日均調用量106倍狂飆 豆包搶灘“Agent生態卡位戰”

出品 | 本站科技《態度》欄目

作者 | 李姝

編輯 | 丁廣勝

當DeepSeek以開源策略席捲開發者社區時，火山引擎用閉源的方式展示了另一種可能性。

“截至2025年3月底，豆包大模型日均tokens調用量已超過12.7萬億，是2024年12月的3倍，是一年前剛剛發佈時的106倍。”

4月17日，在火山引擎FORCE LINK AI創新巡展上，火山引擎總裁譚待亮出一組數據，爲閉源大模型的生存戰注入強心劑。

如今，豆包大模型已成爲衆多企業AI轉型的核心利器。就在巡展當日，面向企業市場，全新的豆包1.5·深度思考模型正式登場，同時升級文生圖模型3.0及視覺理解模型，還推出了OS Agent解決方案和AI雲原生推理套件。

這一系列動作表明，在模型性能競賽轉向 “Agent生態卡位戰” 的當下，火山引擎已精準錨定新的發展方向。

加量不加價，豆包深度思考模型開放API

官方技術報告顯示，豆包深度思考模型採用MoE架構，總參數200B，激活參數僅20B，以較小參數實現了媲美頂尖模型的效果。得益於高效算法和高性能推理系統，豆包模型的API服務在保證高併發的同時，將延遲降至20毫秒，目前已通過火山引擎開放供用戶體驗。

在數學推理、編程競賽、科學推理等專業領域，豆包模型的性能與OpenAI o3-mini-high、Gemini 2.5 Pro等模型不相上下。

在通用任務上，豆包深度思考模型的人類評估表現比DeepSeek R1高出8%，單位推理成本更是降低了50%，完美實現了性能與效率的平衡。

相較於僅限文字理解的 DeepSeek，豆包深度思考模型的多模態能力優勢顯著。

譚待介紹，升級後的豆包・視覺理解模型具備強大的視覺理解能力，使模型不僅 “會看會想”，還能進行立體思考。從識別菜單內容，根據用戶口味和過敏食物提供點餐推薦，到分析航拍圖上的顏色、形狀等信息並結合地貌進行深度研判，豆包的多模態應用場景豐富且實用。

豆包・文生圖模型3.0同樣表現亮眼，其文字排版和圖像生成能力進一步增強，支持2K高清圖片生成，在影視、海報、繪畫等領域應用廣泛。在最新的文生圖領域權威榜單Artificial Analysis競技場中，豆包・文生圖3.0模型已躋身全球第一梯隊。

豆包這一次放的大招，可謂威力十足。目前豆包已經在AppStore內免費APP排行榜成功登頂，超越位居第三的DeepSeek和第九的騰訊元寶。

迎接Agent元年，“應用Agent”+“OS Agent”雙管發力

強大的模型性能爲AI Agent的發展奠定了堅實基礎。

譚待指出：“AI Agent應用主要分爲應用型Agent和OS Agent兩個方向。應用型Agent專注於特定領域任務，如客服Agent、數據Agent、代碼Agent 等；OS Agent則具備跨場景通用性和靈活性，可操作瀏覽器、電腦、手機等設備，完成複雜任務。”

在應用型Agent領域，面向專業開發者的代碼Agent——Trae重磅推出。相較於傳統AI插件產品，Trae將AI與IDE深度融合，帶來更智能的開發體驗。

在OS Agent方面，火山引擎正式發佈OS Agent解決方案，整合豆包UI-TARS模型，以及veFaaS函數服務、雲服務器、雲手機等產品，實現對代碼、瀏覽器、電腦、手機及其他Agent的高效操作。

針對Agent帶來的大量推理消耗問題，火山引擎推出ServingKit推理套件，可在2分鐘內完成671B DeepSeek R1的下載和預熱，13秒完成推理引擎加載。

同時，通過優化火山引擎EIC，將KV cache命中率提高10倍，在100% cache命中場景下，TPS吞吐量提升至5倍以上；對算子、AI網關、VKE編排調度的升級，也大幅降低了GPU消耗。

對於GPU的折舊問題，譚待認爲：“如果把軟件層面的工作做好，硬件的生命週期是可以拉長的。而且不同的場景對模型的延遲、吞吐要求是不一樣的。更重要的是在軟件層面和運營層面做好相關工作，這樣就能使硬件的生命週期和投資回報率（ROI）都達到最佳狀態。”

模型好壞比開源閉源更關鍵，對豆包充滿信心

“模型好壞，與開源閉源無關。火山引擎在適配DeepSeek方面表現出色，對豆包充滿信心。”火山引擎總裁譚待在交流中直言。

面對豆包大模型日均tokens調用量百倍的增長，譚待表示，技術發展短期易被高估、長期易被低估，tokens增長量取決於模型突破，如視覺推理、Agent等方面的進展，對未來模型調用量百倍增長持謹慎樂觀態度。

2025年被稱爲Agent元年，但譚待認爲：“能寫詩的不是Agent，能跑通供應鏈的纔是。” 這一觀點凸顯了火山引擎的務實佈局。

譚待指出，“我們希望AI能夠解決更復雜，更完整的問題，不再僅僅是對信息的感知、處理和生成，而是能端到端的處理任務。AI能做到這些，才能稱之爲一個合格的Agent。”

他認爲，實現這一目標需完成三大技術突破：首先最核心的是要有更強的模型。要做好Agent，模型需要有能力做好思考、計劃和反思，而且要一定得支持多模態。其次，開發OS Agent架構體系，實現數字與物理世界的雙向交互。最後，通過AI雲原生技術實現推理成本與延遲的指數級下降，支撐大規模應用落地。

目前，火山引擎已支持MCP協議，統一協議有助於降低開發成本、加速行業發展。未來，火山引擎不僅會推出數據智能體Data Agent等垂直類Agent產品，還將爲通用Agent開發提供工具和方案。在譚待看來，判斷真正的Agent，關鍵要看其能否完成複雜任務、是否運用深度思考模型。

當閉源模型憑藉成本優勢挑戰開源陣營，當開源生態反哺商業創新，這場大模型競爭早已超越技術層面，演變爲組織能力與生態運營的全方位較量。

可以預見的是，在Agent戰場中，唯有那些將技術深度融入行業各個環節的參與者，才能最終脫穎而出。