🤖 AI总结
主题
Seed-2.1-pro-0915版本升级，提升多模态Coding和Agent任务能力。
摘要
Seed-2.1-pro-0915升级大幅提升多模态Coding和Agent任务的可靠性与效率，能处理复杂仓库编码和交叉验证任务，降低成本。
关键信息
- 1 工具调用幻觉得分从38.4%提升到64.8%，搜索幻觉改善近50%。
- 2 Coding复杂仓库评测集提升12.4%，deepswe提升33%。
- 3 Token效率优化，工具调用次数降低43%，Coding任务成本节省40%以上。
最近Seed-2.1-pro又更新了。
上一次记得还是6月下旬，Coding能力有了一大波刷新，带来了很多有意思的场景落地。
最新升级到了0915，Doubao-Seed-Evolving同步更新到同一版本。
静态视觉和动态交互，都有了新的水准。给大家看看我做的网页质感：
提示词：
Use React + Tailwind + Framer Motion. Prioritize visual fidelity, lighting, animation and premium aesthetics. Avoid generic SaaS cards, purple gradients, stock images and excessive rounded corners. Make it fully responsive.不过这次我更关心的，是复杂场景和Agent任务，可控性和综合能力到底如何。
尤其是多模态Coding和Agent场景的落地，市面上以往的SOTA模型，完成度相对一般。
视觉理解归视觉理解，代码生成归代码生成，两者之间的衔接经常断掉。
比如给它一张设计图让它还原成前端页面，它能把图描述得很准，也能写出结构不错的代码，但图和代码之间的对应关系经常错位。
更麻烦的还有Agent场景，工具调用幻觉严重，模型还没等到返回结果就开始编，编完还告诉你任务完成了。
火山方舟：https://ark.volcengine.com/region:cn-beijing/model/detail?_vtm_=a441938.b75322.0_0.0_0.0.174_7680087491668166163&name=doubao-seed-2-1-pro
看到这次Seed-2.1-pro-0915的升级，工具调用幻觉专项得分从38.4%提升到64.8%，搜索幻觉改善接近50%，Coding复杂仓库评测集提升12.4%，deepswe提升33%。
看起来，模型已经开始学会等一等，学会确认了再说话。
跑了一些case，带大家来具体看看。
01从视觉到互动，这一次很有味道
尝试了一些从静态网站到视频结合的场景，效果都不错。
用代码的方式，来实现一些好的设计。
比如说，我上传一张潦草的手绘，希望能用代码实现透明、阴影、深蓝色渐变的官网展示效果。
提示词：
print(f"生成失败: {e}")Seed-2.1-pro这次还是很让人满意的，审美和视觉理解非常到位，对于我想要的网站效果，从手绘到代码呈现，中间的演绎很有艺术性。
一张很潦草的手绘图，它也能还原成完成度很高的前端页面。
那么动态的、立体的效果怎么样呢？3D旋转、多图融合、高精度控制的场景，有可能实现吗？
我也试了试，希望有大写的橙色FW字母，以及一个360度旋转的魔法，魔法每一个面上都有一个时尚杂志的图片。
提示词：
- Make the cube and FW the visual focus, with smooth premium animations and responsive mobile layout.还有特别有意思的，是Seed-2.1-pro和Seedance视频能力的碰撞。
我用「Seed-2.1-pro+Blender MCP + Seedance」尝试了一下视频创作。
先用Seed2.1pro生成3D白膜的预演视频，作为参考来用Seedance生成最终视频。
