EZAPK

　　12 月的大模型行业迎来一波密集上新。12 月 10 日，字节跳动视频生成模型 PixelDance 在豆包电脑版开启内测，用户每日可免费生成十支视频；12 月 16 日，月之暗面发布 Kimi 视觉思考模型 k1，试题拍照即可给出答题思考的全过程；12 月 18 日，火山引擎 Force 大会上，豆包一口气发布视觉理解、3D 生成等多款新模型；12 月 19 日晚间，快手可灵 1.6 模型压轴登场。十天四次出手，2024 年收官阶段的大模型竞赛格外热闹。

　　当晚压轴登场的是可灵 1.6：快手宣布，新模型的文本响应度、画面美感及运动合理性均有明显提升，画面更稳定更生动，其中图生视频高品质模式官方宣称内部评测比 1.5 模型整体效果提升 195%。从视频生成、视觉思考到多模态能力矩阵，三家的押注方向在十二月集中兑现，年末大模型话题热度推向新高。

PixelDance 开启内测：豆包电脑版每日免费十支视频

　　PixelDance 视频生成模型已在豆包电脑版正式开启内测，部分用户已开通体验入口，内测页面显示，用户每日可免费生成十支视频。此前，PixelDance 于 9 月底首次发布，最早通过即梦 AI、火山引擎面向创作者和企业客户小范围邀测，如今登陆豆包电脑版，面向普通用户陆续开放。

　　据早期内测创作者介绍，当 PixelDance 生成 10 秒视频时，切换镜头 3-5 次的效果最佳，场景和角色能保持很好的一致性；用户还可使用时序提示词、长镜头等技巧，增强视频的复杂度和表现力。豆包相关负责人表示，未来仍将持续开放和优化该功能，更好地帮助普通用户创作和表达。

Kimi k1 登场：拍照解题，思维链全程可见

　　12 月 16 日，月之暗面发布 Kimi 视觉思考模型 k1。该模型基于强化学习技术打造，原生支持端到端图像理解和思维链技术，并将能力扩展到数学之外的更多基础科学领域。月之暗面官方表示，在数学、物理、化学等基础科学学科的基准能力测试中，初代 k1 模型的表现超过了 OpenAI o1、GPT-4o 以及 Claude 3.5 Sonnet。

　　新模型发布即上线。「Kimi 视觉思考版」已陆续上线最新版「Kimi 智能助手」的 Android 和 iPhone 手机 App 以及网页版 kimi.com，在手机 App 或网页版 Kimi+ 页面即可拍照或传图体验。新模型会完整呈现推理思维链 CoT，让用户不只看到答题结果，也能看到模型思索答案的全过程。

　　从训练侧看，k1 的训练分为两个阶段：先通过预训练得到基础模型，再进行强化学习后训练。基础模型重点优化了字符识别能力，在 OCRBench 上得到 903 分，在 MathVista-testmini、MMMU-val 和 DocVQA 基准测试集上分数分别为 69.1、66.7 和 96.9。月之暗面表示，k1 的强化学习后训练在数据质量和学习效率方面做了进一步优化，在强化学习规模化上取得新的突破。

　　基准测试本身也是行业挑战。由于市面上缺乏针对基础科学学科的图形测试集，Kimi 模型研发团队自主构建了标准化测试集 Science Vista，涵盖不同难度的数理化图片题目，将开放给全行业。月之暗面也坦言，k1 在分布外泛化、复杂问题成功率、噪声场景准确率、多轮问答效果等方面仍有很大提升空间，与 OpenAI 的 o1 系列模型相比仍有差距。

火山引擎 Force 大会：豆包多款新模型同台亮相

　　12 月 18 日，火山引擎 Force 大会举行，字节跳动正式发布豆包视觉理解模型，为企业提供多模态大模型能力。这款模型价格颇具冲击力：千 tokens 输入价格仅为 3 厘，一元钱就可处理 284 张 720P 的图片，官方宣称比行业价格便宜 85%。

　　豆包 3D 生成模型也在活动中正式亮相，与火山引擎数字孪生平台 veOmniverse 结合使用，可完成智能训练、数据合成和数字资产制作，官方称之为一套支持 AIGC 创作的物理世界仿真模拟器。豆包大模型旗下多款产品同步更新：通用模型 pro 全面对齐 GPT-4o，使用价格仅为后者的 1/8；音乐模型可生成 3 分钟的完整作品；文生图模型 2.1 版本支持精准生成汉字、一句话 P 图，已接入即梦 AI 和豆包 App。

　　更早几日，北京大学已于 12 月 12 日联合字节跳动成立豆包大模型系统软件联合实验室，高校和企业科研人员将重点围绕大模型的训练、推理等开展科研工作，一批批北大学生也将进入实验室实习实践。面向未来，豆包将于明年春季推出具备更长视频生成能力的视频生成模型 1.5 版，端到端实时语音模型也将很快上线，解锁多角色演绎、方言转换等新能力。

可灵 1.6 压轴：整体效果提升 195%

　　12 月 19 日晚间，快手宣布视频生成推出可灵 1.6 模型，文本响应度、画面美感及运动合理性均有明显提升，画面更稳定更生动，同时支持标准和高品质模式。特别是 1.6 图生视频的高品质模式，官方宣称内部评测比 1.5 模型整体效果提升 195%。

　　升级细节集中在三个方面：文本响应度上，对运动、时序类动作、运镜等文字描述响应的更好，也能更好生成首帧图中未包含的元素；动态质量上，一些运动的合理性得到改进，人物表情更自然；画面质量上，风格保持更好、色彩更美观、光影更合理、细节更逼真。

　　使用成本方面，可灵 1.6 高品质模式（1080p）生成视频为 35 灵感值 / 5s、70 灵感值 / 10s；标准模式（720p）为 20 灵感值 / 5s、40 灵感值 / 10s。非会员登录每月送灵感值，也可开通会员获得更多灵感值。需要注意的是，1.6 图生视频的首尾帧、运动笔刷、运镜等控制功能暂未支持。

密集上新背后：用户基本盘与资本热度并存

　　密集上新的底气来自用户基本盘。据量子位智库数据，2024 年 5 月至 7 月，豆包 App 的日新增用户从 20 万迅速提升至 90 万，9 月率先成为国内用户规模破亿的首个 AI 应用。截至 11 月底，豆包 2024 年的累计用户规模已超过 1.6 亿，11 月平均每天有 80 万新用户下载豆包，单日活跃用户近 900 万，位居 AI 应用全球第二、国内第一。11 月份的 DAU 方面，豆包 App DAU 约为 850 万，持续增长；第二名 Kimi DAU 约为 300 万，有所下滑；第三名文小言 DAU 约为 140 万，略有增长。

　　热度同样蔓延至资本市场。12 月 17 日，针对网传的豆包大模型与中兴手机合作一事，豆包相关负责人回应表示消息不实：豆包大模型已经和许多手机有了深度合作，但没有和中兴通讯探讨过成立新品牌可能性。12 月 19 日，字节跳动发布风险提示，称资本市场出现炒作「豆包概念股」现象，流传着众多夸大其词甚至是虚构的内容，提醒投资者切勿轻信市场传言。产品端十天四次上新，资本端接连辟谣降温，2024 年的大模型行业就这样走向收官。