Doubao-1.5-vision-pro
Doubao-1.5-vision-pro
字节跳动
Doubao-1.5-vision-pro 是字节跳动豆包大模型 1.5 系列中的多模态视觉模型，支持文本+图像输入，具备任意分辨率及极端长宽比图像识别能力，增强了视觉推理、文档识别、细节理解和指令遵循能力，适用于图像分析、文档处理等场景。
核心参数
| 厂商 | 字节跳动 |
|---|---|
| 分类 | 多模态 |
| 标签 | 视觉理解 |
模型定价
输入
3 元/百万 tokens
输出
9 元/百万 tokens
批量推理输入
1.5 元/百万 tokens
批量推理输出
4.5 元/百万 tokens
模型能力
| 输入类型 | 文本+图像 |
|---|---|
| 输出类型 | 文本 |
| Function Call | 否 |
| 模型精调 | 否 |
| 前缀缓存 | 否 |
| 结构化输出 | 是 |
模型参数
| 上下文窗口 | 128K |
|---|---|
| 多模态支持 | 多模态 |
| 最大输入 Token | 128K |
| 最大生成 Token | 16K |
| TPM | 5000K |
| RPM | 30K |
| 典型场景 | 意图识别 |
基准测试得分
以下是在各种标准基准测试中的表现，评估模型在不同任务和领域的能力。
GPQA
研究生物理问题评估
77.3
AIME
衡量高难度数学竞赛问题解决能力
86.7