明敏 发自 凹非寺
量子位 | 公众号 QbitAI

不愧是字节，一发大模型，各模态榜单格局全部被重构！

最新豆包大模型1.6系列，“小版本”更新但推理、数学、多模态能力全部冲入全球第一梯队

海淀区高考模拟卷，豆包1.6文理科成绩全部突破700分，理科成绩更是比去年的豆包提升了154分。

视频领域，Seedance 1.0 Pro亮相即登顶全球竞技场文生视频、图生视频双料第一。

多镜头切换的电影质感大片信手拈来：

目前已上线即梦（视频生成选择对应模型）、豆包APP（打开对话框，选择“照片动起来”，输入文字指令或上传图片）即可体验。

如此效果，在火山引擎ToB的价格却打到了行业最低

Seedance 1.0 pro模型每千tokens 0.015元，相当于每生成一条5秒的1080P视频只需3.67元。1万元可以生成2700条视频。

豆包大模型1.6系列，直接重新定义行业定价模式。

统一定价，不论用户是否开启深度思考、不论是文本还是视觉任务，tokens价格都完全一样，定价参考改为“输入长度”区间。

输入区间0-32K范围内，豆包大模型1.6综合成本比豆包1.5·深度思考模型、DeepSeek R1降低63%。

这还没完，还有特惠区——对于输入32k、输出200以内的任务，豆包大模型1.6的价格进一步降低到每百万tokens输入0.8元、输出2元。

这意味着，使用豆包1.6的价格和豆包1.0一样低

熟悉的模式，熟悉的感觉——

1年之前，正是火山引擎开启大模型价格“厘时代”，做到了比行业价格低99.3%。

1年之后，字节重新定义大模型商业价格模式。这一回，又预示哪些新动向？

豆包更有人味儿、即梦更像导演

看懂变化，还得从底层模型开始。

此次新发布，字节一共带来3款不同模态的新模型。

• 豆包大模型1.6系列
• 豆包视频生成模型Seedance 1.0 Pro
• 豆包语音播客模型

豆包大模型1.6系列

豆包大模型1.6系列由3个模型组成，分别是主力综合模型、深度思考模型以及极速版。

• doubao-seed-1.6
• doubao-seed-1.6-thinking
• doubao-seed-1.6-flash

doubao-seed-1.6是主力模型，它主打all in one，也就是啥都能干。是国内首个支持256k上下文的思考模型，支持深度思考、多模态理解、图形界面操作等。

比如使用DeepResearch功能，可以生成一份详尽的操作指南。

任务：请教我如何在火山方舟上开通Doubao-Seedance视频生成模型，并给出在python IDE中进行API调用的示例代码，最终生成分步骤的操作指南报告。

模型会首先进行任务规划，将任务划分为具体四步。

在用户确认规划没有问题后，点击开始，模型才会开始执行。

可以看到过程中，它调用了知识库，最后给出了完善的操作指南。

多模态方面也进行了全面升级，支持视频理解、多图理解等。

比如可以让它看视频生成票圈文案，豆包1.6思考后会给出不同的风格供挑选，文案都是根据视频内容细节而来。

企业端也能基于多模态理解做更多事，比如电商商品审核、自动驾驶标注、安全巡检等。

同时，豆包也具备了像人一样的操作能力，即GUI操作能力

只需输入“预定2人6月20日德国法兰克福五星级酒店，要求有健身房、且有浴缸”，它就能自己打开酒店预定网站、输入目的地、入住时间、勾选相应筛选条件。

并且会像人一样浏览不同酒店开始挑选，查看图片确认是否包含浴缸，最后才确认下单，当然付款这些最终决策还是由人类操作。

豆包视频生成模型Seedance 1.0 Pro

视频生成方面，字节这次也是狠狠发力了。

刚刚在第三方权威榜单Artificial Analysis上拿下双料第一的Seedance 1.0 pro主要具备三大特性：

• 无缝多镜头叙事
• 多动作及随心运镜
• 稳定运动与真实美感

我们通过实测发现，Seedance视频模型可能是选择了和OpenAI走相同的路线。即优先拉高模型的智商，具体表现在模型的精准指令遵循、生成内容更合理化、符合现实世界逻辑、带有人类的思考。

