在科技界掀起新一轮价格战的风潮中，字节跳动凭借其最新发布的豆包视觉理解模型，再次成为市场焦点。12月18日，于火山引擎Force大会上，字节跳动正式揭晓了这一产品的神秘面纱，并宣布其定价策略：千tokens输入仅需3厘，换算下来，一元钱便能处理多达284张720P分辨率的图片，这一价格相较于行业平均水平低了85%。
字节跳动此番举动，被视为其在多模态大模型领域的又一重大布局，与早先在通用大模型领域采取的降价策略遥相呼应。今年5月，豆包大模型的初次亮相便以震撼的价格优势，引发了市场的强烈反响，并带动阿里、百度等竞争对手纷纷跟进，掀起了一场大模型降价的风暴。
面对市场上关于豆包大模型是否在进行价格战的质疑，抖音副总裁李亮明确予以否认。他强调，公司的定价策略是基于技术创新的自然结果，而非简单的价格战手段。
火山引擎总裁谭待进一步阐述了公司的立场。他指出，豆包大模型之所以能够实现如此低廉的价格，是因为在算法、软件工程以及硬件方案等多个层面进行了深度的优化和创新。谭待还透露，即便是在3厘/千tokens的定价下，公司依然能够保持可观的毛利率，且这一价格是透明且一步到位的，不存在任何隐性成本。
在谈到当前大模型行业的现状时，谭待表示，一个好的模型应该具备高度的普及性，让每一家企业都能轻松负担得起。他认为，市场的充分竞争是推动技术优化的重要动力，而降低成本则是技术优化的必然结果。在这个充满挑战和机遇的时代，只有做得最好的企业才能生存下来并持续发展。
