从算力到思考力：火山引擎的 AI 价值曲线
10月16日，在 FORCE LINK AI 创新巡展武汉站上，火山引擎发布了豆包大模型的系列更新，包括豆包大模型 1.6 原生支持多种思考长度，并推出了豆包大模型1.6 lite、豆包语音合成模型2.0、豆包声音复刻模型2.0等全新模型。
随着AI产业落地持续加速，截至2025年9月底，豆包大模型日均tokens调用量已突破30万亿，相比今年5月底增长超80%。在企业市场，IDC报告显示，2025年上半年中国公有云大模型服务市场，火山引擎以49.2%的份额占比位居中国第一。
火山引擎总裁谭待指出，全球AI大模型正在三个方向上快速发展：一是深度思考模型正与多模态理解能力融合，二是视频、图像、语音模型逐步实现生产级水平，三是企业级复杂Agent正在走向成熟，为企业激发新的生产力潜能。
▍豆包大模型1.6升级
在服务大量企业用户的过程中，火山引擎发现，当开启深度思考模式，模型效果平均可提升31%，但会提高模型延迟和使用成本，这导致在实际应用中，深度思考模式的使用占比仅有18%。
针对这一痛点，豆包大模型1.6全新升级：提供Minimal、Low、Medium、High四种思考长度，平衡企业在不同场景下对模型效果、时延、成本的不同需求，并进一步提升了思考效率。这也是国内首个原生支持“分档调节思考长度”的模型。
以低思考长度为例，相比模型升级之前的单一思考模式，升级后的豆包1.6模型总输出tokens下降77.5%、思考时间下降84.6%，模型效果保持不变。
此外，为进一步满足企业的多样化需求，火山引擎正式推出豆包大模型1.6 lite，相比旗舰版本更轻量、推理速度更快。效果上，该模型超越豆包大模型1.5 pro，在企业级场景测评中较豆包1.5 pro提升14%；在使用量最大的0-32k输入区间里，综合使用成本较豆包1.5 pro降低53.3%。
▍豆包语音合成、声音复刻模型 2.0 发布
巡展活动中，火山引擎正式发布豆包语音合成模型2.0（Doubao-Seed-TTS 2.0）、豆包声音复刻模型2.0（Doubao-Seed-ICL 2.0），具备更强的情感表现力、更精准的指令遵循能力，还能准确朗读复杂公式。
该模型基于豆包大语言模型研发语音合成新架构，让合成和复刻的声音都能进行深度语义理解，并拓展出上下文推理能力，从单纯的文本朗读进化为“理解后的精准情感表达”。用户还能通过自然语言，实现对语速、情绪、声线、音调、风格变化的精准调整，大幅提升语音的可控性。
在教育场景中，复杂公式和符号的朗读一直是业界难题，目前市面上的同类模型朗读准确率普遍低于50%。新发布的两大语音模型进行了针对性优化，目前在小学至高中阶段全学科的复杂公式朗读中，准确率可达90%。
自去年5月首次发布以来，豆包语音模型家族已覆盖语音合成、语音识别、声音复刻、实时语音、同声传译、音乐创作、播客创作等7大领域，已覆盖超过4.6亿台智能终端。语音，正在成为AI应用的核心交互方式。
▍国内首个模型智能选择解决方案
模型越来越多，面对具体需求时，如何选择模型最有性价比？
为了解决这个问题，火山引擎发布智能模型路由（Smart Model Router），这是国内首个针对模型智能选择的解决方案。即日起，用户可以在火山方舟上选择“智能模型路由”功能，该功能支持“平衡模式”、“效果优先模式”和“成本优先模式”三种方案，可针对任务请求自动选择最合适的模型，达到效果与成本的最优解。
目前，火山引擎智能模型路由已支持豆包大模型、DeepSeek、Qwen、Kimi等多种主流模型。以DeepSeek为例，经过实测，在效果优先模式下，智能路由后，模型效果相比直接使用DeepSeek-V3.1提升14%；在成本优先模式下，在实现DeepSeek-V3.1相似效果的条件下，模型的综合成本最高下降超过70%。
▍ Tokens 增长与价值
现场媒体问答环节，谭待强调算力和客户覆盖并不存在直接等式关系，“模型能力强弱才是穿透更多行业的关键变量。” 在企业落地层面，豆包大模型 1.6 的“思考长度分档”叠加火山方舟的智能模型路由，一端降低时延与成本，一端简化模型选择与编排难度；针对企业常见的管理痛点，还通过 HiAgent “1 + N + X” 统一入口，解决多 Agent 并行带来的知识库与既有系统集成问题。
在模型选择上，智能路由并非简单地“用更大的模型就更好”，而是基于不同任务分布动态挑选最优解。 谭待解释，较大尺寸的 pro 并不会在所有测试集上全面优于 lite，路由通过识别“哪类 prompt 用哪种模型更好”，从而同时获得更低成本与更好效果。该能力已覆盖豆包体系，并扩展到 DeepSeek、Qwen、Kimi 等主流模型，在火山方舟即可直接使用。
生态与开发者策略上，火山引擎将“开发者”视为企业与个人的统称，核心抓手是把平台与工具打磨好，包括火山方舟的高代码工具与路由能力，并通过培训与开放的“万有计划”链接行业伙伴。行业共创已在汽车座舱等场景推进，零售端与瑞幸、茶百道等品牌落地多种应用，更传统的能源等行业也在进入共创路径。 对企业来说，通用类场景（办公、代码、营销、客服）与行业专用场景将同步推进。
对于外界关注的“Tokens 飙升与价值创造关系”，谭待的判断是非线性：“企业愿意为 Tokens 付费，是因为它带来了更大业务增益，创造的价值远大于 Tokens 的增长。” 他进一步给出衡量口径：“是否在做 AI 转型，首先看每天消耗多少 Tokens；如果连 10 亿 Tokens 都没有，确实不太好意思说自己在做 AI 转型。” 在趋势上，生成类模型已达到生产级并快速增长，国内 coding 场景有望在模型能力提升后迎来释放。
在成本与规模化方面，谭待把“成本”拆解为综合命题：单价之外，更长的思考长度会推高账单，开发与运维也会形成隐性成本。由此，1.6 的分档思考与智能路由构成“降本组合拳”，前者通过动态调节把不必要的长思考“收回来”，后者以“效果优先 / 成本优先 / 平衡模式”在不同模型间自动切换；“路由本身不收费，最终按被选中的模型计费。” 谭待补充，这一功能对个人与中小企业同样适用，现已在火山方舟面向全量开放。
✦ 精选内容 ✦
