豆包大模型1.5 是字节跳动推出的最新版本大模型。采用大规模稀疏MoE架构，等效于7倍激活参数的Dense模型性能，综合得分在知识、代码、推理、中文等多个测评基准上优于GPT-4o和Claude 3.5 Sonnet等模型。豆包大模型1.5 还推出了豆包·实时语音模型（Doubao-1.5-realtime-voice-pro）和豆包·视觉理解模型（Doubao-1.5-vision-pro），具备低时延、可打断的语音对话能力以及更强的视觉推理和文档识别能力。模型训练过程中未使用任何其他模型生成的数据。

豆包大模型1.5的主要功能

• 综合能力显著增强：在知识（如MMLU_PRO、GPQA）、代码（如McEval、FullStackBench）、推理（如DROP）、中文（如CMMLU、C-Eval）等多个权威测评基准上表现全球领先，综合得分优于GPT-4o、Claude 3.5 Sonnet等业界一流模型。
• 高效模型结构与低成本：采用大规模稀疏MoE架构，等效于7倍激活参数的Dense模型性能，远超业内常规效率。自研服务器集群方案支持低成本芯片，硬件成本大幅降低。

• 多模态能力全面提升
  • 豆包·视觉理解模型（Doubao-1.5-vision-pro）：在多模态数据合成、动态分辨率、多模态对齐、混合训练上全面升级，视觉推理、文字文档识别、细粒度信息理解能力显著增强。
  • 豆包·实时语音模型（Doubao-1.5-realtime-voice-pro）：采用Speech2Speech端到端框架，支持端到端语音对话，具备低时延、可随时打断等特性，已全量上线豆包App。
• 深度思考能力：基于豆包1.5基座模型，通过RL算法突破和工程优化，研发出深度思考模型Doubao-1.5-Pro-AS1-Preview，在AIME等评测中表现领先。
• 数据独立性：模型训练过程中未使用任何其他模型生成的数据，构建了完全自主的数据生产体系，确保数据来源的独立性和可靠性。

豆包大模型1.5的技术原理

• 大规模稀疏MoE架构：豆包大模型1.5 采用了大规模稀疏MoE（Mixture of Experts）架构，通过较小的激活参数进行预训练，等效于7倍激活参数的Dense模型性能，远超业内常规的3倍杠杆效率。
• 多模态融合技术：模型在多模态能力上进行了显著升级，支持文本、图像、语音等多种模态的输入和输出。
• 高效的数据处理与训练：豆包大模型1.5 在训练过程中未使用任何其他模型生成的数据，是通过自主构建的数据生产体系，结合标注团队和模型self-play技术，确保数据来源的独立性和可靠性。模型通过自研服务器集群方案和优化技术，显著降低了硬件成本。
• 强化学习与优化框架：豆包大模型团队提出了HybridFlow框架，是灵活且高效的强化学习（RL）训练框架，结合了单控制器和多控制器的优势，显著提升了训练吞吐量。
• 模型优化与推理加速：豆包大模型1.5 通过精细量化、PD分离等技术，优化了模型的推理效率。

如何使用豆包大模型1.5

• 豆包APP：豆包大模型1.5已灰度上线，用户可在豆包APP中体验。
• 火山引擎API：开发者可通过火山引擎直接调用API，支持多场景应用。
• 价格优势：保持原有模型价格不变，加量不加价。

豆包大模型1.5的项目地址

• 项目官网：https://team.doubao.com/zh/special/doubao_1_5_pro

豆包大模型1.5的应用场景

• 情感分析与反馈：通过语音和文本的情感分析，更好地理解用户情绪，提供更有针对性的服务。
• 智能作业辅导：帮助学生解答数学、科学等学科问题，提供解题思路和步骤。
• 文本生成：支持长文本生成，适用于新闻报道、文案创作、故事创作等。
• 视频生成：豆包视频生成模型可基于文本或图片生成高质量视频，支持动态海报和短视频创作。
• 视觉理解：豆包视觉理解模型可识别图像中的物体、场景，并进行逻辑推理，适用于教育领域的题目解析、图表分析等。
• 多语言学习：支持多语种语音识别和生成，可用于语言学习和教学。