豆包

定义

豆包是字节跳动开发的一款对话式人工智能助手产品，用户以自然语言提问或下达任务，由后台大模型生成文字、图片、音频等内容作为回应^[1]。它面向普通大众而非单一专业场景，界面以聊天框为主，并附有拍照答疑、图片生成、音乐生成等快捷入口^[4]。

与底层模型不同，豆包指的是用户直接接触的应用端产品。为它提供计算能力的是豆包大模型，该模型可通过字节跳动旗下的云服务平台火山引擎向企业输出，属于同一个技术体系中的两个层次^[5]。

原理

豆包的回答由基于 Transformer 架构的大型语言模型生成。这类模型先在大规模文本上做无监督预训练，学习语言的统计规律与知识，再经有监督微调掌握遵循指令的能力，最后通过基于人类反馈的强化学习调整输出取向^[6]。除文本模型外，产品还接入了图像、视频、语音等专用模型，以支持多模态输入输出。

在具体交互中，系统先识别用户意图，再结合模型内部知识与联网检索到的网页内容组织答案，并在对话窗口或结果页呈现^[7]。部分版本提供“深度思考”模式，在给出结论前先分步推理并检索资料。图片、音乐、视频等生成功能则分别调用文生图、音乐生成和视频生成模型。

语音通话是其中较有代表性的能力。豆包电脑版和手机版均可一键进入通话，模型可切换声线、模仿方言，并以接近自然对话的节奏应答^[7]。早期版本中的智能体功能允许用户挑选或自建带有人设的对话角色，用于英语陪练、模拟面试等场景^[4]。

发展历程

2023 年初，字节跳动开始组建专注大模型研究的团队，同年 6 月由火山引擎上线大模型服务平台火山方舟。2023 年 8 月，名为云雀的大模型通过生成式人工智能服务备案，基于该模型的对话产品豆包同期开启对外测试^[2]。

2024 年 5 月 15 日，字节跳动在火山引擎原动力大会上把云雀大模型更名为豆包大模型，并首次对外说明豆包应用与智能体开发平台扣子的产品形态；当时公布的日均文本处理量为 1200 亿 Tokens，日均生成图片 3000 万张^[8]。同年，产品陆续加入音乐生成、图片理解、视频生成等功能，并推出与耳机结合的硬件形态^[6]。

2025 年 6 月，字节跳动在火山引擎 Force 大会上发布豆包大模型 1.6 版，强调原生多模态与长上下文能力；截至 2025 年 9 月底，该模型日均 Tokens 调用量突破 30 万亿^[3]。据 QuestMobile 数据，2025 年 8 月豆包应用月活跃用户超过 1.57 亿，超过同期 DeepSeek 的约 1.43 亿，在移动端 AI 聊天助手中居首^[3]。

2025 年 12 月，豆包与中兴通讯合作，以工程样机形式推出搭载豆包手机助手技术预览版的努比亚 M153^[6]。2025 年 9 月，字节跳动老将赵祺接手豆包产品，负责移动端、电脑端用户产品及模型策略^[3]。

应用

在日常信息获取方面，豆包可用于问答、翻译、联网搜索与网页、论文、报告的长文摘要，并能在回答后给出延伸问题建议^[4]。拍照识图功能可识别景物、图表与题目，被用于拍题答疑和解读复杂图片^[9]。

在内容创作方面，豆包支持文案、报告、PPT 大纲、会议纪要等文本写作，也提供图像生成与编辑、AI 音乐创作和短视频生成，用户可用一句话指令并行生成多张图片，或为图片换背景、扩图、去除背景^[7]。

在学习与办公场景中，豆包被用于讲解题目、批改作业、拆解知识点，以及总结资料、分析数据、写代码和生成文档^[10]。此外，火山引擎把豆包大模型的能力输出给手机、汽车座舱等行业客户，形成企业侧的应用渠道^[3]。

局限

豆包与其他生成式 AI 助手一样存在“幻觉”问题，即在缺乏依据时给出看似合理但实际错误的内容。媒体实测中，记者要求它代为预订高铁票，豆包列出了车次与票价并称已锁定席位，但铁路购票系统内并无相应订单，它随后才说明无法在他人账号内生成订单^[11]。这类回复说明其角色更接近信息提供者，而非服务执行者。

在检索类任务上，其可靠性也有限度。有媒体对多款国产 AI 产品做过新闻溯源测试，结果显示各产品在标题、作者、链接三项指标上全部正确的比例平均约为 25%，其中豆包表现相对靠前，但也存在引用转载页面而非原始来源的情况^[12]。

在专业深度上，豆包对复杂推理与高度专业的问题表现不稳定，知识也存在时效边界，对实时更新的数据无法保证准确^[13]。开发者评测同样指出，其在代码生成、复杂 API 调用等任务上不如部分专门优化的模型，多模态能力则相对完整^[3]。

此外，拟人化程度较高的交互方式会带来使用上的边界。产品在对话中会以较柔和的语气表达与纠错，这种风格便于普通用户上手，但不能替代对答案事实性的核验^[13]。

参见

• 豆包大模型 —— 为豆包应用提供文本、图像、语音等生成能力的底层模型家族。

• 火山引擎 —— 字节跳动旗下云与 AI 服务平台，豆包大模型通过该平台对外提供接口。

• 生成式人工智能 —— 豆包所属的技术类别，依靠模型生成文本、图像等新内容。

• 大语言模型 —— 豆包对话能力所依赖的模型类型。

• 智能体 —— 豆包曾提供的带有人设与特定功能的可配置对话角色。

• AI幻觉 —— 生成式模型输出不实内容的现象，是豆包被讨论的主要局限之一。