AI 之家 / 模型库 / 豆包1.5·视觉深度思考模型

豆包1.5·视觉深度思考模型

AI 辅助整理
火山引擎多模态理解视觉推理视频理解视频时序定位GUI Agent视频深度思考录入参考价 · 以官方为准

豆包1.5·视觉深度思考模型(Doubao-1.5-thinking-vision-pro)是火山引擎于 2025 年 5 月 13 日在上海 FORCE LINK AI 创新巡展上发布的多模态大模型,激活参数仅 20B,主打视觉推理、视频理解与 GUI Agent 能力。据来源介绍,在 60 个公开评测基准中有 38 个取得 SOTA 表现。模型已上线火山方舟,适合需要视频时序定位、复杂图形推理和 PC/手机端自动化交互任务的团队接入,价格与上下文长度来源未披露,采购前需向火山方舟核实。

上下文 token待核实
输入 / 百万 token待核实
输出 / 百万 token待核实
版本待核实
部署云端 API:已在火山方舟平台上线,登录后可体验

能力与用途

多模态理解视觉推理视频理解视频时序定位GUI Agent视频深度思考

规格与口径:来源称该模型激活参数仅 20B,并学习了数万亿多模态标记数据,结合强化学习提升视觉推理能力;在 60 个公开评测基准中 38 个取得 SOTA,视频理解、视觉推理、GUI Agent 能力处于第一梯队(以上均为来源宣称,非本站实测)。 能力与集成:视频理解支持动态帧率采样,视频时序定位能力增强,结合向量搜索可定位与文本描述对应的视频片段;GUI Agent 基于 GUI 定位性能,可在 PC 端、手机端完成复杂交互任务,来源称已应用于字节跳动多款 APP 的开发测试。 接入与交付:模型已在火山方舟上线,登录后可体验;开发者 IDE 产品 Trae 配置的是另一款 Doubao-1.5-thinking-pro,注意不要混淆型号。 采购前核查项:官方 API 计费价格、上下文 token 长度、调用配额与延迟指标来源均未给出,建议在火山方舟控制台确认后再进入选型。

能力对比

暂无经过核验的逐项评分,暂不绘制能力雷达或综合排名。

数据与来源

资料提供方
火山引擎
站内资料更新
2026-11-04 02:45:24

站内更新时间不等同于模型发布日期。未提供测试集、日期和原始成绩时,不展示官方或平台实测分数。

版本记录

Doubao-1.5-thinking-vision-pro当前录入版本

历史版本、上线与下线日期待核实。

接入与使用

请按官方文档确认 API 地址、模型标识、身份验证、权限与收费规则。

打开官方文档

平台实测

暂无已核验的模型测试报告。模型能力标签不表示已经完成平台实测。
选型助手

让需求变成可修改的筛选条件

依据已录入参数生成条件,结果可查看和修改。帧率与性能需核对实测,不能仅凭算力数值保证。