆包大模子联系本领才调当今因循了包括豆包、即梦、豆包MarsCode等50多个C端应用场景，其中，豆包APP已成为国内最受宽待的AI家具。通及其山引擎哥也色中文娱乐网，豆包大模子作事了30多个行业，日均tokens调用量超4万亿，较5月发布时增长33倍。