火山引擎谭待：大模型的超低定价，来自对技术的信心

主要观点总结

火山引擎发布字节跳动豆包大模型，其超低定价策略引发行业震动。火山引擎总裁谭待解释了其定价背后的逻辑，强调降价是通过技术优化成本实现的，而非补贴。他还详细说明了如何从技术层面优化大模型的推理成本，包括模型结构改进、训练方法的持续完善、混合专家模型的应用以及工程优化等。此外，谭待还谈到了大模型市场仍处于发展初期，价格降低有助于降低企业的AI转型试错成本，加速大模型的应用落地。

关键观点总结

关键观点1: 火山引擎发布豆包大模型，定价策略引发行业震动。

火山引擎总裁谭待揭示了豆包大模型的定价背后的逻辑，即有信心用技术手段降低成本，市场也需要更低价的大模型。

关键观点2: 技术优化是推动大模型降价的关键。

谭待强调降价并非通过补贴实现，而是真正用技术优化成本。包括改进模型结构和训练方法、应用混合专家模型等解决方案。

关键观点3: 大模型市场仍处于发展初期。

谭待认为现在整个池塘还在培养的过程，大模型市场远远没到激烈竞争的阶段。

关键观点4: 价格降低有助于降低企业的AI转型试错成本。

谭待表示将大模型价格降至极低，可以使企业更容易尝试AI转型，降低试错成本，从而加速大模型的应用落地。

文章预览

统筹 |  杨园园 视觉 |  林溪 “降价的基本逻辑是，我们有信心用技术手段降低成本，市场也需要更低价的大模型。 ” 5月15日，字节跳动豆包大模型在火山引擎原动力大会上正式发布。火山引擎总裁谭待在接受媒体采访时，谈到了大模型的定价策略。 豆包大模型的超低价格引发行业震动。据悉，豆包主力模型的推理输入价格只有0.0008元/千Tokens，比行业便宜99.3%。对此，谭待坦言，“降价是用技术优化成本来实现的。如果只是补贴，用亏损换收入是不可持续的，火山引擎不会走这条路。” 火山引擎总裁谭待 据介绍，大模型推理成本的优化，技术上有很多手段。首先是模型本身，模型结构、训练方法都可以持续改进，包括业界很关注的MoE（混合专家模型），就是优化推理成本很好的解决方案。 其次是工程上的优化。大模型的调用量越大，优化推理 ………………………………