5月23日，豆包APP正式推出实时视频通话功能。当用户在电话界面激活视频画面后，该应用可依托智能视觉技术实现实时场景交互，在视频通话过程中同步提供问答服务。旅途中开启此功能时，用户不仅能查看周边环境实况画面，还可即时询问所在景点的历史渊源、特色亮点或游览路线规划等信息。
该创新功能的核心支撑是全新升级的豆包视觉理解模型。这一人工智能系统具备强大的视觉内容识别、逻辑推理及语言生成能力，可同时处理图像与文本信息并进行深度综合分析。除常规场景问答外，在复杂任务处理方面表现尤为突出：既能解答高等数学题目和解析学术论文图表数据，又能针对真实编程代码进行错误诊断与优化建议输出。
值得关注的是，在保障对话质量方面研发团队特别强化了技术架构——通过整合网络信息检索模块实现动态数据更新机制。当用户发起涉及时效性内容的咨询时（如新闻事件查询或市场行情了解），系统可即时调取互联网最新数据资源作为知识补充来源，在保证信息安全的前提下提升交互响应效率与答案准确性。
