智東西
作者 ZeR0
編輯 漠影

智東西12月18日?qǐng)?bào)道，今日，火山引擎在FORCE原動(dòng)力大會(huì)上正式發(fā)布豆包大模型1.8及音視頻創(chuàng)作模型Seedance 1.5 pro。評(píng)測(cè)數(shù)據(jù)顯示，豆包大模型在多模態(tài)理解、生成能力及Agent能力上，已躋身全球第一梯隊(duì)。

火山引擎總裁譚待稱，截至今年12月，豆包大模型日均token使用量突破50萬億，較去年同期增長(zhǎng)超過10倍。

目前其已有超過100家企業(yè)客戶累計(jì)token使用量超過1萬億。

Seedance 1.5 pro音視頻創(chuàng)作模型則實(shí)現(xiàn)了毫秒級(jí)的音畫同步輸出，支持多人多語(yǔ)言對(duì)話，口型對(duì)齊精準(zhǔn)，而且生成的視頻可展現(xiàn)出影視級(jí)敘事張力。

會(huì)后，譚待在接受媒體采訪時(shí)進(jìn)一步分享了Seedance 1.5 pro的優(yōu)勢(shì)，音畫同步要不僅是聲音和畫面同步，還要做到與語(yǔ)義的同步，這需要很好的視頻模型、大語(yǔ)言模型、語(yǔ)義模型作為基礎(chǔ)，而豆包在這些領(lǐng)域均表現(xiàn)領(lǐng)先。

他透露，Seedance系列很快將上線“Draft樣片”功能，通讓預(yù)覽視頻更快，成本也更低。

一、豆包大模型1.8：更強(qiáng)Agent能力、升級(jí)多模態(tài)理解、更靈活上下文管理

作為豆包家族的最新旗艦?zāi)Ｐ?，豆包大模?.8（Doubao-Seed-1.8）面向多模態(tài)Agent場(chǎng)景進(jìn)行了定向優(yōu)化。

其工具調(diào)用能力、復(fù)雜指令遵循能力及OS Agent能力均得到增強(qiáng)，提升了模型在處理復(fù)雜任務(wù)時(shí)的規(guī)劃與執(zhí)行水平。

在視覺理解方面，豆包1.8的單次視頻理解幀數(shù)從640幀倍增至1280幀。模型支持以低幀率理解超長(zhǎng)視頻，并能調(diào)用工具對(duì)關(guān)鍵片段進(jìn)行高幀率理解。該能力可廣泛用于在線教育、產(chǎn)品質(zhì)檢等場(chǎng)景中。

豆包1.8支持256K上下文，擁有更靈活的上下文管理，擅長(zhǎng)復(fù)雜多步任務(wù)。

二、多模態(tài)理解、GUI Agent、數(shù)學(xué)與推理評(píng)測(cè)分?jǐn)?shù)領(lǐng)先

在多項(xiàng)公開評(píng)測(cè)中，豆包1.8展現(xiàn)出具有競(jìng)爭(zhēng)力的全面表現(xiàn)：在視覺推理、通用視覺問答、空間理解及視頻理解等任務(wù)中，均獲得最佳或接近最佳成績(jī)；在通用智能體測(cè)評(píng)集BrowserComp上表現(xiàn)全球領(lǐng)先；在數(shù)學(xué)與推理等基礎(chǔ)能力維度上，整體水平已接近全球頂尖的通用模型。

具體來看，在數(shù)學(xué)、推理和知識(shí)理解等核心基礎(chǔ)能力維度上，豆包1.8的整體水平接近業(yè)界頂級(jí)通用模型。

該模型在多項(xiàng)復(fù)雜指令基準(zhǔn)中保持了與業(yè)界領(lǐng)先模型接近的表現(xiàn)。

它還將能力驗(yàn)證擴(kuò)展至由真實(shí)專家定義、具有明確經(jīng)濟(jì)價(jià)值的應(yīng)用場(chǎng)景，包括教育輔導(dǎo)、客服問答、信息處理、意圖識(shí)別、信息抽取以及多步驟復(fù)雜工作流等任務(wù)類型，驗(yàn)證了模型在真實(shí)使用環(huán)境中的適用性。

