据“火山引擎”微信公众号发文，豆包大模型1.6-vision正式发布，这是豆包大模型家族首个具备工具调用能力的视觉深度思考模型，拥有更强的通用多模态理解和推理能力，并支持ResponsesAPI。
新模型以工具调用的差异化能力，将图像融入其思维链中，实现对图片的定位、剪裁、点选、画线、缩放、旋转等精细处理。并通过模拟人类从“从全局扫描到局部聚焦”的视觉推理过程，在增强推理可解释性的同时，可高效精准地完成图像操作。
豆包大模型1.6-vision支持ResponsesAPI，可自主选择调用工具，大幅度减少Agent开发过程中的代码量，提升开发效率，让开发者应用开发更加高效。
此外，对比上一版视觉理解模型Doubao-1.5-thinking-vision-pro，综合成本降低约50%，以更低成本解锁更强性能。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】