豆包Agent四箭齐发：火山引擎加速企业级AI智能体落地

说实话，五年前字节跳动官宣成立火山引擎时，我确实属于看不懂的那一个。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

在我印象里，当时云计算的牌桌上早已坐满了阿里、腾讯、华为这些巨头，战局胶着，利润微薄。字节跳动凭借抖音和头条手握巨大的流量和现金流，为什么要一头扎进这片吃力不讨好的红海里？

这个问题，不仅是我，当时身边的许多同行都感到困惑。

然而，最近几年，这个问题的答案开始变得异常清晰。

尤其是在ChatGPT点燃了大模型的战火之后，云计算市场被重新激活，阿里云、火山引擎、百度智能云纷纷加大投入，让整个中国AI云市场的话语权争夺变得日益激烈，这一点从国际数据公司IDC的多份调研报告中可以看出端倪。

根据IDC 9月19日公布的报告，目前火山引擎在大模型公有云服务市场（即MaaS市场）位居国内第一，2025上半年市场份额49.2%，俨然接近半壁江山。

（图源：火山引擎）

然而在日新月异的AI行业，这样的优势显然不足以掉以轻心。10月16日，2025 火山引擎 FORCE LINK AI创新巡展 武汉站正式拉开帷幕。在这场与NVIDIA联合举办的盛会上，火山引擎用一系列发布，诠释了“模型升级创新驱动”的真谛。

受邀参加此次巡展，想知道火山引擎要折腾些什么新东西吗？跟着我来就行了。

四大模型上新，成本进一步下降

在火山引擎总裁谭待看来，目前全球AI大模型正在三个方向上快速发展：

一是深度思考模型与多模态理解能力融合，二是视频、图像、语音模型逐步实现生产级水平，三是企业级复杂Agent正在走向成熟，为企业激发新的生产力潜能。

（图源：）

然而，在服务的过程中，火山引擎发现，开启深度思考模式下，模型效果确实提升了，但也会提高模型延迟和使用成本，这导致实际应用中深度思考的使用占比仅有18%。

针对这一痛点，豆包大模型1.6正式提供 Minimal、Low、Medium、High四种思考长度，平衡企业在不同场景下对模型效果、时延、成本的不同需求，并进一步提升思考效率，这也让豆包1.6成为国内首个原生支持“分档调节思考长度”的模型。

（图源：）

不仅如此，为进一步满足企业的多样化需求，火山引擎正式推出豆包大模型1.6 lite，号称性能超越豆包大模型1.5 pro，同时价格上，在使用量最大的0-32k输入区间里，综合使用成本较豆包1.5 pro下降53.3%，推理速度更快、更具性价比。

（图源：）

只能说，价格控制这块，火山引擎确实是行家中的行家。

对了，在今天大会上，火山引擎正式发布豆包语音合成模型2.0、豆包声音复刻模型2.0，它们都具备更强的情感表现力、更精准的指令遵循能力。

最重要的是，还能准确朗读复杂公式。

（图源：）

事实上，在教育场景中，复杂公式和符号的朗读一直是业界难题，目前市面上语音大模型朗读准确率普遍低于50%，而豆包新发布的两大语音模型进行了针对性优化，目前从小学至高中阶段全学科的复杂公式朗读中，准确率可达90%。

听着蜡笔小新抑扬顿挫地读出这样一段复杂且冗长的化学公式时，我承认，我真的偷笑了。

全新的语音模型还能搭配图像模型来使用，快速创造出各种有声绘本，对于即梦未来的发展也会有所加持。

正所谓，要“有好模型”，才能“做好应用”。

在小雷看来，好应用的底层必须由好模型来支持。而一个好模型，既要能精准捕捉用户需求，又得具备稳定的响应能力，更要做到出色的成本控制。

这样，才能让用户感受到“用得顺、靠得住、敢去用”。

智能路由加持，应用开发更省心

现在有了“好模型”，那么问题自然落到了如何“做好应用”上。

在很多企业看来，如今天市面上模型越来越多，哪怕只看豆包大模型家族，也有不下十款产品。面对具体需求时，如何选择模型最具性价比？

为了解决这个问题，火山引擎在今天正式发布智能模型路由（Smart Model Router），这也是国内AI云行业首个针对模型智能选择的解决方案。

（图源：）

这玩意的功能很好理解，就是能够根据用户的实际需求自动选择不同的模型运行任务。

用户可以在火山方舟上选择“智能模型路由”功能，从“平衡模式”、“效果优先模式”和“成本优先模式”三种方案进行选择，智能路由会针对任务请求自动选择最适合的模型，达到效果与成本的最优解。

在会后进行的群访中，谭待表示，在部分场景中，小模型效果其实是优于大模型的（如简单客服问题用Flash模型，复杂问题用大尺寸模型）。开启智能路由后，无论是效果还是成本，都会比直接使用对应模型得到显著优化，他们希望借此降低企业技术门槛，实现“效果+成本双优”。

另一个比较有趣的更新，则是VideoPilot工具。

（图源：）

借助这个工具，你可以深入理解参考视频，自动生成对应的Prompt，让你更方便地进行视频创作，甚至还能支持语言反馈，在原有视频基础上实现多轮交互式优化。

当然了，这种逆推Prompt的方式，在AI玩家圈里早已不是什么秘密。

就拿我自己为例吧，可能是因为用多了的原因，我现在养成了看到场景、镜头、拍摄手法独特的写真都保存一下的习惯，需要创作时只要一句简单的：

“分析可用于生成这种图片的连贯prompt，忽略角色外观/穿着特征，注重画面构成、角色动作、环境描写和镜头角度，最多200字。”

如此一来，豆包就能自动生成用于制作同类型图片的Prompt，而VideoPilot则是把这种能力扩充到了视频上，让用户可以更快、更准确地完成对既有内容/目标内容的模仿和扩展。

对于视频生成而言，拥有这样的功能确实是省心省力不少。

在今天上午的群访最后，谭待也表达了一个观点：生成类模型（生图、生视频）将会成为短期增长的核心趋势之一，而展望未来的话，Coding领域有望爆发。

归根结底，还是当前国内受模型能力限制尚未完全释放，未来潜力较大。

总结

从会场出来，武汉的风吹在脸上，我脑子里乱糟糟的，但又有一条线索越来越清晰。

今天的发布会，表面上看是发了新模型、新工具，但骨子里，我感觉字节跳动或者说火山引擎，其实是在简化着AI时代的“游戏规则”。

（图源：）

过去，大家比的是谁的“大脑”更聪明，参数更多，是一场军备竞赛。但火山引擎今天似乎在说：光有大脑没用，能动动手、会干活的、还便宜的，这才是王道。

正如巡展“城市计划”所展示的，从厦门方案的持续运营，到武汉的智能路由进化，火山引擎正一步步，将其在字节跳动内部业务中锤炼出的AI能力，系统性开放给千行百业。

在AI浪潮席卷全球的今天，许多企业依然在“如何用好AI”的门前徘徊。

现如今，在模型全面升级、技术门槛有效降低的情况下，为了加强市场竞争力，企业将更勇敢地迈出转型的脚步，加速推进AI能力和自家业务的融合。

当大模型真正成为企业生产力的一部分，一场真正的效率革命，才算序幕拉开。