豆包大模型升级：语言理解能力提升33.3%

近日，2024火山引擎AI创新巡展上海站活动正式举办。会上，火山引擎发布了豆包大模型一系列产品升级。火山引擎总裁谭待表示，自豆包大模型正式发布以来，模型调用量快速增长，更丰富的业务场景也促进了模型关键能力的持续迭代升级。

以语言大模型为例，在过去的两个月里，豆包通用模型pro、通用模型lite都完成了多项重要更新。测试数据表明，最新版豆包通用模型pro，对比三个月前的版本综合能力提升了20.3%。

其中，角色扮演能力提升了38.3%，使得豆包模型带来的对话更加生动、拟人度更高，AI交互流程更自然连贯，从而带来更好的用户留存。

语言理解能力则提升了33.3%，这让大模型在信息分类、抽取、摘要总结、理解、知识问答等多项能力都有显著增强，使其越来越多地出现在企业的生产力环节中，帮助企业解决真实的业务需求。

图像创作方面，豆包大模型对“文生图”模型做了升级迭代。新模型对长文本有了更精准的图文匹配能力，并且对于多主体、多位置，以及手部结构等难题，新模型都有大幅提升。

同时，新“文生图”模型对于中国本土的人物、物品、艺术风格都有更深一层的理解，可以图文一致的创造出更多中国风格的高美感图片，进而广泛应用到设计、广告、营销、电商等多个领域，帮企业解决实际问题。

语音模型方面，火山引擎对语义识别准确性进行了相关升级，尤其是利用大模型丰富的知识储备和强大的推理能力，结合上下文感知，提升语音识别的准确性。

对此，谭待以滑雪运动为例进行解释。滑雪运动里有非常多专业术语，如立刃、搓雪等，如果没有上下文理解，模型很难识别。豆包语音识别模型通过更精准的上下文感知，就可以让模型更好理解其意义，让整个语音识别的召回率提升15%，错误率比国内公开的其他语音识别大模型相对降低了10%至40%。

同时，火山引擎还将豆包大模型和实时音频技术(RTC)结合在一起，从而能够提供端到端的大模型实时对话能力，企业可以将其接入自己的AI应用中，让用户真正和模型直接、自由对话，让用户获得与真人交流的体验。

谭待介绍，通过推理，以及RTC的端到端优化，火山引擎已经可以把这类对话的延迟做到1秒以内，即使在网络环境很差，可能80%丢包的情况下，仍保持清晰流畅的通话质量。

谭待表示，火山引擎通过降价，将企业的试错创新成本降到足够低，使大模型真正成为了创新源泉。火山引擎不仅提供了更低的价格，也提供了更好的性能和吞吐。豆包通用模型pro支持初始800K的TPM，比行业平均水平高出4—5倍。