发布日期：2024-12-25 05:48点击次数：57
“后果当先，豆包大模子1.5超越GPT-4o、Claude3.5。”
作家丨王悦
裁剪丨陈彩娴
2025 年 1 月，豆包大模子 1.5 全面上线火山方舟，其中豆包通用模子 pro 在多个泰斗测评集详尽得分优于GPT4o、Claude 3.5 Sonnet 等业界一流模子，模子后果达到各人当先水平。
通用模子 pro 竣事了性能与推理老本极致均衡，领受高效的 MoE 模子结构，性能杠杆擢升至 7 倍，更有自研的高性能推理系统，不错达到 10 毫秒级低蔓延。而且，豆包大模子 1.5 建了高度自主的数据坐褥体系，未使用任何其他模子生成的数据。
除此除外，豆包通用模子 pro、豆包·视觉见识模子均有大幅增强，并发布豆包·及时语音模子。但豆包大模子 1.5 全产物，加量不涨价，仍不息保捏原有模子价钱不变。
本文实测了豆包大模子 1.5 产物家眷后，看到了字节不走捷径的底气。
01
详尽智力优于业界一流模子
Doubao-1.5-pro 模子详尽智力权臣增强，在常识（MMLU_PRO、GPQA）、代码（McEval、FullStackBench）、推理（DROP）、华文（CMMLU、C-Eval）泰斗测评基准上赢得最好收获，详尽得分优于GPT-4o、Claude 3.5 Sonnet 等业界一流模子。
话未几说，先通过和其他行业内当先大模子的对比来直不雅感受一下。针对推明智力，成立一个苟简在低级和中级水平的代码问题：
问题：
使用 Flask 框架创建一个浅易的 Web API，包含以下两个端点：
/: 复返一个接待讯息，举例{\"message\": \"Welcome to the API!\"}。
/add: 接受两个整数参数a和b（通过查询参数传递），复返它们的和，举例{\"sum\": 5}。
要求：
提供可开动的完整代码。
讲明如安在腹地开动此代码并进行测试。
这一测试题所传达的需求明确明晰且聚焦于中枢功能，但并未讲明怎么科罚诞妄逻辑或参数类型。先来看GPT-4o 将怎么应酬：
高下滑动稽查长图
不错看到 GPT-4o 的谜底相对中规中矩，并针对问题本人包含的粗疏，给出了一个诞妄科罚示例。再来望望 Doubao-1.5-pro 给出的谜底：
高下滑动稽查长图
可想而知，豆包对于代码问题的输出形势成立，会更靠拢原生的编码界面。相较于 GPT-4o ，能够进行必要且详备的代码讲明，而且在这一部分对参数类型问题就给出了预设息争答，即要是参数并不有用，气象代码就为400，然后才给出了开动代码并进行测试的步调。总体而言，Doubao-1.5-pro 相较于 GPT-4o 输出的代码会愈加精细少量。
针对“常识智力”一项，将 Doubao-1.5-pro 和同为主打华文语境的一个国产模子进行对比，提议的问题是：唐代有哪些古诗中包含“过年”这件事？国内某大模子产物给出的谜底是：
高下滑动稽查长图
给出的谜底数目有十个之多，但每个谜底的颗粒度不够，仅包括作家和50字摆布的大致先容，于用户而言可能无法对提议的问题有长远的了解。
Doubao-1.5-pro 则相对齐备地侧目掉了这一问题。先在逻辑上进行了明晰的分离，给出了体现过年氛围与习俗与表达过年时款式念念绪的两个大标的，而且针对所给出的每一个谜底的颗粒度也相对细些，包括了原文息争析，内容昭彰更丰富。
针对复杂问题的推明智力，Doubao-1.5-pro 在施行的华文语境中展现出了昭彰的上风，所提议的问题是：2025年上半年，我有3万元想进行答理，是遴荐中国配置银行如故遴荐中国工商银行?收益各是若干? Gemini 1.5 Flash 给出的回答如下：
也许是由于数据库的问题，Gemini 推理出的收尾会相对虚浮，并莫得给出内容性的建议，也莫得给出题目中要求的大致收益。而 Doubao-1.5-pro 的回答则具有针对性，并能够层次明晰、比物丑类的给出针对活期类、如期类、特质答理产物的的不同收益，能够蓬勃问题提议者对这一问题的基本需求。
华文智力方面，成立的问题是：请以爱情和轻舟已过万重山为主题，写一首七言律诗。Doubao-1.5-pro 的遣意造句昭彰优于 GPT-4o 等其他的模子，并能够更进一步给出首联、颔联、颈联、尾联理解。
