豆包视觉理解模型正式登场：体验流程详解

官方文档：https://www.coze.cn/docs/guides/vlm

在12月18日举办的火山引擎 Force 大会上，字节跳动正式发布发布豆包视觉理解模型，为企业提供极具性价比的多模态大模型能力。

当你传入图片时，视觉语言模型（VLM）可以理解图片里的视觉信息，并结合这些信息完成图片相关的任务，例如描述图片等。豆包模型家族中的 Doubao-vision-pro-32k 就是 VLM 的一种。基于RTC + 视觉大模型/语言大模型的强大理解能力，扣子支持和自己搭建的智能体进行低延迟高质量的视频实时通话，让智能体耳聪目明。

前置准备: coze 专业版用户

第一步 火山方舟平台开通模型

1）登录火山方舟

2）创建推理接入点

3）填写基本信息

4）添加模型

5）点击确认接入

第二步 coze 使用 视觉模型 创建智能体

扣子网址：https://www.coze.cn/home

1）创建智能体

2）选择模型

3）发布

4）勾选 API 和 Chat SDK 并发布

第三步 链接申请 视觉模型 体验

链接：申请体验链接

填写完成后，提交即可

第四步 体验豆包视觉模型

开通完成后访问网址 https://www.coze.cn/open-platform/realtime/playground 即可体验。

官方体验视频（最后一个）：https://vcn9zksseidl.feishu.cn/wiki/SX1DwC4exiCJvQkMj98cHl9enJe?fromScene=spaceOverview