豆包的"眼睛"升级了开云(中国)Kaiyun官方网站，当今让它看一眼APP 截图，就能胜仗给你生成代码！

话未几说，咱们胜仗给它上一个难度。

举例咱们先随即截取一张网站的图片：

再来到火山方舟的大模子广场，pick 一下最新的 Doubao-vision-pro-32k 版块：

（PS：该模子也不错在豆包 APP 中体验）

然后把刚才的截图"喂"给豆包，并附上一句浮浅的 Prompt：

帮我写代码，克隆这个 APP。

只见豆包先是秒看出这是一个音乐 APP 的界面，紧接着就唰唰唰地敲起了代码。

从代码的功能上来，包括了菜单栏、播放列表框架、播放列表列表框和情景栏。

模拟的播放列表中包含了几首歌曲的信息，包括标题、艺术家、时长和点赞数等。

况兼这些王人是在不到 30 秒内完成的。

要是念念达成更复杂的功能，咱们亦然不错连续用说的：

那连续帮我达成更复杂的音乐播放运用。

这一次，也只是耗时1 分钟，在原先代码的基础上，新增了边界面板、播放按钮、更新程度条等内容。

嗯，当今缔造一个 APP，简直酿成截张图的事儿了。

这等于豆包最新发布的新模子——豆包 · 视觉相识模子。

笼统来看，它的亮点不错归结为如下三点：

内容识别更强：复旧 OCR、图像学问、四肢情愫、位置情景等，尤其对中国传统文化相识更深。

相识与推理增强：优化数学、逻辑、代码的推理与问答智商。

视觉态状细巧：提供详备图像态状，可创作多种文学内容，如居品先容、故事、视频剧本等。

更伏击的少量，发布即大降价——0.003 元 / 千 tokens。

相当于1 块钱不错处理284 张图片！

不外有一说一，毕竟践诺大模子"视力"这事，不成只看单一的居品。

因此，接下来，咱们就组个擂台，望望哪个大模子的"视力"更好使。

大模子"视力"大比拼

咱们请出的打擂台选手，恰是目下大模子的顶流之一—— OpenAI 的GPT-4o。

比试法例也很浮浅，就是通过不同维度的试题，来望望作答的扫尾。

Round 1：复杂、疏远物体识别

第一轮比试中，咱们先小试牛刀一下一个不常见的生果，请看图：

然后咱们分辩问一下两位选手：

图中的是什么东西？

△上图为豆包作答；下图为 GPT-4o 作答（下同）。

从回报内容上来看，二者固然王人回报对了，但脾气各有不同。

豆包 · 视觉相识模子回报愈加与金铃子紧密相关；而 GPT-4o 则是更倾向于金铃子与苦瓜的不同。

要是比试条件是与图中物体高度相关，那么随机豆包 · 视觉相识模子的回报更优质一些。

再来一张冷门的图像，请看题：

这是什么？

再来看一下两位选手的作答：

它们王人看出来这是一个冷门乐器，不外这一次，豆包 · 视觉相识模子显豁回报的要更精确一些——乐器叫作念 Mizmar。

不仅如斯，它还把其材质、文化脾气等信息王人敷陈了出来；而 GPT-4o 这边的回报，只可说是态状了能够。

这一轮，豆包 · 视觉相识模子，Win！

Round 2：世界来找茬

要比视力，那"世界来找茬"这个游戏就竣工不成错过啦 ~

请看题目：

找出 10 个不同点。

咱们来看一下两位选手的回报：

这一轮的比拼中，问题就比较显豁了，两位选手王人莫得齐备给出正确谜底（部分正确）。

看来 AI 玩世界来找茬如故具备一定的挑战性。

Round 3：反向猜 Prompt

当今 AI 图片生成的智商可谓是半谈披缁，但当咱们看到一幅满意的作品，却苦于无法复刻 Prompt 时，又该怎样办？

这谈题，是时候不错交给"会看"的大模子来处理了。

举例咱们随即来一张比较抽象的艺术作品：

然后分辩让豆包 · 视觉相识模子和 GPT-4o 来猜一下它的 Prompt：

看这张图，帮我写一段能够重腾达成雷同作品的 Prompt。

为了公道起见，咱们不接受豆包和 ChatGPT 自带的生图功能，而是将两段 Prompt 交给第三方Midjourney来处理，扫尾如下：

△上图：基于豆包的 Prompt；下图：基于 GPT-4o 的 Prompt

从规复度上来看，随机豆包 · 视觉相识模子给出的 Prompt，是愈加逼近原作的那一个。

Round 4：数学竞赛大比拼

数学题目是测试大模子逻辑推贤达商很好的步调。

因此，咱们胜仗上一起AIME 数学竞赛题，望望够不够"开门"。

（AIME：好意思国数学邀请赛，是介于 AMC10、AMC12 及好意思国数学奥林匹克竞赛之间的一个数学竞赛。）

这谈题目翻译过来是这么的：

每天清晨，Aya 会进行一段长度为 9 公里的散布，然后在一家咖啡店停留。当她以每小时 s 公里的恒定速率行走运，通盘这个词散布加上在咖啡店停留的时代一共需要 4 小时，其中包含在咖啡店停留的 t 分钟。当她以 s+2 公里每小时的速率行走运，通盘这个词进程（包括在咖啡店停留的时代）需要 2 小时 24 分钟。

