豆包大模型

• 家族成员：豆包大模型是字节跳动推出的多模态模型集合，统一在火山引擎官网 https://www.volcengine.com/ 上对外提供。清单包括通用语言模型、豆包 PixelDance 与豆包 Seaweed 视频生成、文生图、图生图、同声传译、角色扮演、语音合成、声音复刻、语音识别、Function Call 和向量化。

通用模型分为 Pro 与 Lite 两条线，都是字节跳动自研 LLM，支持 128K 长文本、全系列可精调：Pro 是高级语言模型，适用问答、总结、创作这类既要质量又要长上下文的场景；Lite 是轻量版，成本与延迟更低，适合预算有限或对响应速度敏感的团队。视频侧支持文本到视频与图片到视频两种入口；语音侧把识别、合成、复刻、端到端同传排成一列。

• 几个可核对的数字：在包含 MMLU、BBH、GSM8K、HumanEval 在内的 11 个业界基准测试集中，Doubao-pro-4k 的总体得分为 76.8 分，代码、专业知识与指令遵循三块进步明显。
• 走什么流程：先到火山引擎注册账户，在平台上提交豆包大模型的使用权限申请，写明用途场景；拿到 API 端点、请求方法与鉴权信息后按文档集成，跑完测试再上生产，之后持续盯调用延迟与输出质量做迭代。

挑一档现成的即可——短上下文对话用 Lite，长文档归结用 128K。

计费·语言模型按

• tokens 后付费：Doubao-lite-4k（含 lite-character）上下文长度 4K，输入 0.0003元/千tokens、输出 0.0003元/千tokens，后付费，免费额度 50万tokens；Doubao-lite-32k 上下文长度 32K，输入 0.0003元/千tokens、输出 0.0006元/千tokens；Doubao-lite-128k 上下文长度 128K，输入 0.0008元/千tokens、输出 0.0010元/千tokens；Doubao-pro-4k（含 pro-character、pro-functioncall）上下文长度 4K，输入 0.0008元/千tokens、输出 0.0020元/千tokens；Doubao-pro-32k 上下文长度 32K，输入 0.0008元/千tokens、输出 0.0020元/千tokens；Doubao-pro-128k 上下文长度 128K，输入 0.0050元/千tokens、输出 0.0090元/千tokens。

六档全部后付费。

• 计费·按模型单元独占算力：这一档买的是独立的算力资源，比共享队列更可控。Doubao-lite-4k 与 Doubao-lite-32k 可承载性能（TPS）3000，按小时 60元/个、包月 28000元/个；Doubao-lite-128k 可承载性能（TPS）4500，按小时 240元/个、包月 112000元/个；Doubao-pro-4k 与 Doubao-pro-32k 可承载性能（TPS）3200，按小时 160元/个、包月 80000元/个；Doubao-pro-128k 可承载性能（TPS）3500，按小时 1200元/个、包月 550000元/个。
• 计费·视觉语音向量：视觉模型这边，豆包-文生图模型-智能绘图走推理服务，0.2元/次，后付费，免费额度 200次。语音大模型中 Doubao-语音合成为推理服务，5元/万字符，后付费，免费额度 5000 字符；Doubao-声音复刻同为推理服务，8元/万字符，后付费，免费额度 5000 字符。

向量模型 Doubao-embedding 最长输入长度 4K，输入 0.0005元/千tokens，后付费，免费 50万tokens。

• 计费·模型精调：按“训练文本 × 训练迭代次数”的 tokens 量计算，训练完成后出账，同样是后付费。Doubao-lite-4k、Doubao-lite-32k、Doubao-lite-128k 的 LoRA 定价 0.03元/千tokens；Doubao-pro-4k、Doubao-pro-32k、Doubao-pro-128k 的 LoRA 定价 0.05元/千tokens。
• 声音这条线细看：语音识别侧做的是多语种听写，既能转写会议录音也能给语音命令做前端；声音复刻只需 5秒样本即可实现 1:1 克隆，音色相似度与自然度是它的卖点，还能做跨语种迁移；同声传译把识别和合成串起来，主打低延时加跨语言同音色输出。视觉那条线细看：文生图侧除了常规的自然语言出图，官方把它“擅长中国文化元素”当作方向与卖点——古风、节气、传统纹样这类题材命中率相对高；视频生成有 PixelDance 与 Seaweed 两个底座，支持文生视频与图生视频，运镜和动态表现是它主打的方向。
• 哪些业务把它接进去了：文生图与视频生成承担配图、海报、短视频产出，语音合成给成片配音；角色扮演模型常被拿去撑虚拟客服和游戏 NPC 的对话；Function Call 负责把复杂工具调用串起来；向量化模型搭的知识库改善检索召回，也用来重写搜索引擎的相关性排序；法律与金融方向会拿通用模型做合同审阅与合规检查，会议录音则交给语音识别转成文字。
• 提醒一句：上表是公开页面的定价快照，更多模型及定价信息请以豆包大模型官网为准，新模型上线和调价都不罕见，做预算前请回官网核对最新口径。