Doubao Vision
Nivel multimodal de Doubao, de ByteDance, para comprender imágenes y documentos
Doubao Vision es el nivel multimodal de ByteDance para comprender imágenes y documentos, lanzado el 18 de diciembre de 2024 en la conferencia Force de Volcano Engine. Lee contenido visual y razona sobre él: identifica objetos, analiza gráficos, resuelve problemas de lógica planteados como imágenes, lee código en capturas de pantalla y responde a preguntas ligadas a una imagen, en lugar de limitarse a describirla. ByteDance lo construyó como parte de la familia más amplia de modelos Doubao, la que está detrás de su app de asistente para el consumidor y de la API en la nube de Volcano Engine.
Como en otros lanzamientos de Doubao, el precio era el centro del argumento. ByteDance lo puso en unos 0,003 yuanes por 1000 tokens, y lo presentó como un 85 % más barato que la media del sector, lo bastante para procesar cientos de imágenes de resolución estándar por un yuan. Es un modelo cerrado y propietario, disponible solo en la app y la API de ByteDance.