近日，火山引擎FORCE原动力大会在北京盛大召开。会上，火山引擎正式发布豆包大模型1.6、豆包・视频生成模型Seedance 1.0 pro等新模型，并升级了 Agent开发平台等AI云原生服务。这些新产品在多模态交互、复杂任务处理、内容生成等方面展现出强大功能，如豆包大模型1.6支持多模态理解和图形界 面操作，能高效处理真实世界问题；Seedance 1.0 pro可生成高品质视频，在多项评测中位居前列。 当前，全球AI大模型市场竞争激烈，众多企业纷纷布局。与市面上同类产品相比，火山引擎此次发布的大模型家族凭借全模态、全尺寸、高性价比的特 性脱颖而出。例如在多模态能力上，相比部分仅支持单一或少数模态的模型，豆包大模型1.6实现了更广泛的模态融合与深度理解；在成本方面，创新的 定价策略也为企业用户带来了显著优势，在激烈的市场竞争中抢占先机。 火山引擎的豆包大模型家族已形成丰富矩阵，涵盖基础语言模型、视觉模型、语音模型等，适用于智能交互、内容创作、数据分析等多元场景。基础语言 模型凭借强大的自然语言处理能力，为智能客服、文本生成等场景提供核心支持；视觉模型在图像识别、视频分析等领域发挥关键作用；语音模型则专注 ...

本期内容是拾象 CEO 李广密对大模型公司阶跃星辰首席科学家张祥雨的访谈， 首发于「张小珺商业 访谈录」。 张祥雨专注于多模态领域，他提出了 DreamLLM 多模态大模型框架，这是业内最早的图文生成理解 一体化的多模态大模型架构之一，基于这个框架，阶跃星辰发布了中国首个千亿参数原生多模态大 模型 Step-1V。此外，他的学术影响力相当突出，论文总引用量已经超过了 37 万次。 一直以来，业界都相当期待一个理解、生成一体化的多模态，但直到今天这个模型还没出现，如何 才能达到多模态领域的 GPT-4 时刻？这一期对谈中，祥雨结合自己在多模态领域的研究和实践历 程，从纯粹的技术视角下分享了自己对多模态领域关键问题的全新思考，在他看来，虽然语言模型 领域的进步极快，但多模态生成和理解的难度被低估了： • 接下来 2-3 年，多模态领域会有两个 GPT-4 时刻：多模态推理和自主学习； • 多模态生成理解一体化难以实现的原因在于，语言对视觉的控制能力弱，图文对齐不精确，数据质 量有限，生成模块往往无法反向影响理解模块等； • 模型 scale 到万亿参数后，在文本生成和知识问答能力增强的同时，推理能力，尤其是数学， ...

本期内容是拾象 CEO 李广密对大模型公司阶跃星辰首席科学家张祥雨的访谈。 张祥雨专注于多模态领域，他提出了 DreamLLM 多模态大模型框架，这是业内最早的图文生成理解 一体化的多模态大模型架构之一，基于这个框架，阶跃星辰发布了中国首个千亿参数原生多模态大 模型 Step-1V。此外，他的学术影响力相当突出，论文总引用量已经超过了 37 万次。 一直以来，业界都相当期待一个理解、生成一体化的多模态，但直到今天这个模型还没出现，如何 才能达到多模态领域的 GPT-4 时刻？这一期对谈中，祥雨结合自己在多模态领域的研究和实践历 程，从纯粹的技术视角下分享了自己对多模态领域关键问题的全新思考，在他看来，虽然语言模型 领域的进步极快，但多模态生成和理解的难度被低估了： • 接下来 2-3 年，多模态领域会有两个 GPT-4 时刻：多模态推理和自主学习； • o1 范式的技术本质在于激发出 Meta CoT 思维链：允许模型在关键节点反悔、重试、选择不同分 支，使推理过程从单线变为图状结构。 目录 01 研究主线： 重新回归大模型 • 多模态生成理解一体化难以实现的原因在于，语言对视觉的控制能力弱，图文对齐不精确， ...