5月23日，豆包APP正式推出实时视频交互功能。用户在开启视频通话界面后，该应用可通过智能视觉系统与使用者进行即时问答互动。当用户身处旅行场景时，只需启动视频对话模式即可查询当前景点的历史渊源、特色亮点及游览路线等实用信息。这一创新功能依托于全新升级的豆包视觉理解模型构建而成——该模型不仅具备强大的内容识别、语义推理及信息描述能力，更能通过多模态数据融合实现深度思考与智能应答。值得关注的是，在图像解析基础上，该模型还支持复杂逻辑运算任务：包括解答高等数学题型、解读学术论文图表、解析实际编程问题等高阶应用。为增强对话系统的时效性和精准度，此次更新特别引入实时联网检索功能模块，可动态调取互联网最新数据以支撑交互过程中的知识需求。
