在国外旅游时面对陌生的外语菜单，除了翻译菜名可以借助AI大模型做什么？换算汇率控制预算，考虑个人口味、喜好，避开过敏原……这是豆包深度思考模型掌握的新技能：基于多模态深度思考能力，能够人性化地帮忙点菜。

火山引擎总裁谭待表示，随着企业不断深化AI应用，对AI技术也提出了新的要求，不仅仅满足于信息感知、处理和生成，而是深入到解决更复杂、更完整的问题，端到端处理任务。

近日火山引擎在FORCE LINK AI创新巡展·杭州站发布了豆包1.5·深度思考模型，并升级了豆包·文生图模型Seedream3.0、豆包·视觉理解模型。新模型支持深度思考和多模态，扩张了应用边界，除了解决出国游问题，还可以看懂复杂的企业项目管理流程图表，综合分析航拍图和地貌特征判断开发可行性，利用Agent(智能体)对iPhone进行比价……

新推出的OS Agent解决方案及AI云原生推理套件则进一步完善火山引擎的AI基础设施，助力企业更快、更省地构建和部署Agent应用，解锁更多智能化场景。

深度思考新模型效果好、低延迟、支持多模态，泛化能力提高

豆包1.5·深度思考模型具有效果好、低延迟和支持多模态三大亮点。

谭待介绍，豆包深度思考模型在专业领域推理任务中表现出色，数学推理AIME 2024 测试得分追平OpenAI o3-mini-high、编程竞赛Codeforces pass@8得分接近OpenAI o1、科学推理GPQA得分接近o3-mini，均达到或接近全球第一梯队。在创意写作等非推理任务中，模型也展示出优秀的泛化能力，能胜任更广泛和复杂的使用场景。

为了提升模型的通用能力，火山引擎通过融合处理可验证数据与创意性数据，来满足各类任务的需求。此外，大规模强化学习是训练推理模型的关键技术，火山引擎通过采用创新的双轨奖励机制，兼顾“对错分明”和“见仁见智”的任务，有效实现了算法的可靠优化。

豆包深度思考模型采用MoE架构(混合专家模型)，总参数为200B，激活参数仅20B，具备显著的训练和推理成本优势。基于高效算法和高性能推理系统，豆包模型API服务在保障高并发的同时，延迟低至20毫秒。

除了实现“边搜边想”，豆包深度思考模型还被赋予了视觉推理能力。

谭待称，借助更好的效果，更低的延迟，加上视觉推理能力，豆包1.5 深度思考模型打开了更加广泛的大模型应用空间，能够解决更加复杂的问题，帮助企业在更多商业场景中发现智能化升级的新机会。

文生图模型Seedream3.0支持2K分辨率直出，在生图结构准确性、小字生成与排版、美感、真实度等方面具有优势。升级后的视觉理解模型视觉定位更精准，对视频的理解更智能。

完善AI云原生基础设施，火山引擎目标“做AI时代最好的云”

科技创新最终的落脚点是场景应用。谭待判断，随着 AI发展，聊天和信息处理只是其中一小部分，要真正为各行各业带来变革，Agent是必经之路。业内普遍认为2025年是“Agent智能体元年”。

火山引擎提出Agent全栈解决方案，通过开放OS Agent的产品和工具，助力开发者和企业构建专属的通用Agent。

在垂直类 Agent领域，火山引擎打造了智能编程助手Trae以及数据产品Data Agent。作为中国首个AI原生集成开发环境工具，Trae率先将AI与IDE深度融合，具有交付化、智能化、协作化三个核心特质，帮助开发者和企业更快、更好、更准确地开发软件。在通用型Agent层面，火山引擎侧重于搭建基础框架、提供好用的工具，推出了OS Agent 解决方案，借助新的AI云原生组件、SandBox沙箱环境和新模型，让开发者和企业能更轻松地打造自己的通用Agent。

谭待表示，Agent智能体应用发展将带动大模型进一步普及。“深度思考模型是构建Agent的基础，模型要有能力做好思考、计划和反思，并且一定要支持多模态，就像人类具备视觉和听觉一样，Agent才能更好地处理复杂任务。”

好的模型和工具能够加速Agent的落地，但Agent也会带来更大量的推理消耗，因此需要更好的云原生架构来支持。面对大规模推理需求，火山引擎推出ServingKit推理套件，让模型部署更快、推理成本更低，GPU 消耗相比传统方案降低80%。

智能时代AI突破传统软件和硬件限制，从生产要素转变为生产力，完成各类任务。谭待在接受采访时强调，火山引擎作为云厂商，目标是做AI时代最好的云。“我们要把最好的模型提供给大家，核心在于两点：一是做好基础设施AI云原生；二是提供最好的模型以及模型上的各种应用。”