5月13日，在FORCE LINK AI创新巡展·上海站上，火山引擎发布豆包1.5·视觉深度思考模型。该模型参数仅20B，但在60个公开评测基准中有38个达到业界最佳表现。其在视频理解、视觉推理及新增的GUI Agent能力方面表现突出。视频理解领域引入动态帧率采样技术，提升视频时序定位能力；结合向量搜索，精准定位视频片段。视觉推理能力通过强化学习大幅提升，能自主推理并验证假设。新增的GUI Agent能力可在多种设备环境完成复杂交互任务，如App功能自动化检测，已在字节跳动多款产品中应用。目前，该模型已在火山方舟平台上线。