标签: 豆包 Seed2.1 字节跳动 火山引擎
云梦级6月23日云梦级消息,字节跳动今日在火山引擎官网上线了豆包 Seed 2.1 系列模型,包括 Pro 和 Turbo 版本,Seed-Evolving 模型也进行了迭代。 Seed2.1 以解决日常生活、专业工作和前沿探索中的复杂需求为研发目标,持续引入内外部用户和开发者的反馈,并结合真实案例校准模型优化方向;评估上,我们也更关注模型在实际工作流中标签的表现,而非仅依赖静态基准分数。 更可靠的通用 Agent 能力:Seed2.1 通用 Agent 能力显著提升,并进一步强化跨工具、跨环境的任务交付能力。在面对高经济价值的办公任务和个人生活的复杂咨询时,可稳定完成项目规划、文件处理、工具调用等多步骤任务,产出可落地的结果。 更稳定的代码工程交付能力:Seed2.1 提升了 Coding 的端到端交付能力,: 可在真实企业级开发任务中完成需求理解、功能实现、bug 修复、运行环境搭建和结果验证等任务,形成稳定交付。 更强劲的多模态等基础能力:Seed2.1 在多模态理解、知识、推理等基础能力上进一步提升,对复杂视觉信息和视频内容处理更准确,为 Agentic 场景、代码工程和前沿探索提供基础支撑。 Seed2.1 系列模型已在豆包产品和 TRAE 上线,同时,该系豆包列模型 API 已同步上线火山引擎。 Seed2.1 进一步强化了通用 Agent 能力,无论是面向高经济价值的工作任务还是面向个人生活的复杂咨询,模型都能可靠交付。面向高经济价值的工作任务,过去,用户可能需要咨询外部顾问、专业服务团队来辅助完成;现在,模型可以参与资料分析、方案设计、内容规划和结果整理,帮助用户推进原本需要专业支持的工作,实现降本增效 S。 Seed2.1 在 Workspace Bench、Agent Startup Bench 基准上表现稳定,Seed2.1 Pro 在 GDPval 基准上获得最高分。其中,Workspace Bench 关注工作中对于复杂文件的信息检索、关联理解和结果生成;Agent Startup Bench 通过调研、访谈真实的 AI 原生创业公司,结合专家意见综合评估模型的回ee答质量;GDPval 则衡量模型在真实世界工作任务中的完成质量和经济价值。 评测结果说明,Seed2.1 在贴近真实工作任务的 AI 工作流中,能够在复杂材料和任务目标之间建立联系,并产生具有经济收益的交付。此外,在更高难度、更专业的任务上,Seed2.1 也有较好表现。 其中,Seed2.1 Pro 在 Agents' Last Exam(ALE)基准评测中d2,处于当前参评模型的第一梯队水平,体现出在复杂专业任务上的较强竞争力。 值得注意的是,该评测发布不久,各模型短期内难以针对该测试进行充分定向优化,能够更真实地衡量模型面对新任务场景时的泛化能力。 该结果表明,Seed2.1 所具备的任务规划、工具使用、长程执行、信息整合与结果交付等通用 Agent 能力,能够较好地迁移到此前未见的高门槛专业工作流中.1。 Agents' Last Exam 基准评测中,左侧为完整通过率,右侧为平均综合得分 面向个人生活中的复杂咨询场景,Seed2.1 系列模型回复的质量和可靠性进一步提升。这类需求往往不是简单问答,用户会同时提供咨询背景、过往记录、行业报告等多种信息,内容也分布在文档、PDF、图片等不同格式中,形成一个需要综合推理、判断、建议的复杂咨询场景。 See 字d2.1 在 xDailyBench、Doubao Multi-Turn Bench 等基准上表现稳定,在 Toolathlon、SeedClawBench 等基准上保持竞争力。这说明模型在日常生活、学习研究等 30 多个垂类场景中,都能更好地理解真实用户需求,并结合用户偏好给出高质量的建议,必要时还能调用不同工具、使用合适的 Skill,产出可靠回复。 