假定 Aya 以 s+1/2 公里每小时的速率行走，求她在这种情况下（包括在咖啡店停留的时代）的总时代（以分钟为单元）。

这个任务的难度在于，AI 需要先准确识别晦涩的数学问题和公式，此后再进行精确的推理。

接下来，咱们分辩来看下豆包 · 视觉相识模子和 GPT-4o 的推崇（凹凸滑动搜检）：

这谈题目官方给出的正解是204 分钟。

而 GPT-4o 的扫尾却并非如斯，因此，本轮豆包 · 视觉相识模子大获全胜。

Round 5：夙昔实用任务

其实在夙昔责任、学习生涯中，如故存在好多需要 AI 看图来扶助完成的任务。

举例提真金不怕火复杂表格的数据，随机就会让好多东谈主烦扰，尤其是准确性方面。

因此，咱们临了一轮就以苹果第四季度财务陈述中的一个表格来作念测试（凹凸滑动搜检）：

帮我抽取并整理图中的数据，用中语来表述。

先来看下豆包 · 视觉相识模子的回报（凹凸滑动搜检）：

不出丑出，豆包 · 视觉相识模子额外明晰地将财报数据以表格的状貌展现了出来，不错说是一目了然。

然而，同样的需求给到 GPT-4o 这边，固然数据是提真金不怕火了出来，但在呈现花样上却有所欠缺，依然是经典的胪列式（凹凸滑动搜检）：

在几轮"擂台比拼"事后不出丑出，豆包 · 视觉相识模子在智商上如故具备了一定的上风。

但"眼睛"的升级，还只是豆包大模子这次发布内容的一隅。

说、唱智商王人升级了

没错，除了"看"除外，"说"和"唱"的智商也升级了。

而这也正对应了豆包大模子的三大类：

大讲话模子

语音大模子

视觉大模子

最初在大讲话模子方面，豆包的通用模子 pro与小半年前比较：

笼统智商普及了 32%

数学智商普及 43%

专科学问普及 54%

代码智商普及 58%

其次是语音大模子方面，豆包 · 音乐模子当今不错胜仗生成3 分钟齐备音乐！

举例咱们在其 APP海绵音乐里输入一个浮浅的 Prompt：

三分钟音乐，沧桑，男声，民谣，岁月蹉跎。

来听一下扫尾：

生成三分钟音乐的难度，并非只是浮浅的堆叠时长，而是更多波及到的是前奏、主歌、副歌、间奏、尾奏等齐备结构。

不仅如斯，这也和视频生成雷同，对前后的一致性建议了更高的条件。

而从这个音乐片断中不从邡出，如实是作念到了上述的条件，况兼如故复旧改词的那种哦 ~

除了不错用 Prompt 来生成音乐除外，当今豆包 · 音乐模子还复旧用图片来作曲了。

举例咱们"喂"给海绵音乐底下这张图：

这次的扫尾是这么的：

从音乐中不错听出，AI 是识别到了图里《黛玉葬花》的嗅觉，歌词和配乐充满了哀伤之情。

据悉，豆包 · 音乐模子目下复旧多达到 17 种曲风、11 种热沈，以及 6 种特征的音乐。

临了，在视觉模子方面，除了咱们刚才展示的豆包 · 视觉相识模子除外，豆包 · 文生图模子也迎来了升级——

当今，一句话不错处分 P 图这件事了：

戴上眼镜。

不仅如斯，作念海报，亦然几句话的事，况兼如故能生成汉字的那种：

生成一张海报，主体是汉字"量子位"，充满科技感和畴昔感。

由此可见，这一次，豆包大模子在"说"、"唱"、"看"三大维度上如实是普及了不小的实力。

不看告白只看疗效

不外有一说一，实力是一方面，站在大模子运用为王确当下，随机好用才是实在的硬道理。

在把 AI 用起来这件事上，其实豆包亦然拿出了一份收获单。

最初从数据上来看，边界 12 月 18 日，豆包大模子日均 tokens 使用量如故毁坏4 万亿大关。

其次再看本色落地，据悉豆包大模子如故上岗科教、金融、医疗、企业办事和汽车等浩荡行业，如故与多个头部企业达成结合。

商场和用户对豆包的买账程度，可见一斑。

而在此进程中，"易落地"亦然一个要道点。

这就不得不提这次也同样迎来升级的两大法宝：左手" HiAgent "，右手"扣子"。

举例 HiAgent 提供超 100 个行业运用模板和 GraphRAG 时代，普及学问处理准确性，复旧多模态交互与复杂场景需求，企业无需从零缔造即可快速上线。

再如扣子领有百万缔造者和丰富生态，复旧 200 万智能体，粉饰智能客服、内容营销等场景，极大裁汰缔造与部署时代。

除此除外，它兼容小要领、网页等多种状貌，复旧及时语音交互与硬件集成，企业可粗陋达成 AI 智商无缝镶嵌。

一言蔽之，低门槛模板、浩大的生态复旧和多平台兼容，是使得 HiAgent 和扣子能够快速适配企业场景，达成高效落地的要道。

那么关于豆包这次浩荡的升级，你对哪个更感兴趣兴趣呢？宽饶体验事后转头相通哦 ~

—  完  —

点这里� � 柔软我，难忘标星哦～

一键三连「共享」、「点赞」和「在看」

科技前沿进展日日再见 ~