火山引擎正式发布豆包大模型 1.6-vision，这是豆包大模型家族首个具备工具调用能力的视觉深度思考模型，拥有更强的通用多模态理解和推理能力，并支持Responses API。

根据介绍，新模型以工具调用的差异化能力，将图像融入其思维链中，实现对图片的定位、剪裁、点选、画线、缩放、旋转等精细处理。 并通过模拟人类从“从全局扫描到局部聚焦”的视觉推理过程，在增强推理可解释性的同时，可高效精准地完成图像操作。

并支持Responses API，可自主选择调用工具，大幅度减少Agent开发过程中的代码量，提升开发效率，让开发者应用开发更加高效。对比上一版视觉理解模型 Doubao-1.5-thinking-vision-pro，豆包大模型 1.6-vision 综合成本降低约 50%。