豆包的"眼睛"升级了，当今让它看一眼APP 截图性爱技巧，就能平直给你生成代码！
话未几说，咱们平直给它上一个难度。
举例咱们先就地截取一张网站的图片：
再来到火山方舟的大模子广场，pick 一下最新的 Doubao-vision-pro-32k 版块：
（PS：该模子也不错在豆包 APP 中体验）
然后把刚才的截图"喂"给豆包，并附上一句简便的 Prompt：
帮我写代码，克隆这个 APP。
只见豆包先是秒看出这是一个音乐 APP 的界面，紧接着就唰唰唰地敲起了代码。
从代码的功能上来，包括了菜单栏、播放列表框架、播放列表列表框和景色栏。
模拟的播放列表中包含了几首歌曲的信息，包括标题、艺术家、时长和点赞数等。
并且这些都是在不到 30 秒内完成的。
要是想齐备更复杂的功能，咱们亦然不错连续用说的：
那连续帮我齐备更复杂的音乐播放应用。
这一次，也只是耗时1 分钟，在原先代码的基础上，新增了畛域面板、播放按钮、更新程度条等内容。
嗯，当今斥地一个 APP，真实酿成截张图的事儿了。
这等于豆包最新发布的新模子——豆包 · 视觉领略模子。
详细来看，它的亮点不错归结为如下三点：
内容识别更强：支撑 OCR、图像常识、行为情愫、位置景色等，尤其对中国传统文化领略更深。
领略与推理增强：优化数学、逻辑、代码的推理与问答智力。
视觉描写风雅：提供详备图像描写，可创作多种文学内容，如居品先容、故事、视频剧本等。
更遑急的极少，发布即大降价——0.003 元 / 千 tokens。
至极于1 块钱不错处理284 张图片！
不外有一说一，毕竟检会大模子"观念"这事，不可只看单一的居品。
因此，接下来，咱们就组个擂台，望望哪个大模子的"目光"更好使。
大模子"观念"大比拼
咱们请出的打擂台选手，恰是刻下大模子的顶流之一—— OpenAI 的GPT-4o。
比试顺次也很简便，就是通过不同维度的试题，来望望作答的末端。
Round 1：复杂、忽视物体识别
第一轮比试中，咱们先小试牛刀一下一个不常见的生果，请看图：
然后咱们辞别问一下两位选手：
图中的是什么东西？
△上图为豆包作答；下图为 GPT-4o 作答（下同）。
从回复内容上来看，二者诚然都回复对了，但特色各有不同。
豆包 · 视觉领略模子回复愈加与金铃子紧密相干；而 GPT-4o 则是更倾向于金铃子与苦瓜的不同。
要是比试条目是与图中物体高度相干，那么无意豆包 · 视觉领略模子的回复更优质一些。
再来一张冷门的图像，请看题：
这是什么？
再来看一下两位选手的作答：
它们都看出来这是一个冷门乐器，不外这一次，豆包 · 视觉领略模子较着回复的要更精确一些——乐器叫作念 Mizmar。
不仅如斯，它还把其材质、文化特色等信息都讲演了出来；而 GPT-4o 这边的回复，只可说是描写了无意。
这一轮，豆包 · 视觉领略模子，Win！
Round 2：民众来找茬
要比观念，那"民众来找茬"这个游戏就王人备不可错过啦 ~
请看题目：
porn国产找出 10 个不同点。
咱们来看一下两位选手的回复：
这一轮的比拼中，问题就比较较着了，两位选手都莫得完好意思给出正确谜底（部分正确）。
看来 AI 玩民众来找茬如故具备一定的挑战性。
Round 3：反向猜 Prompt
当今 AI 图片生成的智力可谓是诳骗自由，但当咱们看到一幅满意的作品，却苦于无法复刻 Prompt 时，又该若何办？
这谈题，是时候不错交给"会看"的大模子来处理了。
举例咱们就地来一张比较抽象的艺术作品：
然后辞别让豆包 · 视觉领略模子和 GPT-4o 来猜一下它的 Prompt：
看这张图，帮我写一段能够从头生成雷同作品的 Prompt。
为了刚正起见，咱们不经受豆包和 ChatGPT 自带的生图功能，而是将两段 Prompt 交给第三方Midjourney来处理，末端如下：
△上图：基于豆包的 Prompt；下图：基于 GPT-4o 的 Prompt
从复原度上来看，无意豆包 · 视觉领略模子给出的 Prompt，是愈加逼近原作的那一个。
Round 4：数学竞赛大比拼
数学题目是测试大模子逻辑推忽闪力很好的法子。
因此，咱们平直上一王人AIME 数学竞赛题，望望够不够"开门"。
（AIME：好意思国数学邀请赛，是介于 AMC10、AMC12 及好意思国数学奥林匹克竞赛之间的一个数学竞赛。）
这谈题目翻译过来是这么的：
每天黎明，Aya 会进行一段长度为 9 公里的散布，然后在一家咖啡店停留。当她以每小时 s 公里的恒定速率行走运，通盘这个词散布加上在咖啡店停留的时间一共需要 4 小时，其中包含在咖啡店停留的 t 分钟。当她以 s+2 公里每小时的速率行走运，通盘这个词流程（包括在咖啡店停留的时间）需要 2 小时 24 分钟。
