界面新聞記者 | 肖芳

界面新聞編輯 | 文姝琪

豆包系列大模型價格再次大幅降低，但定價策略有了很多新變化。

在火山引擎Force原動力大會上，火山引擎總裁譚待對外發(fā)布了豆包大模型1.6、視頻生成模型Seedance 1.0 pro等多款新模型。

其中，豆包大模型1.6首創(chuàng)按“輸入長度”區(qū)間定價，深度思考、多模態(tài)能力與基礎(chǔ)語言模型統(tǒng)一價格的模式。在企業(yè)使用量最大的0-32K輸入?yún)^(qū)間，豆包1.6的輸入價格為0.8元/百萬tokens，輸出8元/百萬tokens，成本比豆包1.5下降了63%。這意味著，企業(yè)只需要原來三分之一左右價格，就能獲得一個能力更強、原生多模態(tài)的新模型。

Seedance 1.0 pro的價格是每千tokens1分5厘，相當于每生成一條5秒的1080P視頻只需3.67元，這個價格比市場上多款視頻生成的價格便宜了70%左右。以此計算，企業(yè)花費1萬元可以生成2700條5秒的1080P視頻，這個價格也已大幅低于人工制作的成本。

一年之前，豆包大模型在行業(yè)中率先降價，把Token的定價降低了一個數(shù)量級，并帶動大模型行業(yè)出現(xiàn)了降價潮。談及兩次降價，譚待表示，去年豆包大模型1.0在模型結(jié)構(gòu)和工程上都做了大量優(yōu)化，把價格降低了99%以上。這一次，豆包大模型在絕大部分企業(yè)用的32K范圍的成本進行了定向優(yōu)化，同時也在商業(yè)模式上進行了創(chuàng)新。

成本定向優(yōu)化如何實現(xiàn)？

豆包大模型改變定價策略的的出發(fā)點是，用戶使用同一個尺寸和參數(shù)的模型，成本和是否開啟深度思考、是否使用圖像理解的關(guān)系并不大，而主要影響成本的因素就是上下文窗口。

上下文窗口是模型在生成回答或理解用戶輸入時，能關(guān)聯(lián)的歷史對話記錄、前文內(nèi)容的最大長度。具體來說，它決定了模型在生成或理解文本時，可以同時看到和利用多少個詞或字符的信息。比如，輸入10個詞和輸入1000個詞，處理的成本差很多。

現(xiàn)實中，大多數(shù)企業(yè)的輸入其實長度是有分布的。大部分輸入有一個相對集中的分布區(qū)間，但偶爾也會出現(xiàn)一個更長的輸入。如果不同長度的任務直接混在一起處理，大模型內(nèi)部會因為任務長度不同而“卡殼”或“等待”，效率較低，就像一輛快車要等慢車，浪費了速度。

火山引擎給出的策略是PD分離，即把不同長度的請求分組、分區(qū)調(diào)度，再通過集中調(diào)度，把同一長度的任務一起分配給模型，方便并行處理，提升效率。這個原理和快遞公司打包物品類似，如果把所有尺寸的物品都混一起打包，就會浪費空間。如果分類打包，就會節(jié)省很多材料和空間。

豆包大模型1.6把企業(yè)使用量最大的0-32K輸入?yún)^(qū)間進行了大幅降價，但在這個輸入區(qū)間之外的長度，用戶就要付出更高的成本。根據(jù)譚待在發(fā)布會現(xiàn)場透露的信息，在輸入?yún)^(qū)間32K-128K的范圍內(nèi)，豆包1.6的價格是輸入1.2元每百萬tokens，輸出16元每百萬tokens；在輸入?yún)^(qū)間128K-256K的范圍內(nèi)，豆包1.6的價格是輸入2.4元，輸出24元。

上下文窗口成本定向優(yōu)化和核心思路是將“粗放式調(diào)度”轉(zhuǎn)向“精細化運營”，這不僅節(jié)省算力，也提升了整個大模型服務體系的效率與可持續(xù)性。

爭奪Agent規(guī)?；瘧脦?/span>的機會

去年，豆包大模型大幅降價是為了為大模型在企業(yè)中的落地應用掃清成本障礙。

從調(diào)用量來看，豆包大模型已基本實現(xiàn)這一目標。根據(jù)火山引擎公布的數(shù)據(jù)，豆包大模型日均tokens使用量超過16.4萬億，較去年5月首次發(fā)布時增長137倍。

今年，豆包大模型再次降價，是為了爭奪Agent規(guī)?；瘧?/span>給云服務帶來的新機會。由于Agent每次執(zhí)行任務都會消耗大量tokens，模型使用成本也要降下來，才能推動Agent的規(guī)?；瘧?。

譚待接受界面新聞等媒體采訪時表示，火山引擎需要先把云基礎(chǔ)設施做好，還要把圍繞Agent開發(fā)的平臺和工具做好。

他透露，火山引擎今年設定了非常激進的目標。“大家對AI的需求是很旺盛的，但也非常困惑怎么選擇好的模型、怎么把模型用好。我們把自己的產(chǎn)品做扎實，把成本做低，把方案做好，把標桿客戶做扎實，業(yè)務目標自然就可以完成。”

激進的目標的背后，是火山引擎迫切需要大模型帶來的增量尋求市場份額的提升。

火山引擎主要瞄準兩項需求，一個是來自于大模型訓練和推理對云服務產(chǎn)生的新需求，以及企業(yè)在尋求AI創(chuàng)新和數(shù)字化轉(zhuǎn)型上產(chǎn)生的新需求。

一年過去，火山引擎在市場份額上已經(jīng)獲得了一些成效。IDC報告顯示，豆包大模型在中國公有云大模型市場份額排名第一，占比高達46.4%。

今年被認為是Agent的元年，火山引擎當然也不會放過這個機會。

據(jù)界面新聞了解，AI coding是字節(jié)跳動為數(shù)不多自己下場做的應用。今年年初，字節(jié)跳動已經(jīng)發(fā)布AI編程產(chǎn)品TRAE，面向中英文開發(fā)者社區(qū)，與Cursor、GitHub Copilot等同類工具展開競爭。它兼具生成式開發(fā)與智能協(xié)作，適合項目啟動、原型構(gòu)建，也為長期開發(fā)流程增效。

最新發(fā)布的豆包大模型1.6在AI coding能力方面取得了較為明顯的進步。其支持256K tokens上下文，處理大型項目、多文件依賴、長邏輯鏈等場景的能力更強，可進行瀏覽器模擬點擊、表格填寫等解析界面操作。

字節(jié)跳動技術(shù)副總裁洪定坤透露，豆包1.6模型已經(jīng)接入TRAE內(nèi)測，新模型將很快推送給用戶。在字節(jié)內(nèi)部，超過80%的工程師在使用TRAE輔助開發(fā)。TRAE的整體月活用戶已經(jīng)超過了100萬。

而對于其他Agent應用，火山引擎其主要寄希望于通過外部合作伙伴來完成。譚待表示，PC時代主體是Web，移動時代是APP，AI時代則是Agent。“火山引擎希望和去年一樣，通過模型的大幅降價再一次促進Agent AI的普及。”