在3D空间构图、场景布局、复杂人物动作、运镜控制等场景，可以得到非常好的控制。
似乎，从静态网站，到动态立体交互，再到视觉视频，在Seed-2.1-pro的能力辐射下，很多场景可以打通，产生了新的化学反应。
从一个超级SOTA模型，到和其他模型的联动，产生更多炫酷好玩的效果，这是很让我有惊喜的。
比如说下面这个视频，放以前可能我需要反复抽卡，但现在，创意实现在Seed-2.1-pro的辅助下就方便了很多。
02让Agent变得更好用
最新的Seed-2.1-pro，在Agent复杂任务的处理上，有了特别明显的提升。
经常看到海外一些关于AI的最新资讯、报告、研报，有些消息似是而非。
我有一个需求，是要让模型去做交叉验证，不只看文本，还要看领英人员轨迹和X伤的动态，以及硅谷活动的水下信息。
这个任务的难点，在于信息降噪和证据溯源。
互联网上相关的花边消息铺天盖地，低信息密度的内容占绝大多数。
模型需要自己判断哪些信息值得信，哪些需要绕开。
我通过API调度了100多个子Agent并发检索，模型自主识别并剔除了大量PR软文。
模型把底层数据、社媒影像和财报文本做了交叉拟合，输出了一份机构级别的尽调报告，推导出已投产并量产发货的结论。
搜索工具不可用的时候，它没有编造，很果断换了另一条路去验证。
最近的工作日常，除了通过火山引擎调用Seed-2.1-pro的API，在豆包工作里，也已经可以选择最新的版本，来执行各项具体任务。
还尝试了一下，复杂仓库的Coding能力。
我选了一个开源游戏项目Luanti，约38.7万行代码。
从2018到2026年的真实合并记录里筛选了1000个任务，覆盖渲染、网络、物理、存档、脚本API等13个模块。
每个任务开始前，代码仓库回退到修复前版本，隔离官方补丁和后续Git历史，确保模型接触不到标准答案。
还有值得说的是Token效率。
平均任务输出Token减少5%，思考Token减少11%，工具调用次数降低43%。
工具调用次数下降这么多，说明模型不再反复试探，它看完代码结构之后能更快锁定目标。
这对实际开发成本的影响很直接。
我粗算了一下，综合峰谷价格，Coding任务平均成本节省40%以上。
这个Case跑完，我对更懂复杂代码仓库这句话有了具体的体感。
模型不是靠上下文长度硬吃，它在项目结构、模块关系和上下文理解上做了优化。
面对长程跨文件的问题，定位根因和完成修复的能力比上一代明显增强。
03一些行业感受
能感受到，模型能力的提升曲线正在发生变化。
过去大家比的是谁更聪明，现在比的是谁更可靠。
聪明体现在单点任务上的惊艳表现，可靠体现在长程任务里不编造、不提前宣告完成、不返工。
Seed-2.1-pro-0915这次升级，在我看来核心就是可靠性。
工具调用幻觉从38.4%到64.8%，这个提升幅度说明技术团队在定向优化模型的行为模式。
搜索工具不可用时诚实说明而不是编造，等待真实结果返回再下结论，检查返回内容再声明完成。
这些行为听起来很基础，但在Agent场景里，它们是区分玩具和工具的分水岭。
多模态Coding和Agent这个方向，我认为接下来会分化出两个赛道。
一个是视觉理解加代码生成的短链路，比如设计图转前端页面。
另一个是视觉理解加工具调用加长程执行的复杂链路，比如尽调分析、跨应用操作、复杂环境感知。
Seed-2.1-pro-0915在两个赛道上都有布局。
VLM的3D物体识别和密集图文文档解析能力在增强，Computer Use和VLM Agent的能力在把视觉理解接入实际操作。
豆包大模型2.1发布时有一个说法，面向生产级任务的新起点。
从0915版本的表现来看，这个起点正在变成一条实线。
Seed LLM基模的发力方向很清晰：不是做最会聊天的模型，是做最能交付任务的模型。
对开发者来说，现在终于可以认真把更复杂的任务交给模型了。
对行业来说，Agent的落地门槛也在降低，更多的场景正在打开。
对Seed，接下来我很期待……
朋友圈会发一些具体的案例和商业化日常～
© 版权声明
文章版权归作者所有，未经允许请勿转载。
