豆包大模型1.6-vision – 火山引擎推出的视觉深度思考模型

豆包大模型1.6-vision是什么

豆包大模型1.6-vision是火山引擎推出的具备工具调用能力的视觉深度思考模型。模型拥有强大的通用多模态理解和推理能力，支持Responses API，能自主调用工具如定位、剪裁、点选、画线、缩放和旋转等，实现对图像的精细处理。豆包大模型1.6-vision在视觉理解精度上满足高阶需求，在成本上相比前代模型Doubao-1.5-thinking-vision-pro降低了约50%，具有更高的性价比。模型在专业视觉理解公开测评中表现优异，覆盖OCR信息抽取、图像审核、巡检与安防、视频与图片标注、教育解题和AI搜索问答等多个应用场景，助力企业高效、低成本构建AI应用。

豆包大模型1.6-vision的主要功能

• 工具调用能力：豆包大模型1.6-vision能自主调用工具，如POINT（绘制点和线）、GROUNDING（框选区域）、ZOOM（缩放图像）和ROTATE（旋转图像），实现对图像的精细处理。