因为以前的大模型可能能说能思考，但对于现实世界的物理空间缺乏理解，而现在的多模态大模型有了视觉理解能力的加持，大模型就和我们真人一样，能够感知到人类所感知到的各种信息，处理各种各样的信息。豆包视觉理解模型的发布，标志着视觉理解模型进入了“厘时代”，它的千tokens输入价格仅为3厘，一元钱就可以处理284张720P的图片，比行业价格便宜85%。想象一下，如果你的手机或者电脑能够看懂你面前的任何东西