豆包·視覺理解模型是什么？

豆包·視覺理解模型是豆包推出的多模態大模型，具備強大的圖片理解與推理能力，以及精準的指令理解能力。模型在圖像文本信息抽取、基于圖像的推理任務上有展現出了強大的性能，能夠應用于更復雜、更廣泛的視覺問答任務。

豆包·視覺理解模型的主要功能

• 更強的內容識別能力：不僅可以識別出圖像中的物體類別、形狀等基本要素，還能理解物體之間的關系、空間布局以及場景的整體含義。
• 更強的理解和推理能力：不僅能更好地識別內容，還能根據所識別的文字和圖像信息進行復雜的邏輯計算。
• 更細膩的視覺描述能力：可以基于圖像信息，更細膩地描述圖像呈現的內容，還能進行多種文體的創作。

豆包·視覺理解模型的應用場景

豆包·視覺理解模型在教育、旅游、電商等場景有著非常廣泛的應用。

例如在教育場景中，為學生優化作文、科普知識；在旅游場景中，幫助游客看外文菜單、講解照片中建筑的背景知識；在電商營銷場景中，幫助商家充分描述商品細節，高效發布種草廣告等等。

視覺理解能力將極大拓展大模型的場景邊界，為大模型的場景使用打開天花板，在金融、醫療、建筑、地理、體育、物流等諸多行業還有非常廣闊的應用前景。

豆包·視覺理解模型的產品價格

豆包·視覺理解的輸入價格為每千tokens 0.003元，比行業平均價格降低85%，相當于一塊錢可以處理284張720P的圖片，視覺理解模型正式走進厘時代。同時火山引擎還將提供更高的初始流量，RPM達到了15,000次，TPM達到120萬，讓企業和開發者用好視覺理解模型，找到更多創新場景。

如何使用豆包·視覺理解模型？

1、個人用戶：在豆包App和豆包PC中體驗。

2、開發者：前往火山引擎平臺體驗和接入使用。