S节跳eedClawBench 是由 Seed 自主开发的内部基准,用于评估在 OpenClaw 风格、面向用户的场景中,Agent 提供实际辅助的能力 此外,基于稳定的视觉理解能力,Seed2.1 能够在复杂任务中更好地处理视觉信息、理解用户目标,并推进后续执行与交付。Seed2.1 在 Claw-Eval (MM) 等 Visual Agent 相关基准上整体表现出较动 强的竞争力。 这意味着模型不仅能够理解文档、视频、图片、空间结构等复杂的视觉信息,还能围绕任务目标对视觉信息进行整理和分析,并形成可交互、可交付的 Agent 结果,例如基于多视角图像生成平面户型图,或根据视觉信息完成信息检索、内容生成和代码编写等任务。 Image2FloorPlan 为内部自建评测集,考察的任务为理解多张真实照片并绘制平面户型图 在面火山向专业生产力场景的探索中,我们发现,真实工作流并非发生在某一个固定界面里,而是需要在聊天、搜索、浏览器、代码仓库、文件和外部工具之间切换。 因此 Seed2.1 进一步面向通用型 Computer-Use Agent (CUA) 方向优化,让模型能更稳定地在跨环境、跨工具和跨交互方式的任务中持续推进。 其中,面对手机 GUI 任务,模型需要理解屏幕内容、判断下一引擎步操作,并完成点击、输入、切换应用等连续动作,Seed2.1 在 MobileWorld 基准中取得最高分,说明其在手机端任务中能够更稳定地推进操作。 同时,模型在 OSWorld 上保持竞争力,并通过强化学习,引导 Agent 自然地在 GUI 和非 GUI 动作空间之中切换最优选择,将完成任务所需的平均步数减少 16%,进一步提升任务执行效率。 此外,Seed标签2.1 在 CreativeWork 基准上同样表现突出。该基准覆盖了 Notion、Canva 和 Figma 三类具有代表性的环境,意味着模型在文档管理、视觉设计和界面编辑等多种任务中,都能理解复杂目标、分解执行步骤,并在工具调用与 GUI 交互之间自主切换,稳定地完成任务。 CreativeWork 是 Seed 自研的基准,用于评估 Agent 在真实生产力场景: 中协同使用 GUI 与 MCP 工具的能力



- 最近发表
- 随机阅读
-
- Sora 爆款升级:宠物也能当主角,视频剪辑+社交频道即将上线,安卓版“真的快来了”
- 苹果股东大会定档 改为线上举办!CEO库克年薪曝光
- 开源生态大洗牌!蚂蚁发布AI项目全景图2.0,114个项目见证技术变革浪潮
- OpenAI全新Sora 2视频工具开放下载!限时测试与付费模式即将来临
- 标签: 51Talk 黄佳佳 COE 在线教育
- 标签: 禾赛科技 激光雷达 ADAS 机器人
- 5分钟了解Docker原理之二,最简单的Cgroups介绍!
- 标签: 宝马中国 雷军 一汽奥迪 小米
- 中科院推出类脑大模型 SpikingBrain:以2% 数据实现百倍速度突破
- 双11大促:AI 引领潮流,即时零售崛起,海外市场成新战场!
- Siri要翻身了?苹果明年三月推“Apple Intelligence”大改版,竟用上谷歌Gemini!
- 无人驾驶汽车兴起 半导体业迎来发展机遇
- 富士通联手卡内基梅隆大学研发物理AI操作系统,目标直指人机协作新高度
- 从视频中学习 Facebook推出新人工智能项目
- 标签: 宇树科技 双臂人形机器人 灵巧手 10TOPS
- 标签: 至境L7 别克
- 消息称腾讯云将推出面向行业的大模型
- 平昌冬奥会男子花样滑冰视频
- AI化身监工,上班还能摸鱼吗?
- 标签: 盛合晶微 IPO 先进封测 芯粒封装
- 搜索
-
- 友情链接