豆包大模型 是字节跳动推出的 AI大模型家族，通过火山引擎对外提供服务。它不是一个单一的模型，而是一个包含多种模型能力的集合，覆盖语言理解、视频生成、图像创作、语音交互等多个领域，帮助企业和开发者构建各类智能化应用。

核心模型类型与功能

通用语言模型
豆包提供 Pro 和 Lite 两个系列的通用大语言模型。Pro 系列是字节跳动自研的高级语言模型，具备更强的理解、生成和逻辑能力，支持128K长文本处理，适用于问答、总结、创作、分类等复杂场景。Lite 系列则是轻量级版本，提供更低的成本和延迟，适合预算有限或对响应速度要求较高的企业。两个系列都支持模型精调，可以根据业务数据进行定制优化。

视频生成模型
豆包·视频生成模型支持文本生成视频和图片生成视频两种模式，通过精准的语义理解、强大的动态表现和运镜能力，将创意转化为高质量视频内容。

图像生成模型
豆包·文生图模型擅长将文字描述转化为图像，特别在图文匹配和中国文化元素创作方面表现突出。豆包·图生图模型则支持基于现有图像生成新图像，可以进行风格变换、扩图、重绘和涂抹等创意操作。

语音模型家族
语音方面包含多个专业模型：豆包·语音合成模型能生成自然生动的语音，支持多种情绪表达；豆包·声音复刻模型仅需5秒即可实现声音的1:1克隆，支持跨语种迁移；豆包·语音识别模型具备高准确率和灵敏度，支持多语种识别；豆包·同声传译模型提供超低延时的实时翻译，支持跨语言同音色翻译。

角色扮演模型
具备个性化角色创作能力，能够根据上下文感知和剧情推动进行灵活的角色扮演，适合虚拟互动、游戏NPC、故事创作等场景。

Function Call模型
专为复杂工具调用设计，能够准确识别和抽取功能参数，帮助AI应用调用外部工具和API。

向量化模型
专注于向量检索能力，为知识库提供核心理解支持，适用于多语言处理和信息检索场景。

定价方式

豆包大模型采用多种计费模式，主要分为以下几类：

按Tokens使用量付费（后付费）
通用语言模型按实际消耗的输入和输出 tokens 计费，不同模型和上下文长度价格不同。以 Lite 系列为例，4K 上下文版本输入和输出均为 0.0003元/千tokens；Pro 系列 4K 版本输入 0.0008元/千tokens、输出 0.0020元/千tokens。所有语言模型均提供 50万 tokens 的免费额度。

按模型单元付费（独占资源）
如果企业需要独占的算力资源，可以按小时或包月购买模型单元。例如 Lite-4K 模型单元按小时 60元/个，包月 28000元/个；Pro-128K 模型单元按小时 1200元/个，包月 550000元/个。

视觉与语音模型
图像生成模型为 0.2元/次，提供 200 次免费额度；语音合成为 5元/万字符，提供 5000 字符免费额度；声音复刻为 8元/万字符，提供 5000 字符免费额度。

模型精调
训练时按 tokens 使用量计费（训练文本×训练迭代次数），Lite 系列 LoRA 精调为 0.03元/千tokens，Pro 系列为 0.05元/千tokens。

性能表现

豆包大模型在多个业界公认的基准测试中表现优异。在包括 MMLU、BBH、GSM8K 和 HumanEval 在内的 11 个测试集中，Doubao-pro-4k 模型的总体得分达到 76.8 分，在代码能力、专业知识和指令遵循等方面有显著进步。

应用场景

豆包大模型家族可以应用于广泛的业务场景：

• 内容创作与媒体：生成文章配图、漫画、海报、短视频等视觉内容，为视频制作配音

• 客户服务：提供虚拟客服和聊天机器人，改善语音客服系统

• 娱乐与游戏：创建游戏 NPC 的对话和行为，为游戏角色提供自然语音

• 智能助手：开发智能个人助理，生成个性化推荐内容

• 企业自动化：自动化复杂的工作流程和工具调用，进行高效的信息检索和知识管理

• 法律与金融：进行合同分析、案件研究，转录会议记录和访谈内容