“AI終于可以“聽人話”“干人事”了。

看了火山引擎的發(fā)布會，我萌生一個念頭：未來不必擔心AI會讓我失業(yè)了，相反，它可能還會讓我早點下班。

在FORCE Link AI創(chuàng)新巡展· 廈門站，火山引擎帶來了最新的“全家桶”——豆包·圖像編輯模型3.0、豆包·同聲傳譯模型2.0，豆包大模型1.6系列全新升級。面向Agent開發(fā)和落地，火山引擎開源扣子核心能力，并發(fā)布企業(yè)自有模型托管方案、Responses API等多個模型服務和工具產(chǎn)品，為企業(yè)和開發(fā)者構(gòu)建Agent、落地AI夯實基礎設施。

一句話：對個人來說，讓AI聰明干活。對企業(yè)來說，讓Agent零門檻落地。

讓我們來看看，火山引擎這次放的這些大招。

豆包·圖像編輯模型 SeedEdit 3.0

“人怎么說AI怎么畫”

豆包·圖像編輯模型SeedEdit 3.0是本次大會發(fā)布的一款重要產(chǎn)品，具備更強的指令遵循能力、圖像保持能力和更強的圖像生成質(zhì)量。它基于強大的文生圖模型Seedream 3.0，疊加多樣化的數(shù)據(jù)融合方法與特定獎勵模型，可支持1K以上高清圖像的生成與處理。在對編輯區(qū)域進行精細自然調(diào)整的同時，能高度還原并保留圖像主體、背景及細節(jié)信息。

大家在使用AI生圖的時候，一個最大的煩惱，就是大模型會亂來。你只想局部微調(diào)，它卻直接給你推到重來。

豆包·圖像編輯模型SeedEdit 3.0，是如何把人的所思所想，精準“投射”到畫面中呢？

我們先生成一個張圖片。

提示詞：優(yōu)雅女子，黃金時刻，白裙飄逸，海風拂發(fā)，側(cè)顏凝望，純凈沙灘，淺景深，電影質(zhì)感

現(xiàn)在調(diào)整這張照片，其他元素不變，只改變站姿的方向。

提示詞：改變站姿，讓她面對鏡頭

不得不說，效果還是很讓人驚嘆的。豆包不僅精準理解了提示詞，還完美實現(xiàn)了這個訴求。這位優(yōu)雅的女士人像效果逼真，在調(diào)整的過程中，照片沒有出現(xiàn)失真或走樣。兩張照片放在一起看，恍惚間真有一種真人擺拍的感覺。

更重要的是，整個背景也隨著女士的站姿進行了合乎情理的調(diào)整。看看這張圖，暖色調(diào)的夕陽溫柔地灑在海天之間，大海的波浪也隨著鏡頭發(fā)生了變化，沙灘上一排排腳印，細節(jié)全部拉滿。這給人一種強烈的感覺，似乎所有的背景元素全部都在為這位女士的優(yōu)雅轉(zhuǎn)身，努力提供氛圍感。

不只是調(diào)整畫面，連圖片中的文字部分，豆包·圖像編輯模型SeedEdit 3.0也得做到“無損”平替。

原圖是一張《阿凡達》英文版的電影海報。

提示詞：將圖片里的AVATAR，替換成阿凡達，排版風格不變

調(diào)整后的海報，除了文字區(qū)域的精準替換，其他部分自動保持不變，畫面完好如初！

除了這些能力之外，最絕的還有豆包讓圖有了推理能力。這是剛包好的餃子，右邊是已經(jīng)煮好的。

提示詞：將餃子煮熟，還是原來的排列方式

煮熟的餃子看起來非常筋道，每只餃子體型發(fā)生了細小的變化，生成的畫面看起來是如此的符合物理規(guī)律，而且原圖中散亂的面粉時候全消失不見了。也就是說，AI“合理推測”出煮熟的餃子，不會還有面粉的殘留。

類似的驚喜點還有很多。

要么說這次火山引擎的產(chǎn)品思路是“以人為本、服務于人”呢，因為它高度還原了打工人的真實場景。一名設計師，要做好一個重要的設計圖，至少要被你的本部門領導吊打幾次，然后再被相關部門的同事吊打幾次，最終再被公司領導吊打幾次，受夠了足夠多的“窩囊氣”后，才算是走完整個設計流程。

持續(xù)不斷地吊打、連續(xù)不斷地更改，這才是人類設計師真實的工作模式。但在傳統(tǒng)的AI生圖模式下，用戶下達指令后整個畫面“一動全動”。這樣一來，設計師不僅要受領導的氣，還得跟AI置氣。

