豆包1.5新增GUI Agent能力，可多端完成復(fù)雜任務(wù)

　　5月13日，火山引擎發(fā)布豆包1.5·視覺(jué)深度思考模型。該模型激活參數(shù)20B，具備多模態(tài)理解和推理能力，在60個(gè)評(píng)測(cè)基準(zhǔn)中表現(xiàn)優(yōu)異。

　　其新增GUI Agent能力，可在PC端和手機(jī)端完成復(fù)雜交互任務(wù)，如自動(dòng)化檢測(cè)APP功能。

　　此外，模型支持視頻動(dòng)態(tài)幀率采樣，增強(qiáng)時(shí)序定位能力，并通過(guò)強(qiáng)化學(xué)習(xí)提升視覺(jué)推理水平，已應(yīng)用于字節(jié)跳動(dòng)多款產(chǎn)品開(kāi)發(fā)測(cè)試中。