字节跳动发布全模态大模型，能听会看还能干活，推动多行业应用

字节跳动旗下火山引擎宣布，豆包大模型家族迎来首款全模态理解模型Doubao-Seed-2.0-lite。它打破单一模态限制，实现视频、图像、音频与文本原生统一理解，视觉与逻辑推理能力出色，超越今年2月的Pro版本。融入语音理解技术，支持19种语种转写及14个语种互译，Agent与Coding能力进化，代码能力覆盖多领域，还实现GUI理解与执行一体化，已在多领域落地。

技术上，该模型是全模态的重磅升级，能进行“音画同步”深度联合推理，对多轮复杂指令遵循度提升。更高效的Doubao-Seed-2.0-mini版本同步上线，为企业低成本部署全模态推理任务提供了高性价比选择，有望推动全模态技术在更多行业应用。