作者 ｜ 王兆洋
郵箱 ｜ wangzhaoyang@pingwest.com

價(jià)格只有Gemini 3 pro的1/4、多模態(tài)理解和推理能力頂級(jí)、從底層支撐了現(xiàn)象級(jí)Seedance2.0大殺四方的大一統(tǒng)基座模型豆包2.0，終于來(lái)了。

這是最近最被期待的模型之一。即便這個(gè)春節(jié)的AI圈如此熱鬧，你也不得不承認(rèn)，目前字節(jié)跳動(dòng)成功搶走了絕大部分注意力。

先是Seedance2.0的驚艷亮相——各個(gè)社交網(wǎng)絡(luò)上都是它制作的驚人的視頻，被形容為“殺死比賽”和結(jié)束AIGC童年期，并且被很多人用來(lái)與去年DeepSeek效應(yīng)對(duì)比；再是媲美Nano Banana，在理解和推理上有很大進(jìn)步的Seedream模型；然后就是剛剛，為前兩個(gè)模型提供了底層智能基礎(chǔ)的基座模型豆包2.0最終亮相。

這次豆包大模型2.0系列（Doubao-Seed-2.0）提供了多個(gè)模型選擇：包含 Pro、Lite、Mini 三款多模態(tài)通用模型，以及面向開發(fā)者的 Code 模型（Doubao-Seed-2.0-Code），以滿足不同場(chǎng)景下企業(yè)和用戶對(duì)延遲和成本的不同需求。

至此，字節(jié)整個(gè)豆包大模型家族到齊。三連擊，注意力拉滿。

其實(shí)圍繞模型的刷屏，以前在DeepSeek，Kimi 和千問(wèn)身上都看到過(guò)，但這一次發(fā)生在豆包系列“三連擊”身上的“刷屏”還是有挺大的的不同：

它自己沒怎么強(qiáng)調(diào)、外界也還沒怎么討論它的“榜單”排名，但人們第一時(shí)間就這么用起來(lái)甚至是瘋狂地玩了起來(lái)。在即夢(mèng)里，在剪映里，在豆包里，在火山引擎的api里，在各種社交網(wǎng)絡(luò)里。

模型被廣泛討論，而且是以一種真正被大家用起來(lái)的方式流行起來(lái)，讓人不再太關(guān)注什么模型指標(biāo)，參數(shù)，網(wǎng)狀評(píng)分圖，甚至Seedance 2.0都快讓你不需在意什么專業(yè)提示詞這些東西了——這才是這次“殺瘋了”的豆包模型系列最不一樣也最值得關(guān)注的地方。

1

一心要解決真實(shí)世界問(wèn)題的豆包模型

仔細(xì)看看這次發(fā)布的幾款模型以及研究字節(jié)在模型上一貫的策略和思路，能更好理解這種不同。

最為驚艷的Seedance2.0，此次最核心的幾個(gè)特點(diǎn)包括對(duì)物理規(guī)律理解，對(duì)復(fù)雜指令的跟隨，更真實(shí)的音效與視頻的配合，以及對(duì)復(fù)雜運(yùn)鏡和特效的把握，這些都是專業(yè)以及普通人們的影視和視頻創(chuàng)作里最真實(shí)的需求。

在諸多的使用里，你會(huì)發(fā)現(xiàn)大家在表達(dá)一個(gè)感受：Seedance2.0吸引人的不只是模型能力，還有它的交互和使用的順滑。讓人感覺已經(jīng)把產(chǎn)品交互的需求“訓(xùn)”到了模型層面。除了討論模型，用戶會(huì)覺得它是一個(gè)完善的為真實(shí)需求服務(wù)的agent，一個(gè)用戶需求滿足的很好的產(chǎn)品。

