“AI，你帮我挑个木瓜？”实测豆包视频通话功能 一场AI“视觉交互”争夺战已打响

每经记者｜李宇彤 杨昕怡 每经编辑｜文多 国内AI（人工智能）视频交互赛道再添重磅玩家。 近日，字节跳动旗下AI智能助手"豆包"的App上线视频通话功能，支持视频聊天问答。据官方介绍，本 次升级基于视觉推理模型，支持联网搜索。 《每日经济新闻》记者实测发现，豆包的视频通话功能用处不少，包括识别水果成熟度这样的日常用 途。此外，在识别物品时，豆包更展现出持续记忆和逻辑推理能力。 5月27日，一位大模型算法工程师接受《每日经济新闻》记者微信采访时表示，豆包在视频通话中展现 出的视频理解与语音交互能力，在中文语境中处于第一梯队。 继文生视频大模型后，字节在AI多模态领域又迈出关键一步。 能打视频电话的豆包，效果如何？ "视觉是人类了解这个世界最重要的方式，对于大模型来说也是如此。"在去年12月举行的"2024火山引 擎FORCE原动力大会·冬"上，火山引擎总裁谭待发布了豆包视觉理解模型，称该模型具备更出色的内容 识别、理解、推理、视觉描述和创作等能力。 5个月后，这一新模型的能力让所有豆包用户"眼见为实"了。 和豆包打个视频电话，是否真的能解决上述这些生活问题呢？百闻不如一见，《每日经济新闻》记者近 日以挑选水果、 ...