12月18日，字节跳动在火山引擎Force大会上发布了豆包视觉理解模型，该模型能以极低成本处理大量图片，千tokens输入仅需0.03元，比行业平均价格低85%。同时推出的还有豆包3D生成模型，可与火山引擎数字孪生平台veOmniverse结合，实现智能训练和数字资产制作。豆包大模型系列中的其他产品也进行了升级：豆包通用模型pro全面对标GPT-4，但价格仅为后者的1/8；音乐模型能够生成3分钟完整的音乐作品。此外，计划于明年春季发布的豆包视频生成模型1.5版将具备更长视频生成能力，并且豆包端到端实时语音模型即将上线，支持多角色演绎及方言转换等功能。