7月17日，三星电子面向中国市场发布新一代GalaxyZ系列产品。会上，三星电子与火山引擎官宣合作，为GalaxyZFold6、GalaxyZFlip6手机的智能助手和AI视觉接入豆包大模型，提升手机的智能应用体验。此前，三星在海外新品发布会上公布了与谷歌Gemini的深度合作，在中国区则选择了火山引擎等厂商作为大模型合作方。fenye图说：三星GalaxyZFold6、GalaxyZFlip6手机的智能助手和AI视觉接入豆包大模型除了画圈即搜、实时翻译、录音转录等已经披露过的AI功能外，本次中

7月17日消息，今晚三星电子面向中国市场发布新一代GalaxyZ系列产品。会上，三星电子与火山引擎官宣合作，为GalaxyZFold6、GalaxyZFlip6手机的智能助手和AI视觉接入豆包大模型，提升手机的智能应用体验。此前，三星在海外新品发布会上公布了与谷歌Gemini的深度合作，在中国区则选择了火山引擎等厂商作为大模型合作方。fenye三星GalaxyAI赋能折叠手机，带来创新功能除了画圈即搜、实时翻译、录音转录等AI功能外，三星在本次中国地区发布会上展示了GalaxyAI基于豆包大模型

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com当前的视觉语言模型（VLM）主要通过QA问答形式进行性能评测，而缺乏对模型基础理解能力的评测，例如detailimagecaption性能的可靠评测手段。针对这一问题，中科院、

经过一年多的发展，AIGC已经从文字对话、图片生成逐步向视频生成迈进。回想四个月前，Sora的诞生让视频生成赛道经历了一场洗牌，大力推动了AIGC在视频创作领域的应用范围和深度。在人人都在谈论大模型的时代，我们一方面惊讶于视频生成带来的视觉震撼，另一方面又面临着落地难问题。诚然，大模型从技术研发到应用实践还处于一个磨合期，仍需结合实际业务场景进行调优，但理想与现实的距离正在被逐步缩小。营销作为人工智能技术的重要落地场景，成为了很多企业及从业者想要突破的方向。掌握了恰当方法，营销视频的创作过程就会

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com在生成式模型的迅速发展中，ImageTokenization扮演着一个很重要的角色，例如Diffusion依赖的VAE或者是Transformer依赖的VQGAN。这些Toke

FlagEval评测平台发布了最新榜单，其中6月中旬发布的“客观评测”中，GPT-4在闭源大模型中排名第一，Doubao-Pro（豆包大模型）排名第二，同时也是得分最高的国产大模型；其后依次是ERNIE4.0、Baichuan3、Moonshot-v1等。在开放答案评测中，Doubao-Pro同样排名第二，得分超过GPT-4o和GPT-4。新技术的不断涌现，能够持续关注并适应新技术的平台才能在这个竞争激烈的市场中立于不败之地。字数：114图：豆包大模型在FlagEval客观评测中获综合评分第二（

AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com当前主流的视觉语言模型（VLM）主要基于大语言模型（LLM）进一步微调。因此需要通过各种方式将图像映射到LLM的嵌入空间，然后使用自回归方式根据图像token预测答案。在这个过

当前，多模态大模型（MLLM）在多项视觉任务上展现出了强大的认知理解能力。然而大部分多模态大模型局限于单向的图像理解，难以将理解的内容映射回图像上。比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。定位能力的缺失直接限制了多模态大模型在图像编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式Groma——通过区域性图像编码来提升多模态大模型的感知定位能力。在融入定位后，Groma可以将文本内容和图片区域直接关联起来，从而显

近日，豆包大模型在火山引擎原动力大会上正式发布。以超低价格促销大模型降价潮的同时，豆包的模型能力也引发行业关注。在火山引擎的一份产品资料中，豆包模型团队发布了一期内部部分测试结果：在MMLU、BBH、GSM8K、HumanEval等11个行业主流的公开评测集上，Doubao-pro-4k的总分为76.8分，相比上一代模型云雀Skylark2的64.5分提升了19%。这也优于同期测试的其他国产模型。此次评测在今年5月完成，主要包括豆包括通用模型Pro、云雀Skylark2以及内的九款国产大语言模型

近期，火山引擎官网更新了豆包大模型的定价详情。全面展示豆包通用模型不同版本、不同规格的价格信息。在模型推理定价大幅低于行业价格的基础上，豆包通用模型的TPM（每分针Tokens）和RPM（每分钟请求数）均达到国内最高标准。以豆包主力模型pro-32k为例，价格比行业低99%，TPM限额则高达同规格模型的2.7倍至8倍。图：豆包系列模型“后付费”定价信息“官方信息显示：在按照Tokens实际使用量计算费用的“后付费”模式下，豆包通用模型Pro、豆包通用模型Lite的32k及以下窗口版本，模型限流为

大模型的性价比之战已经来到了新的阶段。5月15日，2024火山引擎FORCE原动力大会上，火山引擎总裁谭待宣布，字节跳动内部自研的豆包大模型正式在火山引擎上对外开放服务。豆包大模型在价格上主打“极致性价比”：豆包通用模型pro-32k版，推理输入价格0.0008元/千tokens，较行业价格低99.3%。一元钱能买到豆包主力模型的125万tokens，相当于三本《三国演义》的输入量。谭待认为，降低成本是推动大模型快进到“价值创造阶段”的一个关键因素。过去一年

火山引擎总裁谭待企业要做好大模型落地，面临模型效果、推理成本、落地难度的三大关键挑战：既要有好的基础大模型做支撑，解决复杂难题，也要有低成本的推理服务让大模型被广泛应用，还要更多工具、平台和应用帮助企业做好场景落地。——谭待火山引擎总裁01.豆包大模型首次亮相大使用量打磨好模型模型效果是AI落地最关键的挑战。谭待指出，只有大的使用量，才能打磨出好模型。目前，豆包大模型日均处理1,200亿tokens文本、生成3,000万张图片。为助力企业做好大模型场景落地，字节跳动自主研发的豆包大模型将通过火山