卓越的 OCR 精準度
針對金融與醫療表單中的密集文字進行最佳化。在表格與複雜圖表中，具備比 GPT-4o 更高的空間精準度，確保可靠地擷取符合企業需求的資料。
Doubao 1.5 Vision Pro 32K (Build 250115)
doubao 1.5 api 透過 ByteDance 提供企業級多模態視覺能力。針對 32k 上下文進行最佳化，與舊有模型相比，只需極低成本即可為中文和英文文件提供卓越的 OCR 與雙語推理能力。
API 呼叫範例
curl --request POST "https://gptproto.com/v1/chat/completions" \
--header "Authorization: Bearer $GPTPROTO_API_KEY" \
--header "Content-Type: application/json" \
--data '{
"model": "doubao-1-5-vision-pro-32k-250115",
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}'Doubao 1.5 Vision Pro 32k 250115 pricing
Chat, coding agents & document work. Priced per 1M tokens — input, cached input and output are billed separately. GPTProto is 15% below official rates.
你的用量
Bytedance · ≈ 100M tokens/mo（0M 快取）
OpenRouter
牌價 + 5.5% 儲值手續費
$63.29
每月
輸入（未快取）$36.17
輸出$27.13
Bytedance
直接向 Bytedance 購買（牌價）
$59.99
每月
輸入（未快取）$34.28
輸出$25.71
最划算
GPTProto
官方價 15% off
$50.99
每月
折扣後$50.99
實際成本$50.99
各來源月成本
OpenRouter
$63.29
Bytedance
$59.99
GPTProto
$50.99
每月節省 $9.00
在 GPTProto 相較 Bytedance（−15%）
年省約 $108.02 · 隨用隨付
GPTProto 在官方價基礎上提供模型折扣（約 10–30% off），再疊加儲值贈送額度——每單位都比直連更划算。
相關模型
所有模型
| 模型 | 輸入 → 輸出 | ||||
|---|---|---|---|---|---|
| — | $0.36 / $1.09 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 | |
| — | — | $0.30 / $1.20 每 1M | — / $0.006 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | |
| 1.05M | $0.79 / $2.38 每 1M | — / $0.04 每 1M | 輸入: 文字 輸出: 文字 | ||
| 1.05M | $8.00 / $40.00 每 1M | $10.00 / $0.80 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.90 / $4.50 每 1M | $0.60 / $0.09 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件輸入: 音訊 輸出: 文字 | ||
| 1M | $9.00 / $45.00 每 1M | $11.25 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1M | $1.80 / $5.40 每 1M | $2.25 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件輸入: 音訊 輸出: 文字 | ||
| — | 1.31M | $0.15 / $0.50 每 1M | — / $0.03 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件 輸出: 文字 | |
| — | 1.05M | $0.30 / $1.20 每 1M | — / $0.006 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | |
| 1.31M | $1.26 / $3.96 每 1M | — / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.90 / $4.50 每 1M | $0.60 / $0.09 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 500K | $1.20 / $3.60 每 1M | — / $0.30 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 1M | $1.80 / $5.40 每 1M | $2.25 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 影片輸入: 文件 輸出: 文字 | ||
| 1M | $4.50 / $22.50 每 1M | $5.63 / $0.45 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.90 / $4.50 每 1M | $0.60 / $0.09 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $2.70 / $13.50 每 1M | $0.27 / $0.27 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.16 / $0.96 每 1M | $0.20 / $0.02 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $1.60 / $9.60 每 1M | $2.00 / $0.16 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 500K | $1.20 / $3.60 每 1M | $0.30 / $0.30 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 1M | $1.80 / $9.00 每 1M | $2.25 / $0.18 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 1.05M | $0.48 / $0.96 每 1M | $0.10 / $0.10 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1.05M | $1.26 / $3.96 每 1M | $0.23 / $0.23 每 1M | 輸入: 文字輸入: 圖像輸入: 文件 輸出: 文字 | ||