而豆包這個(gè)基座模型，解決的也全是真實(shí)世界的難題。

從最初幾款模型瞄準(zhǔn)的更廣泛而基本的問(wèn)題，到今天的復(fù)雜系統(tǒng)問(wèn)題。字節(jié)通過(guò)用火山引擎，豆包App等與豆包的徹底連通，來(lái)讓真實(shí)的用戶和使用者的需求直接一桿子捅到底，影響基礎(chǔ)模型訓(xùn)練的方向和標(biāo)準(zhǔn)。

這都體現(xiàn)在了豆包2.0的更新里。

它的VLM提升了視覺與多模態(tài)理解能力，特意為那些最容易產(chǎn)生幻覺的場(chǎng)景做優(yōu)化，同時(shí)它提升了復(fù)雜指令執(zhí)行能力，對(duì)“記憶”的理解開始更加真實(shí)，讓模型在復(fù)雜真實(shí)任務(wù)里更依賴實(shí)時(shí)判斷的推理邏輯而非死記硬背。此外，它增強(qiáng)了搜索能力、讓知識(shí)更強(qiáng)，此次也同時(shí)發(fā)布了專為coding場(chǎng)景服務(wù)的分支模型。

而且，在豆包2.0背后，字節(jié)再次強(qiáng)調(diào)了它自己的一整套基于真實(shí)世界任務(wù)構(gòu)建的內(nèi)部評(píng)估，它是完成端到端任務(wù)的關(guān)鍵。據(jù)硅星人了解，字節(jié)還為這些看起來(lái)很“普通”的工作分配了充足的算力資源。

這種“務(wù)實(shí)”并不意味著模型不再涌現(xiàn)新能力。

在我們看到的一份預(yù)覽報(bào)告里，豆包2.0在處理一個(gè)真實(shí)的復(fù)雜代碼生成任務(wù)時(shí)，它的解決方案策略不同于評(píng)測(cè)基準(zhǔn)的官方參考實(shí)現(xiàn)。這雖然沒有被字節(jié)形容為DeepSeek論文里那種“aha moment”，但也有了這個(gè)意味。因?yàn)檫@背后模型不再僅僅是針對(duì)已知解決方案做模式匹配，而是表現(xiàn)出在復(fù)雜計(jì)算領(lǐng)域進(jìn)行嚴(yán)格問(wèn)題求解的能力。這才是推理能力投射到真實(shí)世界任務(wù)后該有的作用。

豆包作為字節(jié)唯一的基座模型，選擇了大一統(tǒng)的多模態(tài)原生框架，也就是所有模態(tài)都從一開始就訓(xùn)在一起，推理能力agent能力也都是原生支持多模態(tài)的。這樣的基礎(chǔ)能力正是Seedance這些“垂直”模型給人驚艷體驗(yàn)的根本。

在基于視覺的推理能力上，豆包2.0展示了對(duì)GUI操作界面的很強(qiáng)的理解和推理，甚至是進(jìn)一步增強(qiáng)了的實(shí)時(shí)反思能力，這些都是做一個(gè)好的agent的基礎(chǔ)。

一個(gè)例子是freeCAD任務(wù)。CAD軟件其實(shí)是個(gè)非常高噪音的圖形操作環(huán)境，在其中進(jìn)行語(yǔ)義 GUI 理解，需要通過(guò)視覺理解環(huán)境，然后通過(guò)反思、退出甚至循環(huán)的方式分析反饋，自我診斷，從錯(cuò)誤里學(xué)習(xí)，最終自己學(xué)會(huì)一種“在環(huán)境里學(xué)習(xí)”的能力。

此前同樣讓人眼前一亮的豆包手機(jī)背后，也是這樣的模型能力提供支撐。

而這些能力會(huì)進(jìn)一步提供給Seedance和Seedream這樣的模型。

在Seedance2.0這次亮眼的能力中，就有一個(gè)很有代表性的細(xì)節(jié)。我用它花了不到10分鐘做了一個(gè)風(fēng)格遷移的動(dòng)畫片，你可以看到它的“參考”能力，已經(jīng)進(jìn)入了風(fēng)格的層面，這是單純的視頻模態(tài)的模型無(wú)法具備的，它來(lái)自于豆包2.0這個(gè)基座模型，來(lái)自于一個(gè)把所有能力和所有模態(tài)進(jìn)行大一統(tǒng)訓(xùn)練的強(qiáng)大底層模型。

