下面这张YouTube截图我同时给到了升级前后的两个豆包大模型1.6。
不止Doubao-Seed-1.6-thinking的升级，豆包大模型团队还推出了最新全模态向量化模型：Seed1.6-Embedding。
这个全模态向量化模型有多强？大家可以看下面这张图：
在纯文本权威测评榜单 CMTEB 上，Seed1.6-Embedding 达到了中文 SOTA 效果。在多模态测评榜单 MMEB_v2 上，Seed1.6-embedding 在图片、视频任务上同样都达到了 SOTA 的效果，而且是断层领先。
Seed1.6-embedding 可以用在哪呢？举个例子大家就很清楚了：抖音的推荐系统。
在交流会上，火山官方提到，从2019年起，VikingDB 向量库就支撑起字节旗下包括抖音、头条、豆包等重要产品线。而 VikingDB 向量库背后，其实就是内嵌了一个 embedding 向量化模型。现在就是对应最新的 Seed1.6-embedding。
给大家展示下这个embedding有多强，比如我上传一张夏天的条纹t恤，然后让它帮忙找出类似风格，但是和秋天穿的长袖，他就能从一堆电商商品的图像库中快速锁定最符合的几个商品。
它最新还支持视频检索，这让我想起抖音会对用户上传视频的原创度进行提示，背后应该就是视频 embedding 模型发挥了重要作用。
不过需要注意的是，视频 embedding 模型还没有接入端到端的流程中，如果大家想要体验的话，可以尝试先向量化再入库的操作方式，部分操作和可视化体验将通过代码完成。据官方介绍，应该8月会有视频端到端的体验方案～
这正是我们在和AI协作中遇到的核心难题。即使掌握了提示词的核心原则，但在遇到真实问题时，我们还是很难快速给AI发出清晰、可靠的指令。
这就是 PromptPilot 诞生的重要原因。简单来说，它主要帮助我们完成两件“大事”：定义你的需求，持续不断优化。
第一件“大事”：在实践中，精准定义我们的真实意图
很多时候，在向AI提问的初期，我们自己也无法用几句话清晰地描述出脑海中完美的模型效果。我们对需求的理解，是在一次次尝试和调整中才逐渐清晰起来的。
PromptPilot 理解这一点，并提供了两种直观的方式来帮助你表达和固化你的真实意图：
1）评价与修改：
你可以先把你想到的直接发给PromptPilot，等PromptPilot给出回复后，再针对它给出的提示词进行局部评论优化，或者全局修改（如下图）。这就像在给模型“划重点”，告诉它你真正关心的是什么。
2）对比与偏好：
现实世界中，有很多高价值问题是没有标准答案的，更多时候需要你自己做出判断。
这时候你可以选择 PromptPilot 的 GSB 比较模式。通过“二选一”的方式，在两个或多个答案中选出你更偏爱的一个。PromptPilot 则会智能地分析你的每一次选择，比较不同答案之间的细微差异，从而“猜测”并学习你背后的判断逻辑，逐步构建起一个完整、清晰的评估标准。
当然，如果你已经有明确的理想回答，希望对模型回答进行评分。这时候就可以选择 PromptPilot 的评分模式。
第二件“大事”：上线后，开启永不疲倦的自动优化
当你通过上述方式建立了明确的评估标准后，PromptPilot 就可以开始自动为你寻找更优的 Prompt 版本了。
更酷的是，这一切并不会在应用上线后就停止。你可以通过调用 PromptPilot 的SDK，将线上业务的真实流量（模型的输入和输出）反馈给系统。
由于 PromptPilot 已经掌握了你的评判标准，它就像一位24小时在线的“AI裁判”，能够：
自动评分：对线上模型的表现进行实时打分。
案例挖掘：自动捕获并记录那些得分极低的“Badcase”和得分极高的“Goodcase”。
持续迭代：当积累了足够多的线上数据后，PromptPilot 就能开启新一轮的全自动提示词优化，找到能更好解决线上实际问题的升级版 Prompt。
最后，揭开在开篇提到的福利彩蛋 ~
在这次线下交流会，火山方舟发布了一个「协作奖励计划」，一方面是降低用户接入测试门槛，另外也是鼓励用户持续使用方舟。
只要你是火山的企业认证用户和个人认证用户，在活动期间，每天都可以获得一定量的免费tokens。企业认证用户每天每个模型 500 万 tokens，个人认证用户每天每个 50 万 tokens。
如果大家平时有调用需求的话，可以进入授权页参与计划，领首月免费包 ：https://console.volcengine.com/ark/region:ark+cn-beijing/openManagement?LLM=%7B%7D&OpenAuthorizeModal=true&OpenTokenDrawer=false