| 1M | $0.36 / $1.44 每 1M | $0.07 / $0.07 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| — | 1.05M | $0.30 / $1.20 每 1M | — / $0.006 每 1M | 輸入: 文字 輸出: 文字 | |
| 1M | $0.75 / $1.50 每 1M | $0.12 / $0.12 每 1M | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 262K | $0.85 / $3.60 每 1M | $0.14 / $0.14 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 205K | $0.24 / $0.96 每 1M | $0.30 / $0.02 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 262K | $0.54 / $2.70 每 1M | $0.09 / $0.09 每 1M | 輸入: 文字輸入: 文件 輸出: 文字 | ||
| 262K | $0.10 / $0.97 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 262K | $0.10 / $0.97 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 262K | $0.02 / $0.18 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| 262K | $0.10 / $0.24 每 1M | — | 輸入: 文字輸入: 圖像 輸出: 文字 | ||
| — | $0.10 / $0.24 每 1M | — | 輸入: 文字 輸出: 文字 |
doubao 1.5 API 的核心功能
專為專業 AI 開發者打造的進階多模態功能。
雙語視覺推理
專為中英文跨模態任務調校。輕鬆解讀具有文化特性的標誌與手寫文字。非常適合需要高精準度翻譯與視覺脈絡的全球化平台。
代理式視覺速度
提供媲美 GPT-4o-mini 的低延遲推理，同時具備 Pro 級推理能力。非常適合需要理解動態使用者介面的即時視覺代理、RPA 與互動式機器人。
原生 JSON 擷取
透過 JSON 模式強力支援結構化資料輸出。確保視覺資料被解析為可預測的格式，輕鬆整合至自動化流程與資料庫。
doubao 1.5 api 常見問題
關於 doubao 1.5 api 整合方式、功能與技術規格的專業解答。
doubao 1.5 api 的視覺功能有何不同？
此 API 專為高解析度 OCR 與雙語視覺推理進行最佳化。與許多通用模型不同，它能在密集表格與複雜圖表中維持空間準確度，因此是文件處理的專用工具。其多尺度編碼可保留細節，避免過度縮小影像，確保大型技術藍圖中的小字仍清晰可讀，並可直接進行結構化擷取。
doubao 1.5 api 是否相容於 OpenAI SDK？
可以。在 GPTProto.com，我們為 doubao 1.5 api 提供與 OpenAI 相容的介面。您只需更新基礎 URL 和模型名稱，即可輕鬆遷移現有工作流程。圖片 URL 的訊息結構完全相同，讓您的團隊無需重寫核心邏輯，也不必變更現有的 Python 或 Node.js 整合模式，便能在幾分鐘內從 GPT-4o 等高成本替代方案切換至此高性價比模型。
doubao 1.5 api 每百萬 token 的費用是多少？
doubao 1.5 api 的價格極具競爭力。輸入 token 的價格為每 1M $0.12，輸出 token 則為每 1M $0.48。相較於 GPT-4o 執行類似的多模態推理任務，其價格約低 90%。對於電子商務內容審核或大規模文件數位化等高流量企業工作負載而言，這些節省能在維持 Pro 級效能的同時，大幅降低總持有成本。
doubao 1.5 api 是否支援 JSON 模式？
當然可以。doubao 1.5 api 提供可靠的原生 JSON 強制輸出功能。將回應格式設定為 json_object 後，開發人員即可確保模型以高可靠性從視覺輸入中返回結構化資料。這對自動化發票處理或身分文件驗證特別實用，因為將特定欄位擷取為機器可讀格式，對後續自動化流程與資料庫寫入至關重要。
此 1.5 vision 模型的上下文視窗是多少？
doubao 1.5 api 支援 32,768 個 token 的上下文視窗。這項容量讓它能在單一請求中處理多張高解析度圖片或篇幅較長的文字提示。雖然其上下文視窗不如 Gemini 等專用長上下文模型大，但對於詳細文件分析、UI/UX 稽核，以及需要同時深入理解視覺與文字上下文的教育輔導任務而言，已綽綽有餘。
我可以使用 doubao 1.5 api 進行影片分析嗎？
目前，doubao 1.5 api 不支援直接上傳影片檔案。不過，您可以從影片中擷取關鍵影格，並將其作為個別圖片輸入，以執行影片分析。此方法對視覺代理與監控應用非常有效。模型的低延遲推理能力確保處理一連串影格時仍足夠快速，能滿足大多數近乎即時的代理式視覺應用場景。
延伸閱讀
與本模型相關的指南、對比與更新。
所有文章
豆包 AI：功能、優缺點與評價完整解析
探索字節跳動的豆包 AI：具備多模態能力、即時回答、圖像生成等功能，價格比 ChatGPT 低 50 倍。了解價格、存取方式，以及它與競爭對手的比較。
gpt-image-1 API：完整開發者指南
掌握適用於開發專案的 gpt-image-1 API。探索整合技巧、成本與替代方案。了解如何立即打造更出色的 AI 應用程式！
gemini2.5 pro 仍然強悍嗎？現實檢驗
gemini2.5 pro 是否正在失去優勢？探索其幻覺問題、程式設計困難，以及這個 AI 模型為何仍是長上下文任務的王者。查看最終評價。
Claude Sonnet 4.5：AI 推理能力的躍進
探索 Claude Sonnet 4.5 如何在程式設計、上下文處理與學術誠信方面超越競爭對手。立即最佳化你的工作流程，了解更多。