豆包1.8给智能体补上了“手脚”,Seedream5.5和Seedance2.5补上了“素材库”

1.8的升级方向很明确:让智能体“把事做完”

豆包1.8(Doubao-Seed-1.8)的优化方向集中在多模态Agent场景。工具调用能力、复杂指令遵循能力和OS Agent能力是这次升级的三个关键词,对应的正是智能体从“理解任务”到“执行任务”之间那段最容易掉链子的环节。规划与执行水平的提升意味着模型在拆解多步任务、选择工具、校验中间结果上比上一代更稳。

视觉理解侧有一个容易被忽略但很实用的变化:单次视频理解帧数从640帧翻倍到1280帧,同时支持以低帧率扫过超长视频、再调用工具对关键片段做高帧率细看。这个能力的落点不在实验室跑分,而在在线教育的课堂实录分析、工业质检的长时段视频回查这类真实场景里。

跑分方面,官方公布的数字相当集中。通用智能体测评集BrowseComp上,豆包1.8得分67.6,对比GPT-5 High的54.9和Gemini-3-pro的37.8,差距拉开得足够明显。视觉推理、通用视觉问答、空间理解和视频理解几项任务均取得最佳或接近最佳成绩,数学与推理能力接近全球顶尖通用模型水平。需要说明的是,跑分领先和“在客户产线上稳定交付”之间仍然隔着工程化落地的距离,BrowseComp衡量的复杂信息检索与规划能力,和工厂里一个智能体连续调度多台设备是两回事。

Seedream 5.5:把“拆图层”做成了生产力

Seedream 5.5的定位是图像创作模型,但它最值得看的不是生成质量本身,而是对设计工作流的侵入程度。原生RGBA图片生成意味着模型直接输出带透明通道的素材,省掉后期抠图;图层拆分最多输出1张底图加99个图层,规整文字图层还能返回富文本OCR信息,包括文字内容、位置和近似视觉样式。多轮编辑一致性是另一项关键改进,连续修改过程中主体特征和画面结构保持不变,非编辑区域可以做到像素级一致。

这套能力组合指向的是设计、营销和电商素材生产中的高频动作:一张海报生成之后,文案层、产品层、背景层各自可拖拽重组,而不是每次改一个字都要整张图重跑。工业化程度的提升不在于模型“画得更好”,而在于它输出的东西可以直接进入下游编辑流水线。

Seedance 2.5 Flash:全模态参考把视频生成从“抽卡”变成“命题作文”

Seedance 2.5 Flash支持文生视频、首帧/首尾帧生成、全模态参考生视频、视频编辑和视频延长,覆盖480p和720p两档分辨率。全模态参考意味着用户可以同时投喂参考图片、参考视频和参考音频,让模型按照给定的素材基调生成目标视频;单次生成时长提升到30秒并支持多轮延长,参考素材上限也大幅放宽。

对于短视频生产和营销素材制作来说,这改变的是工作方式。过去用文生视频做一条品牌短片,需要反复抽卡直到运气好碰上一段能用的素材;现在可以把产品图、竞品参考片和背景音乐一起交给模型,让它在一个受控的参考框架里出片。视频编辑和延长功能则把“生成”和“后期”之间的墙打通了一截。两款模型同步进入Agent Plan,与豆包1.8的智能体能力形成配合:智能体负责规划和调度,图像与视频模型负责按需产出素材。

真正的底牌在模型之外

三款模型的能力提升是发布会的主线,但火山引擎这次着力最重的地方其实是智能体落地的基础设施。AgentKit覆盖智能体从开发、部署到管控的全生命周期,HiAgent智能体工作站提供统一的任务调度中心和开箱即用的通用智能体,两者合在一起解决的是企业在智能体规模化时绕不开的身份权限、模型确定性和系统集成问题。一个可供参照的效率数字是:用AgentKit搭建“智能会议助手”,代码量比传统开发模式减少96%。

“AI节省计划”则把成本问题摆到了台面上,按量后付费的大模型产品通过阶梯折扣最高可节省47%的成本。截至发布时,豆包大模型日均Token使用量突破50万亿,较上年同期增长超过10倍,超过100家企业客户的累计Token使用量达到一万亿以上。这些数字说明豆包在调用规模上已经越过了“尝鲜”阶段,但调用量不等于收入质量,企业级市场的竞争最终要看有多少智能体真正在生产环境里究竟跑的如何。

(素材来自:火山引擎、字节跳动 智算芯能前沿网综合)

本文由智算芯能前沿网编辑整理,转载请注明出处。