12月18日，字节跳动正式推出了其最新的豆包视觉理解模型。据官方介绍，该模型在处理千tokens输入时的价格仅为3厘，这意味着用户仅需一元钱即可处理多达284张720P分辨率的图片。

值得注意的是，这一价格相比行业平均水平便宜了85%，极大地降低了企业应用多模态大模型的门槛和成本。

事实上，多模态大模型作为当前人工智能领域的前沿技术，能够同时处理和理解文本、图像、视频等多种类型的数据，对于提升企业智能化水平、优化业务流程具有重要意义。然而，高昂的处理成本一直是制约其广泛应用的关键因素之一。

据介绍，豆包视觉理解模型模型依托字节跳动强大的算法和算力支持，能够快速准确地完成图像识别、理解等任务，为企业用户提供高效、稳定的视觉理解服务。（青山）