火山引擎將AI生圖的流程完全擬人化，支持圖片的邊聊邊改，而且精準識別人的需求，說改哪里就改哪里。像我這種0美術(shù)根基的人，也能出大片。

目前，豆包·圖像編輯模型SeedEdit 3.0已在火山方舟正式開放，企業(yè)可直接調(diào)用火山方舟API，個人在即夢或豆包App就能體驗。

豆包·同聲傳譯 2.0

最強“嘴替”零障礙跨語言交流

除了作圖，現(xiàn)場還發(fā)布了豆包·同聲傳譯2.0。根據(jù)火山引擎總裁譚待介紹，豆包·同聲傳譯模型2.0是首個延遲&準確率接近人類水平的產(chǎn)品級中英語音同傳系統(tǒng)，在中英同傳翻譯質(zhì)量達到業(yè)界SOTA的同時，實現(xiàn)了極低的語音延遲水平。

豆包·同聲傳譯 2.0有兩大優(yōu)勢：

超低語音延遲，溝通無斷點：

長期以來，傳統(tǒng)的語音傳譯的技術(shù)邏輯是這樣的：人說一段話，機器識別這段語音，將語音轉(zhuǎn)譯成文字，文字最終合成語音輸出。整個過程，有多個轉(zhuǎn)換環(huán)節(jié)，信息在轉(zhuǎn)換的過程中不斷損耗和扭曲。更重要的問題是，還會出現(xiàn)延遲的問題。

豆包同傳模型則摒棄了這一模式，采用了業(yè)界前沿的端到端全雙工語音翻譯框架，不僅實現(xiàn)了從源語言到目標語言的直接生成，更能完整保留源語言中豐富的韻律信息，使內(nèi)容更貼近說話者的真實意圖，并將延遲壓縮至2-3秒這一驚人水平，基本上實現(xiàn)了真正的“邊聽邊說”翻譯。

0樣本聲音復刻，音色無縫跨越：

無需提前錄音，豆包即可“克隆”你的音色說外語，連方言口音也能hold住。哪怕用湖南話讀一遍“劉奶奶找牛奶奶買榴蓮牛奶”，它也能精準捕捉和復制。

0樣本聲音復刻的技術(shù)得以實現(xiàn)，借助了豆包同傳模型強大的說話人身份編碼技術(shù)，僅需利用演講者開口說話的前3-5秒音頻，就能迅速提取出獨特的聲紋特征，并結(jié)合目標語言的語言習慣，動態(tài)調(diào)整輸出節(jié)奏，徹底抹去了“AI”味，令其“講人話”。

豆包大模型 1.6 系列再升級

能“說”會“畫”是針對具體應用的升級，基礎模型——極速版Doubao-Seed-1.6-flash更是廈門創(chuàng)新巡展的一大亮點。

近期，豆包大模型的更新迭代似乎進入一個加速期。僅僅一個月前，豆包大模型1.6才剛剛發(fā)布。

Doubao-Seed-1.6-flash在保持1.6出色的視覺理解能力的同時，升級了代碼、推理、數(shù)學等大語言模型能力。非常適合智能巡檢、手機助手、智能硬件等對模型效果、速度和成本都有要求的大規(guī)模商業(yè)化場景。該模型具有業(yè)界領先的極低延遲，TPOT僅10ms，并依然具備強大的視覺理解能力。

價格上，Doubao-Seed-1.6-flash在輸入文本長度0-32k的區(qū)間中（企業(yè)使用量最大），每百萬tokens輸入僅需0.15元，輸出僅1.5元。在真實的客戶案例中，該模型幫助客戶延遲下降60%，成本降低70%。

全模態(tài) Embedding模型

同時，Seed1.6-Embedding首次把“文本+圖像+視頻”混合向量化檢索做成一站式方案，權(quán)威測評拿下中文文本及多模態(tài)任務雙料第一，企業(yè)知識庫瞬間升級成“多模態(tài)維基”。