評(píng)測(cè)結(jié)果顯示，豆包1.8具備業(yè)界領(lǐng)先的GUI Agent能力，在電腦、網(wǎng)頁(yè)、移動(dòng)端三類環(huán)境中，均展現(xiàn)出在不同系統(tǒng)和界面中執(zhí)行多步任務(wù)的可靠性。

其搜索任務(wù)中表現(xiàn)同樣突出，在多組公開Agent搜索評(píng)測(cè)基準(zhǔn)中保持業(yè)界第一梯隊(duì)水平，比如在BrowseComp-en基準(zhǔn)測(cè)試中得分高達(dá)67.6，超過Gemini-3-Pro等其他頂級(jí)模型。

在Agentic Coding相關(guān)基準(zhǔn)測(cè)試中，豆包1.8展現(xiàn)出了面向真實(shí)軟件工程場(chǎng)景的穩(wěn)定能力，表明其具備在真實(shí)開發(fā)環(huán)境中持續(xù)推進(jìn)任務(wù)的Agent編程能力。

FinSearchComp和XpertBench的測(cè)評(píng)顯示，該模型在處理金融商業(yè)相關(guān)任務(wù)時(shí)相對(duì)穩(wěn)定和高效。該模型在WorldTravel多模態(tài)應(yīng)用任務(wù)中得分達(dá)47.2，表明它在處理旅行規(guī)劃、用戶需求分析等真實(shí)場(chǎng)景需求時(shí)具有可靠性。

此外，豆包1.8在多模態(tài)推理任務(wù)中超越了前代模型Seed1.5-VL，在大部分任務(wù)中接近目前最先進(jìn)的Gemini-3-Pro。

在被認(rèn)為難度極高的視覺推理測(cè)試ZeroBench中，豆包1.8獲得11.0的最高得分。

在通用視覺問答任務(wù)中，該模型在VLMsAreBiased基準(zhǔn)測(cè)試中取得了62.0的分?jǐn)?shù)，大幅領(lǐng)先其他模型。

豆包1.8在2D及3D空間理解的多個(gè)基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)秀，在處理3D空間理解和復(fù)雜任務(wù)時(shí)，特別是在動(dòng)態(tài)和復(fù)雜數(shù)據(jù)集上，表現(xiàn)出較好的適應(yīng)性和推理能力。

在視頻理解領(lǐng)域，該模型表現(xiàn)出色，尤其在視頻推理、運(yùn)動(dòng)與感知、長(zhǎng)視頻理解等任務(wù)中展現(xiàn)出較強(qiáng)的適應(yīng)性。它在動(dòng)態(tài)場(chǎng)景和實(shí)時(shí)感知任務(wù)中也分?jǐn)?shù)領(lǐng)先，展現(xiàn)了模型在復(fù)雜感知任務(wù)中的能力，尤其是在處理實(shí)時(shí)信息時(shí)的高效性。

豆包1.8在長(zhǎng)視頻理解任務(wù)中同樣表現(xiàn)突出。

在視頻處理中，它還實(shí)現(xiàn)了Token Efficiency的顯著提升，既帶來了更強(qiáng)的理解能力，又將提供更低延遲的實(shí)時(shí)視頻處理體驗(yàn)。

豆包1.8通過引入多種Thinking Modes，嵌入了動(dòng)態(tài)調(diào)節(jié)思考深度的能力。用戶可根據(jù)任務(wù)的不同需求，靈活調(diào)整模型的推理深度和計(jì)算負(fù)載。

