12月30日,字節(jié)豆包大模型對外披露2024全領(lǐng)域技術(shù)進(jìn)展。距5月15日首次亮相僅7個月,豆包大模型在通用語言、視頻生成、語音對話、視覺理解等方面模型能力均已跨入國際第一梯隊。豆包大模型團(tuán)隊表示,“從孩童般學(xué)語,到懵懂看世界,到為創(chuàng)作者繪出想象中的奇幻夢境,一切依然處于最早期。”
?
截至2024年12月,最新版豆包通用模型Doubao-pro-1215,綜合能力較5月提升32%,已全面對齊GPT-4o,在數(shù)學(xué)、專業(yè)知識等部分復(fù)雜場景任務(wù)中,效果表現(xiàn)甚至更好。通過海量數(shù)據(jù)優(yōu)化、提升模型稀疏度、引入強化學(xué)習(xí)、系統(tǒng)性工程優(yōu)化等方式,團(tuán)隊大幅提升了Doubao-Pro理解精度和生成質(zhì)量,并實現(xiàn)了性能與效率的平衡,推理服務(wù)價格僅為GPT-4o的八分之一。
?

??Doubao-pro在主流評測集上能力全面對齊GPT-4o
?
圖像與視頻能力方面,團(tuán)隊于9月推出兩款豆包視頻生成模型PixelDance與Seaweed,主打復(fù)雜提示詞精準(zhǔn)理解、鏡頭一致、多交互主體和鏡頭靈活控制。豆包文生圖模型不斷迭代,還推出了通用圖像編輯能力,讓“一句話P圖”和“一鍵海報生成”成為現(xiàn)實。此外,12月發(fā)布的豆包視覺理解模型Doubao-vision,可融合視覺與語言多感官深度思考和創(chuàng)作,目前模型能力在十多個主流數(shù)據(jù)集上比肩Gemini 2.0與GPT-4o。
?

?Doubao-vision在主流評測集上能力比肩Gemini 2.0、GPT-4o
?
語音大模型賦予機器“聽”與“說”的能力,豆包大模型團(tuán)隊今年推出了全新的語音識別模型Seed-ASR和語音生成基座模型Seed-TTS,通過引入多樣、廣泛的數(shù)據(jù),融合推理鏈,賦予模型極強的泛化性。據(jù)悉,豆包語音模型可聽懂20種以上方言夾雜的對話,也能邊聽邊思考,并在會話中表達(dá)情感,保留吞音、口音等人類習(xí)慣,甚至在交互中可隨時被打斷。
?
較語音更進(jìn)一步,豆包大模型已擁有高品質(zhì)的“唱作”能力,從詞曲編輯、演奏生成到人聲演唱,“一個AI也可以是一個樂隊”已經(jīng)成為現(xiàn)實。其背后依托的音樂生成模型框架Seed-Music,結(jié)合了語言模型與擴散模型的優(yōu)勢,實現(xiàn)了音樂生成的通用框架,擁有極高的編輯可控性。
?
團(tuán)隊還首次對外披露了豆包大模型300萬字窗口的長文本能力,可一次輕松閱讀上百篇學(xué)術(shù)報告,每百萬tokens處理延遲僅需15秒。這一上下文窗口長度和時延水平達(dá)到目前業(yè)界極限。背靠STRING等上下文關(guān)聯(lián)數(shù)據(jù)算法和模型加速優(yōu)化,團(tuán)隊大幅提升了LLM利用海量外部知識的能力,并通過稀疏化及分布式方案將時延降到十秒級。
?
代碼能力方面,豆包代碼大模型Doubao-coder編程能力達(dá)到專業(yè)級,深度支持超16種編程語言、11類真實應(yīng)用場景,可滿足前后端開發(fā)、機器學(xué)習(xí)等全棧編程開發(fā)需求。
?
成立極短時間內(nèi),豆包大模型團(tuán)隊還對AI基礎(chǔ)研究深入布局。過去幾個月,團(tuán)隊57篇論文中選ICLR、CVPR、NeurIPS等頂會,研究成果包括下載量超百萬的開源項目及GitHub萬星爆款。
?

?豆包大模型團(tuán)隊披露2024研究關(guān)鍵詞
?
同時,豆包大模型團(tuán)隊與近20所高校深入合作,支持超過40位頂尖學(xué)者參與關(guān)鍵AI技術(shù)攻堅,并與清華AIR、北大分別成立聯(lián)合實驗室。為儲備最具潛力的研究人才,豆包大模型團(tuán)隊啟動了“Top Seed人才計劃”,在全球范圍招募頂尖博士畢業(yè)生加入,共同挑戰(zhàn)世界級AI課題。
?
根據(jù)披露,豆包大模型相關(guān)技術(shù)能力目前支撐了包括豆包、即夢、豆包MarsCode等50多個C端應(yīng)用場景,其中,豆包APP已成為國內(nèi)最受歡迎的AI產(chǎn)品。通過火山引擎,豆包大模型服務(wù)了30多個行業(yè),日均tokens調(diào)用量超4萬億,較5月發(fā)布時增長33倍。
?
?
?
?雷峰網(wǎng)(公眾號:雷峰網(wǎng))
雷峰網(wǎng)版權(quán)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。