一、豆包大模型调用量与场景渗透

1.1 豆包大模型API调用量迅速提升

截至2024年12月中旬，豆包通用模型日均tokens使用量超4万亿，较5月首次发布时日均1200亿增长33倍。调用量快速增长反映大模型应用正从实验阶段向全行业规模化渗透加速。

1.2 豆包大模型在不同场景迅速渗透

最近3个月信息处理场景调用量增长39倍，客服与销售场景增长16倍，硬件终端场景增长13倍，AI工具场景增长9倍，学习教育场景亦有大幅增长。豆包已与八成主流汽车品牌合作，覆盖终端设备约3亿台。

二、豆包视觉理解模型发布与性能升级

2.1 视觉理解模型能力增强，场景拓宽

豆包视觉理解模型支持用户同时输入文本和图像问题，具备精准识别物体与场景、推理与复杂计算、视觉描述与创作三大能力，可解答微积分、分析论文图表、解决物理题及处理真实代码，在金融、医疗、教育、旅游等行业应用前景广阔。

2.2 视觉理解模型价格远低于同行

豆包视觉理解模型输入价格为0.003元/千tokens，1块钱可处理284张720P图片，比行业价格便宜85%。该模型已接入豆包App和PC端产品中，极高性价比有望推动视觉理解能力的大规模普及。

2.3 豆包通用模型Pro能力全面对齐GPT-4o

豆包通用模型Pro完成新版本迭代，综合任务处理能力较5月提升32%，推理提升13%、指令遵循提升9%、代码提升58%、数学提升43%、专业知识提升54%。已全面对齐GPT-4o能力，推理输入价格为0.0008元/千tokens。

2.4 豆包大模型家族全景

豆包大模型家族已包括通用大语言Pro/ Lite、语音合成与识别、图片及视频生成等多模态模型。字节跳动是目前拥有最全生成式AI模型、最多AI应用的技术公司之一，大模型矩阵覆盖对话、语音、图像、视频、音乐、3D等全模态。

三、多模态模型矩阵与AIGC应用

3.1 音乐模型4.0支持全曲创作

豆包音乐模型4.0从“高光片段”走向“完整歌曲”，支持包括前奏、主歌、副歌、间奏、过渡段3分钟全曲创作，支持歌词局部修改仍能适配原有旋律，全曲风格、情感和音乐逻辑保持一致。

3.2 豆包-3D生成模型快速生成3D场景

豆包-3D生成模型采用3D-DiT架构，可快速批量生成3D模块并上传至云空间。与火山引擎数字孪生平台veOmiverse结合，可高效完成智能训练、数据合成和数字资产制作，成为支持AIGC创作的物理世界仿真模拟器。

3.3 即梦AI全新海报生成功能

即梦AI基于豆包·视频生成模型，支持一句话生成设计师水平海报，兼顾文字、画面、排版全面融合，并可一键转为动态海报。即梦希望成为“想象力世界的相机”，帮助用户轻松表达、自由创作。

四、火山引擎AI开发平台与API收入测算

4.1 扣子1.5支持GUI搭建界面，多应用形态发布

扣子1.5支持GUI界面搭建，可一键发布为小程序、H5、API等形式，具备多模态能力、音视频对话功能（低至1秒延迟）和低成本SDK硬件接入。已有超100万活跃开发者、发布超200万个智能体。

4.2 火山引擎数据飞轮2.0模式图

数据飞轮2.0通过Data Fabric驱动ChatBI智能体，构建智能数据服务体系，打破数据“专业”壁垒。多模态数据湖支持海量结构化、半结构化及非结构化数据统一管理，为LLM预训练、持续训练和微调全程提供数据支持。

4.3 豆包API调用算力需求及收入测算表

假设豆包通用模型参数量1100亿（MoE架构），在日均100万亿Tokens调用量时，推理所需理论算力763.89 EFLOPS，需H800约85.78万张，API调用年均算力投入约214亿元。假设API调用付费率40%、平均单价1.5元/百万Tokens，年收入可达219亿元。