在今日火山引擎AI创新巡展杭州站现场，火山引擎总裁谭待发布了最新的豆包1.5·深度思考模型，升级豆包·文生图模型3.0、豆包·视觉理解模型。

同时，面向Agent服务，发布OS Agent解决方案、GUI Agent大模型——豆包1.5·UI-TARS模型；面向大规模推理，发布AI云原生·ServingKit推理套件。

据透露，截至2025年3月底，豆包大模型日均tokens调用量已超过12.7万亿，是2024年12月的3倍，是一年前刚刚发布时的106倍。IDC报告显示，2024年中国公有云大模型调用量激增，火山引擎以46.4%的市场份额位居中国市场第一。

豆包1.5·深度思考模型在数学、编程、科学推理等专业领域及创意写作等通用任务中表现突出。同时，模型采用MoE架构，总参数200B，激活参数为20B，低于业界同类模型参数规模的50%，具备显著的推理成本优势。基于高效算法，豆包1.5·深度思考模型在提供行业极高并发承载能力的同时，实现20毫秒极低延迟。

此外，豆包1.5·深度思考模型还具备视觉理解能力，可以像人类一样，不光基于文字思考，更能基于所见画面思考，思考更立体，让模型同时拥有“大脑”和“眼睛”。

升级的豆包·文生图模型3.0则能够实现更好的文字排版表现、实拍级的图像生成效果，以及2K 的高清图片生成方式。可以广泛应用于影视、海报、绘画、玩偶设计等营销、电商、设计场景。

新版本的豆包·视觉理解模型具备更强的视觉定位能力，支持多目标、小目标、通用目标的框定位和点定位，并支持定位计数、描述定位内容、3D 定位。可应用于线下门店的巡检场景、GUI agent、机器人训练、自动驾驶训练等。新版本在视频理解能力上也有大幅提升，比如记忆、总结理解、速度感知、长视频理解等。

更多详情可查看官方公告。