而 GPT-4o 的华文智力则稍逊一节，回答得相对浅易，词采也较为朴素。
除了 Doubao-1.5-pro ，本次也发布了愈加轻量化的 Doubao-1.5-lite 。Doubao-1.5-lite 具备极致的响应速率，适用于对时延有更高要求的场景，模子配合精调使用不错赢得更优质的后果，而且在轻量版话语模子中处于当先水平，在详尽（MMLU_pro）、推理（BBH）、数学（MATH）、专科常识（GPQA）泰斗测评诡计捏平或超越GPT-4omini，Cluade 3.5 Haiku。
先来感受一下极致的推理和响应速率，发问一个中等难度的推理问题：有三个东谈主分别穿戴红、蓝、绿三种表情的衣服，他们分别来自 A、B、C 三个城市。已知：穿红衣服的东谈主不是来自 A 城市；穿蓝衣服的东谈主来自 C 城市；来自 A 城市的东谈主莫得穿绿衣服。请教，这三个东谈主分别来自哪个城市，穿戴什么表情的衣服？
在不概略已知要求、推理流程的情况下， Doubao-1.5-lite 输出谜底仅用了 1.55 秒，这个推理时期确乎极致。
再提议一个更复杂的专科问题：请简述股票估值的三种主要步调(市盈率法、现款流折现法、净钞票法)，并分析在不同市集环境下，哪种步调更适用？
这是一谈金融行业的专科常识题目。Doubao-1.5-lite 的回答内容详尽，能够 cover 住垂直规模的专科常识，而且在濒临紊乱的、体量大的问题时，总输出时长只须 6.77 秒，一样在一个低时延的水平领域内。
值得一提的是，Doubao-1.5-lite 模子后果并列客岁 9 月份发布的主力模子 Doubao-pro-32k-0828，这意味着用户不错用 lite 模子的老本，赢得畴昔 pro 模子的后果。
无论是 Doubao-1.5-pro 如故 Doubao-1.5-lite，都是字节在追求模子性能与推感性能的极致均衡，亦然字节一谈累积下来的基本功的体现。
从教师和推理效力的角度开赴，Doubao-1.5-pro 使用稀疏 MoE 架构。在预教师阶段，仅用较小参数激活的 MoE 模子，性能即可高出 Llama3.1-405B 等超大宽广预教师模子。豆包团队通过对稀疏度 Scaling Law 的盘考，最新迪士尼彩乐园详情了性能和效力比较均衡的稀疏比例，并笔据 MoE Scaling Law 详情了小参数目激活的模子即可达到寰宇一流模子的性能，等效 7 倍激活参数的Dense模子性能，远超业内 MoE 架构约 3 倍杠杆的老例效力。
基于 MoE 模子，豆包搭建了高性能推理系统，在 Prefill/Decode 与 Attention/FFN 组成的四个计较象限中，进展出权臣不同的计较与访存特征。针对四个不同象限，领受异构硬件聚会不同的低精度优化策略，在确保低蔓延的同期大幅擢升吞吐量，在缩短总老本的同期兼顾 TTFT 和 TPOT 的最优化目的。
更蹙迫的是，在 PostTraining 阶段，豆包团队构建了一套满盈自主的数据坐褥体系，将标注团队与模子 self play 技能齐集会，擢升数据标注种种性和难度，确保数据开首的独处性和可靠性。在豆包大模子1.5的教师流程中，未使用任何其他模子生成的数据。这意味着，字节在踩结识大模子教师的基本功、加大基础工程干与、放弃短期赢利，这仍是区别于寰宇领域内绝大盛大不愿下“笨功夫”的大模子公司。
02
视觉推理、领导遵守达新高
本次发布中，豆包的视觉见识智力令东谈主惊艳，具备市面上绝大盛大 To C 的 AI Chatbot 并不具备精确的图像见识、识别、问答智力。
Doubao-1.5-vision-pro 在多模态数据合成、动态分辨率、多模态对皆、混杂教师上进行了全面的技能升级，进一步增强了模子在视觉推理、笔墨文档识别、细粒度信息见识、领导遵守方面的智力，也领有了更紧密的视觉描摹智力。Doubao- 1.5-vision-pr o 的视觉智力在多个泰斗测评基准上取得了各人当先进展：
基于原天真态分辨率的架构设想，Doubao-1.5-vision-pro 能够支捏任性分辨率和顶点长宽比图像识别。因此，无论是高清大图如故低分辨率的小图，亦或是顶点长宽比例的图像，模子都能竣事精确的特征索乞降高效的计较性能。