比如生成“侦探正在思索”的视频，模型会将人物的面部表情变得严肃而不是优哉游哉的，前者更符合基本逻辑。

另外值得关注的是，Seedance 1.0 Pro的生成速度也非常快。最快40秒可生成5秒1080P视频。

目前该模型已在即梦和豆包APP上线，人人都能体验。

豆包语音播客模型+实时语音模型ToB开放

最后在语音模态方面，两款豆包语音播客大模型上新。

几天前，我们已经实测了豆包语音播客模型。它支持秒级生成双人对话播客，效果相当逼真，而且操作非常简单，只需输入一句话、一个网页、一个文档或者长文本即可。

另外，最近被网友们玩疯了的AI克隆声音打电话，其底层模型豆包实时语音模型也全量上线火山方舟，向企业用户开放使用。

它支持自然语言高级指令控制，具备唱歌表演、声线模仿、方言演绎等多种能力。

实际上，包括豆包1.6系列、Seedance 1.0 Pro，也都全量上线火山方舟，为ToB用户提供更先进AI能力。

与此同时，火山方舟还带来了一系列全新工具，将Agent开发门槛一降再降。

更轻松构建生产级Agent

ToB维度，今年最火的AI趋势莫过于Agent开发。

火山引擎此次在MaaS、数据、AI Infra三方面发布的新产品，几乎都是为此而来。

首先，为加速企业构建Agent，火山引擎带来多款产品：

• 火山引擎MCP服务

提供200+MCP服务，与TRAE、火山方舟、扣子打通，开发者还可通过MCP控制火山引擎的云服务组件，加速产品落地。

• PromptPilot

帮助开发者优化提示词，将模糊需求转化为具象化目标。支持自动撰写和优化提示词，针对badcase自动优化以实现精准调控，具备多轮对话、视觉理解、复杂工具调用优化能力，以及自主判断是否开启模型精调等功能。

• AI知识管理产品

帮助企业管理内部知识，进一步将本地资源与互联网内容整合。支持文本、图像、音频、视频等多模态内容对话式输入，并且能够把输出的数据组织为更易于理解的图表。首创可交互的推理“做个计划”功能，实现人机协作制定、修改计划。

• 开源veRL强化学习框架

veRL是字节内部在2023年开发的强化学习框架。它可轻松扩展各种强化学习算法，能将现有LLM基础设施与模块化API无缝集成，具备灵活的设备映射，支持将模型放置到不同的GPU租上。同时具备极强吞吐性能，并使用3D-HybridEngine进行高效的Actor模型重新分片。

基于以上多方面能力，可以实现自动化生成研究报告、匹配PPT，并自动发送邮件。

开发一个网站，也只需要用纸笔画个草图，其他都能交给AI。

从设计稿解析、代码生成到公网可访问网页，这些流程都能全自动化部署。

AI Infra方面，火山引擎将三个基础能力原子化，对外发布。

• AgentKit：面向企业级Agent打造的全栈开发和服务工具链。

• TrainingKit：面向预训练实现高达60%+的MFU（算力利用率）；面向后训练实现Sandbox百万核秒并发能力等。

• ServingKit：面向推理，从模型部署、在线推理、服务运维三个阶段进行加速和提效。

最后，在数据方面，推出多模态数据湖和Data Agent，实现从“支持BI”到“支持AI”。

One More Thing

在整场发布中，字节还披露了一个尤为关键的数字——

截至2025年5月底，豆包大模型日均tokens使用量超过16.4万亿，较去年5月刚发布时增长137倍

IDC数据显示，2024年中国公有云大模型调用总量达到114.2万亿 Tokens，其中火山引擎占据46.4%的市场份额，几乎占据半壁江山。

火山引擎总裁谭待也在采访中表示，大模型产品带来的业绩收入是火山引擎所有产品中增速最快的，也是毛利最好的业务之一。

整场发布中，穿插在字节最新技术之间的，就是各个行业的大客户了。其中包括联想、宝马、奔驰、微博、瑞幸、百胜中国肯德基等等。

嗯，也不意外，更硬技术+更优成本带来的更高增长，已经开始对外显现。

不过对于火山引擎内部，现在的目光可能更聚焦在未来。

谭待表示，当下正是从生成式AI向Agentic AI逐渐过渡转变。深度思考、多模态理解、工具自主调用是关键方向。

火山引擎智能算法负责人吴迪也很肯定，今年AI三大技术主线就是：

• 带有多模态理解能力的Reasoning模型
• 视频生成模型的能力提升
• 多步骤复杂任务能力的成熟和渗透

这种肯定甚至可以细化到：

“2025年会以每个月至少2次的节奏，出现模型基础能力与应用方面的交错浪潮。

最后3个月，你可以放心地把价值50元的事交给AI端到端处理，它能实现80-90%的准确率。”

所以，期待吧。

大模型时代的探险家们，已经抢先用望远镜看到了新风景，而这些风景可能比我们预期中来得更快、也更普惠。