随着 AI 技术的快速发展，AI 已从过去的感知 AI、生成式 AI，快速迈入 Agentic AI 时代。AI 正在进化出端到端的自主决策和执行能力，走向核心生产环节。
随着 AI 技术的快速发展，AI 已从过去的感知 AI、生成式 AI，快速迈入 Agentic AI 时代。AI 正在进化出端到端的自主决策和执行能力，走向核心生产环节。
火山引擎总裁 谭待
今天，在 FORCE LINK AI 创新巡展·杭州站，火山引擎公布了模型、Agent 工具、云基础设施的最新进展，旨在帮助企业更快、更省地构建和部署 Agent 应用：发布豆包 1.5·深度思考模型，升级豆包·文生图模型 3.0、豆包·视觉理解模型。同时，面向 Agent 服务，发布 OS Agent 解决方案、GUI Agent 大模型——豆包 1.5·UI-TARS 模型；面向大规模推理，发布 AI 云原生·ServingKit 推理套件。
截至 2025 年 3 月底，豆包大模型日均 tokens 调用量已超过 12.7 万亿，是 2024 年 12 月的 3 倍，是一年前刚刚发布时的 106 倍。IDC 报告显示，2024 年中国公有云大模型调用量激增，火山引擎以 46.4% 的市场份额位居中国市场第一。
深度思考模型能够让 AI 模拟人类的思维过程，对复杂问题进行精准分析和逻辑推导。
全新发布的豆包 1.5·深度思考模型，在数学、代码、科学等专业领域推理任务中表现出色，已经达到或接近全球第一梯队水平；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，能够胜任更广泛和复杂的使用场景。
为了提升模型的通用能力，模型团队优化了数据处理策略，把可验证数据与创意性数据进行融合处理，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，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 1.5·深度思考模型采用 MoE 架构，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，豆包 1.5·深度思考模型在提供行业极高并发承载能力的同时，实现 20 毫秒极低延迟。
在解决生活生产中的具体问题时，大模型要能够查询互联网信息，进行多轮搜索和思考。与其他推理模型「先搜索再思考」的模式不同，豆包 APP 基于豆包 1.5·深度思考模型进行了定向训练，可以「边想边搜」。
例如，让豆包 APP 推荐露营装备：一对夫妻带两个孩子去露营，温度低，有雨，希望把装备买齐，预算 4,000 元以内，还要兼顾便携性和安全性。豆包 1.5·深度思考模型可以拆解每个具体需求的注意事项，规划信息，然后经过 3 轮搜索，给出了预算范围内、细致周到的推荐。
此外，豆包 1.5·深度思考模型还具备视觉理解能力，可以像人类一样，不光基于文字思考，更能基于所见画面思考，思考更立体，让模型同时拥有「大脑」和「眼睛」。
更好的模型性能、更低的延迟、加上视觉推理能力，将为深度思考模型打开更广泛的应用空间、解决更复杂的问题。即日起，企业用户可以在火山方舟平台使用豆包 1.5·深度思考模型。
此次全新升级的豆包·文生图模型 3.0，能够实现更好的文字排版表现、实拍级的图像生成效果，以及 2K 的高清图片生成方式。可以广泛应用于影视、海报、绘画、玩偶设计等营销、电商、设计场景。
小字与长文本生成、 排版更美观
在最新的文生图领域权威榜单 Artificial Analysis 竞技场中，豆包·文生图 3.0 模型已超越业界诸多主流模型，排名全球第一梯队。
新版本的豆包·视觉理解模型具备更强的视觉定位能力，支持多目标、小目标、通用目标的框定位和点定位，并支持定位计数、描述定位内容、3D 定位。可应用于线下门店的巡检场景、GUI agent、机器人训练、自动驾驶训练等。 同时，新版本在视频理解能力上也有大幅提升，比如记忆、总结理解、速度感知、长视频理解等。豆包·视觉理解模型结合向量搜索，可直接对视频进行语义搜索，广泛适用于安防、家庭看护等商业化场景。
更强的模型为我们打开了更广阔的应用空间。未来，AI Agent 将同时在「应用 Agent」和「OS Agent」两个方向上并行发展。
应用 Agent 具备更强的专业性，如客服 Agent、数据 Agent、代码 Agent 等，可以专注于完成特定领域的任务。
比如在代码 Agent 领域，相比于传统的 AI 插件产品，国内首个 AI IDE（AI 原生的集成开发环境工具）——Trae 可以让开发者和 AI 更智能的协作，实现软件开发的交付化（交付软件而不仅是代码）、智能化（意图理解-自主规划-调用工具-自主开发）、协作化（与用户在各个维度上进行协作）。
OS Agent 则拥有跨场景的通用性和灵活性，能够直接操作浏览器、电脑、手机或其他 Agent，完成复杂任务。今年 Manus 等通用 Agent 的火爆也点燃了市场对 OS Agent 的热情。
大会上，火山引擎正式发布 OS Agent 解决方案，未来两周将陆续上线火山引擎官网。
该解决方案通过火山引擎 veFaaS 平台对豆包大模型能力进行封装，可以让企业和开发者轻松构建轻量级的 Code use 和 Browser use。而针对任务相对复杂的 Computer Use 和 Mobile Use Agent，则可以通过 ECS 或云手机等调用豆包 1.5·UI-TARS 模型，驱动图形用户界面交互，精准识别用户的任务需求，进行感知、自主推理并准确行动。
想做出好的 Agent 同样离不开好的大模型。针对复杂的 OS Agent，火山引擎正式发布 GUI Agent 大模型——豆包 1.5·UI-TARS 模型。该模型将屏幕视觉理解、逻辑推理、界面元素定位和操作整合在单一模型中，突破了传统自动化工具依赖预设规则的局限。目前，豆包 1.5·UI-TARS 模型已在火山方舟平台上线。
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 AI 时代需要更好的云原生架构来支持。
为此，火山引擎推出 ServingKit 推理套件，帮助企业实现模型的快速部署、推理优化、运维可观测。
ServingKit 推理套件可在 2 分钟内完成 671B DeepSeek R1 下载和预热，13 秒完成推理引擎的加载。
同时，为了降低推理过程中的时延、提高资源利用率，火山引擎 EIC 将 KV cache 命中率提高了 10 倍，在 100% cache 命中场景下 TPS 吞吐量可提高至 5 倍以上；而通过对算子、AI 网关、VKE 编排调度的优化和升级，可以大幅度降低 GPU 消耗。
来源：互联网
