豆包大模型全类型盘点：一文看懂多模态能力矩阵

豆包大模型涵盖多种类型，能满足不同场景需求，最新推出的豆包大模型 1.6 更是亮点十足。

一、大语言模型：智能对话与逻辑核心

• 豆包大模型 1.6
  推理能力更强，支持多模态理解、GUI 操作和前端页面编程，长文本处理更出色。
• 豆包大模型 1.5 pro
  专业版，支持 256K 长文本，综合能力强。
• 豆包大模型 1.5 lite
  轻量版，全球一流水平，多项权威指标超越 GPT-4 omini 等。
• 豆包?角色扮演模型
  个性化角色创作，上下文感知强，推动剧情互动。
• 豆包?Function Call 模型
  精准识别功能、抽取参数，适配复杂工具调用。
• 豆包?向量化模型
  聚焦向量检索，为 LLM 知识库提供核心理解，支持多语言。
• 豆包 1.5?UI-TARS 模型
  GUI Agent 大模型，面向图形界面交互的原生 Agent 模型。
• 豆包?通用模型 lite
  轻量经济，token 成本低、延迟低。

二、视觉大模型：从图像到视频的创意生成

• 豆包?视频生成模型
  支持多镜头叙事，生成 1080p 高清视频，语义理解与指令遵循能力突破。
• 豆包?视觉理解模型
  识别、理解、推理视觉内容，描述更细腻。
• 豆包?文生图模型
  文字理解精美，擅长中国文化元素创作，图文匹配准确。
• 豆包?图生图模型
  生成精美写真，支持 50 + 风格变换，可扩图、重绘、涂抹。
• 豆包?3D 模型
  视觉大模型，敬请期待。

三、语音大模型：声音的智能交互革命

• 豆包?实时语音模型
  能唱会演，超拟人感对话，精细遵循指令。
• 豆包?语音合成模型
  自然生动，表达多种情绪，演绎多场景。
• 豆包?声音复刻模型
  5 秒 1:1 克隆声音，高还原度，支持跨语种迁移。
• 豆包?语音识别模型
  准确率高、延迟低，支持多语种识别。
• 豆包?同声传译模型
  超低延时翻译，跨语言同音色，打破沟通壁垒。

四、其他特色模型：细分场景的专业能力

• 豆包 1.5?深度思考模型
  原生多模态，数学、编程推理强，采用 MoE 架构，延迟低。
• 豆包 - Seedance-1.0 系列
  视觉大模型，包括 pro、lite-i2v、lite-t2v 等，支持视频生成。
• 豆包 - 视频生成 - Seaweed/Wan2.1-14B
  视觉大模型，生成高质量视频。
• 豆包 - 文生图模型 - 智能绘图 / 漫画版
  视觉大模型，前者生成精美图像，后者专注漫画创作。
• 向量模型
  包括 Doubao-embedding-vision、embedding、embedding-large，聚焦向量检索。

豆包大模型以多模态能力为核心，从语言到视觉、语音，覆盖全场景需求，且持续迭代升级，为企业和用户提供更智能的解决方案。