先来看一下针对复杂图表的见识智力。给出如下图表，并向 Doubao-1.5-vision-pro 发问：该图表反应了什么内容？
从上述的回答中不错见得， Doubao-1.5-vision-pro 对图表内数据内容的解读是准确无误的，并能针对某些数值给出基本的对于趋势、权臣性的论断。
针对低明晰度问题，给出如下一张明晰度低、分辨率低的界面，进而训练模子对其中内容识别和见识的准确进程。
从上述的回答中可知，Doubao-1.5-vision-pro 一样能够准确识别隐约内容，并作念出基础的推理判断：用户正在为视频诈欺创不测不雅预设并进行颜色调理。
再上一个难度，针对笔迹爽快的手写图片，Doubao-1.5-vision-pro 能否准确识别？
不得不说，这个图片要是不仔细看的话，东谈主眼都不一定能看清，而豆包则能索求谈其中 95% 的要津词和主题，且识别出了部分要津词用蓝色笔标注来杰出重心内容，并进一步追念该札记聚焦于媒体盘考规模。
除了精确的识别智力，Doubao-1.5-vision-pro 也具备远大的多类型图片内容索求智力。
上传四张消除时期拍摄的相片，模子能在科罚多张图少顷获取要津要点，并追念出是“新年庆祝”的主题。
复杂领导遵守智力亦然 Doubao-1.5-vision-pro 的亮点，通过系统性的原子智力拆解和多维度领导的逻辑组合，在后教师阶段引入了种种化的视觉领导数据，从而激励模子的领导遵守智力，悠闲应酬需要遵守更复杂领导的场景。
不仅视觉大模子的智力得到擢升，本次豆包大模子1.5家眷中还新推出了及时语音模子。 该模子提议了新的 Speech2Speech 的端到端框架，不仅通过原生步调将语音和文本模态进行深度会通，同期还竣事了语音对话中真确兴致兴致上的语音见识生成端到端，比拟传统的 ASR+LLM+TTS 的级联方式，不仅领有高见识力（高身手），还具备语音高进展力与高铁心力，以及模子全体在恢复内容和语音上的高心情邻接智力。
在语音多模态上，咱们提议了新的 Speech2Speech 的端到端框架，不仅通过原生步调将语音和文本模态进行深度会通，同期还竣事了语音对话中真确兴致兴致上的语音见识生成端到端，比拟传统的 ASR+LLM+TTS 的级联方式，在对话后果上有质的飞跃。
今天，据名记Shams报道，消息人士透露，六届全明星巴特勒希望在交易截止日前离开迈阿密。此前的报道指出，热火愿意听取巴特勒的报价，巴特勒则希望下家是一支能够立即赢球的球队。巴特勒尚未正式向热火提交交易请求，但据信他已经做好了离开的准备。
不错说是一个心情价值价值拉满、进展智力天真，也不怕被打断的豆包了。
03
豆包 1.5 发布后，AI 更普惠
2024 年 5 月，豆包主力模子就将推理输入价钱降至“厘期间”，12 月火山引擎又让视觉见识模子价钱进入“厘期间”。当下豆包大模子 1.5 不息保捏原有模子价钱不变，加量不涨价，也会给火山引擎进一步作念大 B 端市集带来更多可能性。
在这场旷日捏久的大模子落地竞赛中，字节给行业留住的印象是“悠闲”。撑捏豆包大模子全产物价钱普惠的原因，是推理老本捏续优化、毛利率的渐渐加多。据了解，豆包大模子客岁大幅降价后，毛利率依然为正。其中，字节当先最新推出的豆包大模子 1.5，在推理老本优化上取得进一步疏漏，在火山引擎上售卖 API 的 Doubao-1.5-pro，毛利率仍能达到较为可不雅的 50%。
不可只看到火山引擎中 API 价钱下调的悠闲，更需要看到的是，豆包大模子团队所打造的详尽高效模子架构、高性能推理体系、自建数据标注工程等深厚的技能上风，以及对于大模子这条路不走捷径的长期主义政策。
更高性价比的管事也让火山引擎在生意化落地的流程中跑在前哨。2024 年，火山引擎在汽车行业与梅赛德斯-飞驰、广汽集团、领克汽车等多家企业达成互助；在金融行业与招商银行、华泰证券、国信证券等企业进行智能体翻新探索；在教导行业和浙江大学、南京大学打造了 AI 教导示范互助案例。
豆包大模子 1.5 的升级和火山引擎在 B 端市集的进一步拓展，二者生生相息、共同鼓舞 AI 惠普。
CMU 具身智能风浪榜：从传统到全面
伯克利具身智能图谱：深度强化学习浪尖上的中国 90 后们
3D 视觉派：斯坦福具身智能东谈主物关联图