（我做了一個(gè)阿凡提動(dòng)畫片風(fēng)格，瑞克和莫蒂主演的“杭州宣傳片”）

1

字節(jié)自己的Gemini3時(shí)刻

豆包2.0這次的整體更新非常值得仔細(xì)品味。

根據(jù)字節(jié)內(nèi)部透露，它非常重視在一些基礎(chǔ)科學(xué)里的任務(wù)表現(xiàn)，比如一些數(shù)學(xué)猜想、廣義相對(duì)論和量子編譯器調(diào)試以及計(jì)算化學(xué)的各種任務(wù)。

這樣的偏好說(shuō)明字節(jié)嘗試讓它繼續(xù)打好通用能力的基礎(chǔ)，考察和訓(xùn)練的一大重點(diǎn)，都是理解抽象科學(xué)概念、主動(dòng)發(fā)現(xiàn)并修復(fù)真實(shí)漏洞的能力。

所以，如果用人們習(xí)慣的“屠榜”視角去看，豆包系列有個(gè)很大不同，它其實(shí)沒有去卷最驚艷的那些塔尖上的任務(wù)，它花了大量精力去尋找多模態(tài)橫向增加智能維度，與更靠譜的處理最廣泛基礎(chǔ)需求的能力之間的微妙平衡。而這無(wú)疑是挺考驗(yàn)?zāi)托暮凸?jié)奏的把握的。

這背后也有“只有字節(jié)能這么做”的理由，那就是豆包app。

豆包已經(jīng)是個(gè)國(guó)民級(jí)產(chǎn)品，所以當(dāng)它背后的模型更新時(shí)，意味著大量天天用豆包的活躍用戶的一個(gè)離不開的產(chǎn)品的更新，那么它當(dāng)然要提高最廣泛最基礎(chǔ)的任務(wù)的完成度和能力。這是其他模型可能不需要考慮，也無(wú)法“利用”的局面。

換句話說(shuō)，豆包系列模型是少有的真的在面對(duì)大量真實(shí)鮮活具體用戶做訓(xùn)練和優(yōu)化迭代的模型。

而負(fù)責(zé)把這種思路落實(shí)下來(lái)的一個(gè)關(guān)鍵環(huán)節(jié)，是火山引擎。在此前我們和字節(jié)模型團(tuán)隊(duì)的交流里，他們選擇了一條很接近字節(jié)做產(chǎn)品的思路的方式在做模型：模型的設(shè)計(jì)其實(shí)最終是和真實(shí)用戶一起完成的，火山引擎作為模型對(duì)外統(tǒng)一的出口，和字節(jié)的模型部門Seed緊密合作，火山的模型策略團(tuán)隊(duì)會(huì)把市場(chǎng)上的需求反饋收集和抽象出來(lái)，直接影響到模型的重要功能和研發(fā)方向，一切都要用真實(shí)業(yè)務(wù)價(jià)值來(lái)衡量模型能力。

在最近的三連擊過(guò)程里，火山引擎也開始面對(duì)甜蜜的煩惱，Seedance2.0等模型的需求暴增，給火山帶來(lái)巨大需求，對(duì)它算力基礎(chǔ)設(shè)施的要求越來(lái)越高。不過(guò)，正是這個(gè)增長(zhǎng)過(guò)程里積累的真實(shí)經(jīng)驗(yàn)，在反過(guò)來(lái)幫助模型在訓(xùn)練中得到更高的token利用率和更好的算力效率。