項(xiàng)目主頁(yè)：https://seed.bytedance.com/seed1_8

部分為該模型研發(fā)構(gòu)建的評(píng)測(cè)數(shù)據(jù)集已開源，或?qū)⒃谖磥黹_源。

三、Seedance 1.5 pro：音畫高精同步，支持多人多語(yǔ)言對(duì)話

針對(duì)日益增長(zhǎng)的視頻創(chuàng)作需求，火山引擎推出了Seedance 1.5 pro音視頻創(chuàng)作模型。該模型不僅具備影視級(jí)的敘事張力，能夠精準(zhǔn)捕捉運(yùn)動(dòng)細(xì)節(jié)并細(xì)膩呈現(xiàn)人物情緒，更是展現(xiàn)出在音畫高精同步方面的技術(shù)實(shí)力。

Seedance 1.5 pro采用創(chuàng)新的原生音視頻聯(lián)合生成架構(gòu)，支持環(huán)境音、背景音樂、人聲等多種元素，實(shí)現(xiàn)了毫秒級(jí)的音畫同步輸出。

在對(duì)白處理上，模型支持多人多語(yǔ)言對(duì)話，口型對(duì)齊精準(zhǔn)，覆蓋中文方言、英文及小語(yǔ)種，提升了視頻內(nèi)容的真實(shí)感與全球化創(chuàng)作潛力。

該模型可生成具有影視級(jí)敘事張力的視頻效果。

為進(jìn)一步降低創(chuàng)作門檻與成本，Seedance系列即將上線“Draft樣片”功能。創(chuàng)作者可先生成低分辨率樣片進(jìn)行預(yù)覽，其關(guān)鍵要素與最終成片高度一致，真正做到“預(yù)覽即所得”。

數(shù)據(jù)顯示，該功能可幫助創(chuàng)作者提升65%的整體效率，并減少60%的無效創(chuàng)作成本。

目前，個(gè)人用戶已可在豆包、即夢(mèng)AI等平臺(tái)體驗(yàn)該模型。企業(yè)用戶則可從12月23日起，通過火山引擎API接入Seedance 1.5 pro模型服務(wù)。

四、升級(jí)AI云原生架構(gòu)，構(gòu)建Agent規(guī)?；涞鼗?/strong>

譚待認(rèn)為，傳統(tǒng)的IT架構(gòu)已無法滿足Agent時(shí)代的需求，以模型為中心的AI云原生架構(gòu)正在形成，并圍繞Agent的開發(fā)與運(yùn)營(yíng)進(jìn)行重構(gòu)。

在Agent開發(fā)層面，火山引擎全面升級(jí)了企業(yè)級(jí)AI Agent平臺(tái)——AgentKit。該平臺(tái)覆蓋了Agent從開發(fā)、部署到管控的全生命周期，旨在解決企業(yè)在Agent落地中面臨的身份權(quán)限管理、模型確定性及系統(tǒng)集成等核心挑戰(zhàn)。

在Agent運(yùn)營(yíng)層面，火山引擎推出了HiAgent智能體工作站。該工作站通過構(gòu)建統(tǒng)一的企業(yè)AI任務(wù)調(diào)度中心、提供一系列開箱即用的通用智能體，以及支持個(gè)性化定制智能體應(yīng)用，幫助企業(yè)實(shí)現(xiàn)Agent的規(guī)?；芾砼c應(yīng)用。

此外，為降低企業(yè)使用門檻，火山引擎推出了業(yè)內(nèi)首個(gè)“AI節(jié)省計(jì)劃”。該計(jì)劃覆蓋所有按量后付費(fèi)的大模型產(chǎn)品，通過階梯式折扣，幫助企業(yè)最高節(jié)省47%的成本。

結(jié)語(yǔ)：從模型到基礎(chǔ)設(shè)施升級(jí)，推動(dòng)AI應(yīng)用向復(fù)雜Agent生態(tài)演進(jìn)

面向AI，火山引擎的AI云原生基礎(chǔ)設(shè)施持續(xù)進(jìn)化。

譚待談道，通過從模型能力到基礎(chǔ)設(shè)施的全面革新，火山引擎正在推動(dòng)AI應(yīng)用從單一的模型調(diào)用向復(fù)雜的Agent智能體生態(tài)演進(jìn)，加速AI能力在各行各業(yè)的深度落地。