豆包大模型迎来重大升级，其视觉理解模型现可根据APP截图直接生成代码，大幅降低开发门槛。新模型在内容识别、理解推理和视觉描述方面均有显著提升，尤其对中国传统文化理解更深。此外，豆包的语音和音乐模型也得到增强，能生成更复杂的音乐作品。此次升级还伴随着大幅降价，旨在让多模态AI技术更加普惠。通过擂台赛，豆包在复杂物体识别、反向Prompt生成和数学推理等方面均展现出超越GPT-4o的实力，同时在实际应用方面，豆包大模型已在多个行业落地。

关键要点

• 👀豆包视觉理解模型升级，能看APP截图直接生成代码，大幅降低开发门槛，并且在内容识别上支持OCR、图像知识等，对中国文化理解更深。

• 🎵豆包音乐模型升级，能直接生成3分钟完整音乐，支持多种曲风和心情，还可根据图片作曲，在音乐生成方面实现技术突破。

• 🧮豆包大模型在数学、逻辑、代码的推理与问答能力上均得到优化，并通过擂台赛，在复杂物体识别、反向Prompt生成和数学推理等方面展现出超越GPT-4o的实力。

• 💰豆包大模型发布即降价，0.003元/千tokens，相当于1块钱可以处理284张图片，让多模态AI技术更加普惠。