扣子開源

助力企業(yè)進入Agent“拎包入住”的時代

除了更好的基礎模型，火山引擎持續(xù)優(yōu)化AI云原生全棧服務，幫助企業(yè)實現(xiàn)端到端的Agent開發(fā)和落地。

扣子核心能力開源

火山引擎扣子是新一代AI Agent平臺，包括「扣子空間」、「扣子開發(fā)平臺」、「扣子羅盤」和Eino四個子產(chǎn)品。

本次開源的項目Coze Studio和Coze Loop，分別脫胎于扣子開發(fā)平臺和扣子羅盤，并采用非常友好的Apache 2.0許可證，無任何附加條款。

·扣子開發(fā)平臺，是一站式的AI Agent可視化開發(fā)工具，讓AI Agent的創(chuàng)建、調(diào)試和部署變得簡單；

·扣子羅盤，聚焦于Agent從開發(fā)到運維的全鏈路管理，是開發(fā)者的AI Agent“智能運維官”。

簡單來說，這兩款產(chǎn)品一個側(cè)重Agent開發(fā)，一個側(cè)重Agent迭代，這兩個項目的開源協(xié)議都是Apache 2.0許可證，也就是說用戶不僅可以直接使用這些代碼，還可以自由修改、定制，以及商業(yè)化使用。

根據(jù)火山引擎公布的數(shù)據(jù)，開源僅三天，Coze Studio在GitHub的stars數(shù)已經(jīng)破萬，Coze Loop也有3000+stars。

火山引擎的云基礎產(chǎn)品，也將為扣子開源版提供高效、穩(wěn)定、可靠的基礎設施支持，開發(fā)者可以一鍵拉起資源，完成部署。

企業(yè)自有模型托管方案發(fā)布

針對有模型定制需求的企業(yè)，火山引擎依托火山方舟模型單元推出自有模型托管方案。企業(yè)無需運維底層GPU資源及復雜配置，即可實現(xiàn)自研模型全托管，享受彈性算力，自主選擇部署方式與機型，精準控制時延，且無需為業(yè)務低谷期付費，目前已開放邀測。

同時，火山方舟升級API體系，推出Responses API。該API具備原生上下文管理能力，支持多輪對話鏈式管理及文本、圖像等多模態(tài)數(shù)據(jù)銜接，結(jié)合緩存能力可降低80%成本；還支持單次請求聯(lián)動多工具與模型組合響應，將智能助手Agent開發(fā)從460行代碼、1-2天，縮減至60行代碼、1小時，大幅提升效率。此外，Responses API支持自主選擇調(diào)用工具，用戶發(fā)起單次請求，即可聯(lián)動多個內(nèi)置工具、自定義函數(shù)及多輪模型組合響應，解決復雜Agent任務，讓Agent開發(fā)更加省時省力。

火山引擎的開源、托管、運維、云服務等一系列舉措，為企業(yè)提供了從Agent的落地提供從開發(fā)、管理、部署、運營乃至托管的全面服務。最近，姜文的新電影《你行！你上！》引發(fā)了關于“醋”和“餃子”的爭論?；鹕揭孀龅氖?，就是“我們不僅給你醋，還把餃子皮搟好、餡調(diào)好、水燒開、桌子擺好、碗筷遞上。你現(xiàn)場吃、打包回家，都隨意。”針對大中小微各類企業(yè)的需求，按需分配能力和資源，讓所有企業(yè)都能吃上AI這頓餃子。

火山引擎，正在重現(xiàn)字節(jié)“故”事

火山引擎的崛起之快令人咂舌，一如字節(jié)跳動的后發(fā)先至的故事，妥妥的爽文男主的劇情。

IDC發(fā)布的《中國公有云大模型服務市場格局分析，2025年一季度》顯示，按照大模型調(diào)用量的市場份額來看，火山引擎獨占46.4%的市場份額，位列第一。

事實上，火山引擎并不是云計算的最先入局者。阿里云、華為云、騰訊云和百度云，在幾年前已經(jīng)牢牢把控了整個公有云的市場份額?；鹕揭孀鳛楹髞碚撸?怎么就強勢霸榜了呢？

這當然利離不開龐大的字節(jié)生態(tài)的培育，抖音、頭條、西瓜視頻超級App當“陪練”，日均16.4 萬億tokens，5億終端設備跑在豆包大模型上。

但火山引擎也不負眾望，挑起了字節(jié)跳動AI原生時代的大梁。AI時代的加速到來，近年來，字節(jié)跳動在B、C兩端同步發(fā)力，一方面提升基礎大模型的通用能力，打造AI原生應用產(chǎn)品矩陣攻占C端用戶市場；另一方面提高Agent的生態(tài)構(gòu)建能力， 將Agent作為推動AI在千行百業(yè)落地的主要路徑和核心入口。

本次創(chuàng)新巡展，一個“用”字貫穿始終。

AI好不好用，關鍵在于能不能解決人和企業(yè)的痛點。整場大會下來，我們感覺到火山引擎是懂企業(yè)和打工人的，放的這些大招招招擊在大家的心趴上，助力個人和企業(yè)能夠以最小成本在AI時代“盡快上車”、“拎包入住”。

來源：數(shù)據(jù)猿