這一切都不得不讓人想到Google。在我們此前的文章《火山有了自己的token經(jīng)濟(jì)學(xué)》里，我們就提到，字節(jié)和Google是同一個(gè)路線：關(guān)鍵技術(shù)全部自研，模型閉源，產(chǎn)品到研發(fā)直接全面打通。

以及，豆包就對(duì)應(yīng)著Gemini，一個(gè)大一統(tǒng)的多模態(tài)agent模型。Seedance 緊跟Veo，甚至超過(guò)了對(duì)方。這一切的技術(shù)基礎(chǔ)也和Google類似，都長(zhǎng)在自己的以AI為核心的機(jī)器學(xué)習(xí)平臺(tái)和云服務(wù)上，然后這些“Gemini同款”和“豆包同款”細(xì)化成產(chǎn)品再提供給外界。

而Google是在Gemini 3 的發(fā)布之后，真正證明了自己這一整套路線的正確，從此真正進(jìn)入自己的節(jié)奏里。

此次豆包系列所創(chuàng)造出的氛圍也異曲同工。Google在發(fā)布Gemini3時(shí)的一個(gè)變化是，新模型和自己國(guó)民級(jí)應(yīng)用以及自有基礎(chǔ)設(shè)施平臺(tái)第一次在第一時(shí)間緊密結(jié)合，Gemini 3第一時(shí)間上線Google各種應(yīng)用，同時(shí)，Nano Banana Pro緊隨其后進(jìn)一步確立它模型在使用者中的地位。而字節(jié)這一次的節(jié)奏也很有意思，Seedance并非單獨(dú)上線，而是和一系列產(chǎn)品緊密結(jié)合，從即夢(mèng)到小云雀到剪映再到豆包，最終和豆包大模型一起在火山上提供給更多用戶，你都可以想象春晚期間多少人在這些平臺(tái)上創(chuàng)造自己的“短劇”，火山的token會(huì)繼續(xù)井噴。

堅(jiān)定地選擇把全模態(tài)和通用能力都全部訓(xùn)到一起，堅(jiān)持要把產(chǎn)品和模型打通，把對(duì)外服務(wù)的基礎(chǔ)設(shè)施看到的產(chǎn)業(yè)需求和模型功能設(shè)計(jì)打通，這是兩家公司的相同決定。而Google的選擇在很長(zhǎng)一段時(shí)間并非公認(rèn)的正確方向，甚至質(zhì)疑不斷，直到Gemini 3的到來(lái)；而字節(jié)在以開源為主戰(zhàn)場(chǎng)的模型競(jìng)爭(zhēng)氛圍里繼續(xù)堅(jiān)持了閉源和與真實(shí)規(guī)?；膽?yīng)用結(jié)合的路線，同樣曾經(jīng)是，也許現(xiàn)在依然是一個(gè)“非共識(shí)”的方向。

現(xiàn)在都到了turning point。

在我們?nèi)ツ甑椎念A(yù)測(cè)里我們?cè)A(yù)測(cè)了字節(jié)的豆包系列模型的轉(zhuǎn)折點(diǎn)，我們當(dāng)時(shí)這樣寫道：

“2025年，DeepSeek的成功改變了中國(guó)模型廠商們的技術(shù)策略，開源成了最優(yōu)選擇，字節(jié)成了僅有的幾個(gè)依然閉源的廠商，這樣的決策在2026年將迎來(lái)“證明時(shí)刻”，字節(jié)在模型研發(fā)上的各種積累其實(shí)已經(jīng)有跡可循，Seed是時(shí)候交出一份閉源答卷了。”

看起來(lái)，今天這個(gè)預(yù)言似乎正在應(yīng)驗(yàn)。在模型和落地上按自己的想法走出一條路，并且用一代模型直接證明了這條路的正確，字節(jié)在這個(gè)二月，算是接近它自己的Gemini 3時(shí)刻了。

點(diǎn)個(gè)“愛心”，再走 吧