Doubao 1.5 Vision Pro (32k context) — extended-context vision-language variant.
Doubao-1.5-vision-pro-32k — флагманская vision-language модель ByteDance, выпущенная в январе 2025 вместе с Doubao 1.5 Pro (суффикс 250115). Она расширяет разреженную архитектуру MoE семейства 1.5 Pro улучшениями в обработке мультимодальных данных, динамическом разрешении и точном выравнивании изображения и текста, показывая сильные результаты на задачах понимания текста в изображениях и визуального рассуждения.
Для оператора TheRouter Doubao-1.5-vision-pro-32k — эффективный по цене китайский multimodal endpoint, поддерживающий стандартный формат OpenAI vision chat. Он отлично справляется с QA по документам, извлечением из графиков/таблиц, OCR-интенсивными задачами и пониманием GUI при цене значительно ниже GPT-4o или Claude 3.5 Sonnet vision. Модель полностью доступна через api.therouter.ai/v1 и использует тот же продакшн-инференс-стек (PD-disaggregation, W4A8), что и текстовая версия 1.5 Pro.
| Тип | Ставка |
|---|---|
| Вход | $0.486 за 1 млн токенов |
| Выход | $1.46 за 1 млн токенов |
| Дата релиза | 2025-01-15www.aibase.com ↗ | проверено |
| Архитектура | Редкая MoE vision-language модель (расширение Doubao-1.5-pro)team.doubao.com ↗ | проверено |
| Входные модальности | Текст + Изображение (без нативного видео)www.volcengine.com ↗ | проверено |
| Лицензия | Закрытая (только API) | проверено |
| Дата отсечения данных | Не раскрыто | неизвестно |
| Benchmark | Distribution | Score | Source |
|---|---|---|---|
DocVQA Сильное понимание текста в документах; один из самых высоких показателей среди MLLM 2025 года. | 96.7%% | arxiv.org ↗ | |
InfoVQA Отличные результаты в рассуждении по инфографике и графикам. | 89.3%% | arxiv.org ↗ | |
VisuLogic Высший балл среди сравниваемых моделей на этом бенчмарке визуального рассуждения (всё ещё на 23+ пункта ниже человека). | 28.1%% | arxiv.org ↗ | |
ChartQA Конкурентоспособное извлечение из графиков и таблиц; точные числовые оценки приведены в статье OCR-Reasoning. | Strong | arxiv.org ↗ |
Для новых интеграций используйте глобальный endpoint api.therouter.ai из примеров ниже; старый China accelerated endpoint выведен из эксплуатации.
curl https://api.therouter.ai/v1/chat/completions -H "Content-Type: application/json" -H "Authorization: Bearer $THE_ROUTER_API_KEY" -d '{
"model": "doubao/doubao-1-5-vision-pro-32k",
"messages": [
{"role": "user", "content": "Summarize the key points from this input."}
]
}'curl https://api.therouter.ai/v1/chat/completions \
-H "Authorization: Bearer $THEROUTER_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model":"doubao/doubao-1-5-vision-pro-32k",
"messages":[{"role":"user","content":[
{"type":"text","text":"请用中文描述这张图片中的表格内容。"},
{"type":"image_url","image_url":{"url":"https://therouter.ai/assets/vision-sample.png"}}
]}]
}'ByteDance выпустила модель визуального понимания Doubao-1.5-vision-pro с комплексными улучшениями в обработке мультимодальных данных и динамическом разрешении. Модель ориентирована на рассуждение по тексту в изображениях и китайские документные workflow при той же агрессивной цене, что и текстовая версия 1.5 Pro.
Да. Принимает ту же структуру payload chat.completions с блоками image_url, что и другие OpenAI-совместимые vision-модели через TheRouter.
| источник | URL | получено | |
|---|---|---|---|
| Дата релиза | www.aibase.com ↗ | 2026-05-26 | проверено |
| Архитектура | team.doubao.com ↗ | 2026-05-26 | проверено |
| Входные модальности | www.volcengine.com ↗ | 2026-05-26 | проверено |
| Лицензия | — | — | проверено |
| Дата отсечения данных | — | — | неизвестно |
| DocVQA | arxiv.org ↗ | 2026-05-26 | проверено |
| InfoVQA | arxiv.org ↗ | 2026-05-26 | проверено |
| VisuLogic | arxiv.org ↗ | 2026-05-26 | проверено |
| ChartQA | arxiv.org ↗ | 2026-05-26 | к проверке |
| ByteDance выпускает Doubao-1.5-vision-pro вместе с Doubao 1.5 Pro | aibase.com ↗ | 2026-05-26 | проверено |
| Поддерживает ли Doubao-1.5-vision-pro-32k стандартный формат OpenAI image_url? | src ↗ | 2026-05-26 | к проверке |