近日，2024火山引擎AI創新巡展上海站活動正式舉辦。會上，火山引擎發布了豆包大模型一系列產品升級。火山引擎總裁譚待表示，自豆包大模型正式發布以來，模型調用量快速增長，更豐富的業務場景也促進了模型關鍵能力的持續迭代升級。
以語言大模型為例，在過去的兩個月里，豆包通用模型pro、通用模型lite都完成了多項重要更新。測試數據表明，最新版豆包通用模型pro，對比三個月前的版本綜合能力提升了20.3%。
其中，角色扮演能力提升了38.3%，使得豆包模型帶來的對話更加生動、擬人度更高，AI交互流程更自然連貫，從而帶來更好的用戶留存。
語言理解能力則提升了33.3%，這讓大模型在信息分類、抽取、摘要總結、理解、知識問答等多項能力都有顯著增強，使其越來越多地出現在企業的生產力環節中，幫助企業解決真實的業務需求。
圖像創作方面，豆包大模型對“文生圖”模型做了升級迭代。新模型對長文本有了更精準的圖文匹配能力，并且對于多主體、多位置，以及手部結構等難題，新模型都有大幅提升。
同時，新“文生圖”模型對于中國本土的人物、物品、藝術風格都有更深一層的理解，可以圖文一致的創造出更多中國風格的高美感圖片，進而廣泛應用到設計、廣告、營銷、電商等多個領域，幫企業解決實際問題。
語音模型方面，火山引擎對語義識別準確性進行了相關升級，尤其是利用大模型豐富的知識儲備和強大的推理能力，結合上下文感知，提升語音識別的準確性。
對此，譚待以滑雪運動為例進行解釋。滑雪運動里有非常多專業術語，如立刃、搓雪等，如果沒有上下文理解，模型很難識別。豆包語音識別模型通過更精準的上下文感知，就可以讓模型更好理解其意義，讓整個語音識別的召回率提升15%，錯誤率比國內公開的其他語音識別大模型相對降低了10%至40%。
同時，火山引擎還將豆包大模型和實時音頻技術(RTC)結合在一起，從而能夠提供端到端的大模型實時對話能力，企業可以將其接入自己的AI應用中，讓用戶真正和模型直接、自由對話，讓用戶獲得與真人交流的體驗。
譚待介紹，通過推理，以及RTC的端到端優化，火山引擎已經可以把這類對話的延遲做到1秒以內，即使在網絡環境很差，可能80%丟包的情況下，仍保持清晰流暢的通話質量。
譚待表示，火山引擎通過降價，將企業的試錯創新成本降到足夠低，使大模型真正成為了創新源泉。火山引擎不僅提供了更低的價格，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，比行業平均水平高出4—5倍。
