字节跳动

视觉模型落地：AI打工，干活全自动

作者

AI 在字节发布的豆包1.5深度思考模型中应用了一项视觉理解模型，能支持对单目标、多目标等进行边界框或点提示定位，并支持3D定位。该模型已广泛应用于各类巡检商业化场景中。通过此技术，用户可以将图交给它识别所有寿司盘的位置，并输出坐标信息。

字节推豆包1.5深度思考模型，PK阿里QWQ-32、Deepseek R1结果如何？

作者

近日，字节跳动发布豆包1.5深度思考模型，该模型在推理能力、速度和多模态方面实现了突破性升级。其参数量为200B，激活参数仅为20B，具有低延迟（<20ms）的优势。通过多项权威基准测试，该模型在数学推理和编程竞赛方面表现出色，并展示了其对图片的视觉推理能力。