假定 Aya 以 s+1/2 公里每小时的速率行走，求她在这种情况下（包括在咖啡店停留的时间）的总时间（以分钟为单元）。
这个任务的难度在于，AI 需要先准确识别晦涩的数学问题和公式，尔后再进行精确的推理。
接下来，咱们辞别来看下豆包 · 视觉领略模子和 GPT-4o 的发扬（高下滑动稽查）：
这谈题目官方给出的正解是204 分钟。
而 GPT-4o 的末端却并非如斯，因此，本轮豆包 · 视觉领略模子大获全胜。
Round 5：普通实用任务
其确凿普通使命、学习生计中，如故存在许多需要 AI 看图来援手完成的任务。
举例索取复杂表格的数据，无意就会让许多东谈主烦扰，尤其是准确性方面。
因此，咱们临了一轮就以苹果第四季度财务答复中的一个表格来作念测试（高下滑动稽查）：
帮我抽取并整理图中的数据，用汉文来表述。
先来看下豆包 · 视觉领略模子的回复（高下滑动稽查）：
不出丑出，豆包 · 视觉领略模子相称了了地将财报数据以表格的形势展现了出来，不错说是一目了然。
然而，相通的需求给到 GPT-4o 这边，诚然数据是索取了出来，但在呈现形态上却有所欠缺，依然是经典的摆设式（高下滑动稽查）：
在几轮"擂台比拼"事后不出丑出，豆包 · 视觉领略模子在智力上如故具备了一定的上风。
但"眼睛"的升级，还只是豆包大模子这次发布内容的一隅。
说、唱智力都升级了
没错，除了"看"以外，"说"和"唱"的智力也升级了。
而这也正对应了豆包大模子的三大类：
大讲话模子
语音大模子
视觉大模子
最初在大讲话模子方面，豆包的通用模子 pro与小半年前比较：
详细智力提高了 32%
数学智力提高 43%
专科常识提高 54%
代码智力提高 58%
其次是语音大模子方面，豆包 · 音乐模子当今不错平直生成3 分钟完好意思音乐！
举例咱们在其 APP海绵音乐里输入一个简便的 Prompt：
三分钟音乐，沧桑，男声，民谣，岁月蹉跎。
来听一下末端：
生成三分钟音乐的难度，并非只是简便的堆叠时长，而是更多波及到的是前奏、主歌、副歌、间奏、尾奏等完好意思结构。
不仅如斯，这也和视频生成雷同，对前后的一致性建议了更高的条目。
而从这个音乐片断中不从邡出，照实是作念到了上述的条目，并且如故支撑改词的那种哦 ~
除了不错用 Prompt 来生成音乐以外，当今豆包 · 音乐模子还支撑用图片来作曲了。
举例咱们"喂"给海绵音乐底下这张图：
这次的末端是这么的：
从音乐中不错听出，AI 是识别到了图里《黛玉葬花》的嗅觉，歌词和配乐充满了哀伤之情。
据悉，豆包 · 音乐模子刻下支撑多达到 17 种曲风、11 种心情，以及 6 种特征的音乐。
临了，在视觉模子方面，除了咱们刚才展示的豆包 · 视觉领略模子以外，豆包 · 文生图模子也迎来了升级——
当今，一句话不错贬责 P 图这件事了：
戴上眼镜。
不仅如斯，作念海报，亦然几句话的事，并且如故能生成汉字的那种：
生成一张海报，主体是汉字"量子位"，充满科技感和畴前感。
由此可见，这一次，豆包大模子在"说"、"唱"、"看"三大维度上照实是提高了不小的实力。
不看告白只看疗效
不外有一说一，实力是一方面，站在大模子应用为王确当下，无意好用才是真实的硬意念念意念念。
在把 AI 用起来这件事上，其实豆包亦然拿出了一份收货单。
最初从数据上来看，畛域 12 月 18 日，豆包大模子日均 tokens 使用量如故打破4 万亿大关。
其次再看实质落地，据悉豆包大模子如故上岗科教、金融、医疗、企业管事和汽车等稠密行业，如故与多个头部企业达成协作。
市集和用户对豆包的买账程度，可见一斑。
而在此流程中，"易落地"亦然一个环节点。
这就不得不提这次也相通迎来升级的两大法宝：左手" HiAgent "，右手"扣子"。
举例 HiAgent 提供超 100 个行业应用模板和 GraphRAG 工夫，提高常识处理准确性，支撑多模态交互与复杂场景需求，企业无需从零斥地即可快速上线。
再如扣子领有百万斥地者和丰富生态，支撑 200 万智能体，笼罩智能客服、内容营销等场景，极大裁减斥地与部署时间。
除此以外，它兼容小智力、网页等多种形势，支撑及时语音交互与硬件集成，企业可爽朗齐备 AI 智力无缝镶嵌。
一言蔽之，低门槛模板、精深的生态支撑和多平台兼容，是使得 HiAgent 和扣子能够快速适配企业场景，齐备高效落地的环节。
那么关于豆包这次稠密的升级，你对哪个更感兴味呢？接待体验事后追溯疏导哦 ~
— 完 —
点这里� � 关切我，铭刻标星哦～
一键三连「共享」、「点赞」和「在看」
科技前沿进展日日再见 ~