8月26日，據(jù)《讀佳》報道，字節(jié)的豆包內(nèi)部正在研發(fā)測試名為“3D Model Generator”的3D模型生成工具。該工具致力于可控大規(guī)模生成模型，為創(chuàng)建高質(zhì)量3D資產(chǎn)提供有力支持，尤其在游戲中的3D建模領(lǐng)域。該工具或不久后對外開放使用。從測試頁面可以看出，“3D Model Generator”支持兩種生成方式，一種是基于圖像生成，選取本地圖像文件，點擊“生成”，即可快速生成3D模型，降低了3D建模的入門門檻。另外一種是基于圖像+模型生成，通過圖像文件與模型文件的結(jié)合，實現(xiàn)更復(fù)雜或更具針對性的3D資產(chǎn)創(chuàng)作。
8月25日消息，字節(jié)跳動豆包大模型視覺基礎(chǔ)研究團隊負責(zé)人馮佳時近期離職。馮佳時2019年加入字節(jié)，專注于計算機視覺、機器學(xué)習(xí)領(lǐng)域的相關(guān)研究，曾發(fā)表了400多篇關(guān)于深度學(xué)習(xí)、物體識別、生成模型、機器學(xué)習(xí)理論方面的論文。
特斯拉與字節(jié)跳動旗下火山引擎近日達成合作，由火山引擎為特斯拉智能座艙交互體驗部分提供大模型服務(wù)。根據(jù)特斯拉中國官網(wǎng)更新的《特斯拉車機語音助手使用條款》顯示，全新上市的特斯拉Model Y L車型將搭載豆包大模型與DeepSeek模型，兩款模型均通過火山引擎接入。其中，豆包大模型將承擔語音命令功能，如導(dǎo)航設(shè)定、媒體播放操控、空調(diào)溫度調(diào)節(jié)等，同時還具備車主手冊查詢功能；DeepSeek模型提供AI語音閑聊服務(wù)。
7月30日，火山引擎宣布，豆包·圖像編輯模型SeedEdit 3.0正式登陸火山方舟。該模型基于文生圖模型Seedream 3.0，可支持1K以上高清圖像的生成與處理。
7月29日，此前雷峰網(wǎng)爆料，字節(jié)跳動將打造“豆包汽車”。該計劃將協(xié)同字節(jié)跳動旗下火山引擎的汽車云業(yè)務(wù)，圍繞智能汽車的“座艙+智駕”兩大板塊，提供汽車智能智駕終端解決方案，可視為對標華為鴻蒙智行中軟件解決方案的布局。據(jù)媒體報道，火山引擎相關(guān)負責(zé)人對此表示：網(wǎng)傳“豆包汽車”純屬謠言。火山引擎為眾多汽車客戶提供高效的算法訓(xùn)練平臺，自身并沒有智駕業(yè)務(wù)計劃。
6月11日，字節(jié)跳動旗下火山引擎舉辦FORCE原動力大會。會上，火山引擎發(fā)布了豆包大模型1.6，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。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，綜合成本只有豆包1.5深度思考模型或DeepSeek R1的三分之一。
據(jù)知情人士透露，多款由老鳳祥與字節(jié)旗下火山引擎合作的AI眼鏡即將于七月正式發(fā)布。作為老鳳祥首次跨界AI智能眼鏡，其后臺由豆包大模型提供技術(shù)支持。老鳳祥跨界AI眼鏡產(chǎn)品，將支持視覺理解、語音對話、語義識別、電話接聽等功能，主要面向老年人群體。
近期字節(jié)AI產(chǎn)品部門Flow旗下發(fā)生產(chǎn)品調(diào)整：社交陪伴類AI產(chǎn)品貓箱原負責(zé)人梁琛奇已離開字節(jié)跳動；貓箱負責(zé)人由原星繪產(chǎn)品負責(zé)人西原（花名）接任；同時，星繪團隊計劃并入豆包，將由豆包App端負責(zé)人陸游（花名）一起管理。
2月25日消息，字節(jié)跳動旗下AI助手豆包正在小范圍測試深度思考模型，但接入的不是DeepSeek模型。據(jù)豆包相關(guān)負責(zé)人表示，當前測試的是自己深度思考模型的不同實驗版本。實測發(fā)現(xiàn)，在豆包對話頁面暫未顯示“深度思考”功能的入口，但被灰度到的用戶在詢問不同問題后，豆包生成的答復(fù)中會顯示思維鏈。
據(jù)豆包大模型團隊消息，字節(jié)跳動豆包大模型Foundation團隊近期提出UltraMem，一種同樣將計算和參數(shù)解耦的稀疏模型架構(gòu)，在保證模型效果的前提下解決了推理的訪存問題。據(jù)介紹，該架構(gòu)有效解決了MoE推理時高額的訪存問題，推理速度較MoE架構(gòu)提升2-6倍，推理成本最高可降低83%。
2月8日消息，記者從智己汽車內(nèi)部獲悉，其智能座艙已深度引入DeepSeek大模型，并與豆包、通義等大模型合作，通過深度聯(lián)合訓(xùn)練，構(gòu)建多場景插拔式AI矩陣平臺。
1月22日，豆包大模型1.5Pro版本正式發(fā)布。團隊稱模型訓(xùn)練過程中未使用任何其他模型生成的數(shù)據(jù)。目前，Doubao-1.5-pro已在豆包APP灰度上線，開發(fā)者也可在火山引擎直接調(diào)用API。
豆包實時語音大模型于1月20日正式推出，并在豆包App全量開放，將豆包App升級至7.2.0版本即可體驗。據(jù)介紹，豆包實時語音大模型，是一款語音理解和生成一體化的模型，實現(xiàn)了端到端語音對話。相比傳統(tǒng)級聯(lián)模式，在語音表現(xiàn)力、控制力、情緒承接方面表現(xiàn)驚艷，并具備低時延、對話中可隨時打斷等特性。
12月10日消息，字節(jié)跳動視頻生成模型PixelDance已在豆包電腦版正式開啟內(nèi)測，部分用戶已開通體驗入口。內(nèi)測頁面顯示，用戶每日可免費生成十支視頻。
9月24日，在2024火山引擎AI創(chuàng)新巡展上，火山引擎總裁譚待宣布推出豆包.視頻生成模型。據(jù)他介紹，豆包.視頻生成模型具有高效的DIT融合計算單元，能更充分地壓縮編碼視頻與文本；還使用了全新設(shè)計的擴散模型訓(xùn)練方法，保證了多鏡頭生成的一致性；該模型還使用了深度優(yōu)化的Transformer結(jié)構(gòu)，大幅提升了視頻生成的泛化能力。
5月15日消息，今日字節(jié)跳動召開2024春季火山引擎FORCE原動力大會。會上，火山引擎公布了豆包大模型產(chǎn)品矩陣，并通過火山引擎正式對外服務(wù)。 據(jù)了解，豆包大模型平均每天處理1200億tokens（約1800億漢字），生成3000萬張圖片。其中包括豆包通用模型pro、豆包通用模型lite兩款主力模型，以及適配多種業(yè)務(wù)場景，從圖像、自然語言、語義的多模態(tài)模型家族，包括角色扮演模型、語音合成大模型、語音識別大模型、聲音復(fù)刻模型、文生圖模型、Function call模型、向量化模型。