今天 Seed2.0 全系列正式发布
Seed2.0，也就是豆包大模型2.0（Doubao-Seed-2.0）
包括 Pro、Lite、Mini 三款通用 Agent 模型加一个 Code 模型，围绕 Agent 使用和大规模生产，做了系统性优化
先看数据（本文里所有表格，都是我做的，好不好看！！！）
先一次过完核心部份：
多模态，数学与视觉推理 19 项基准 12 项第一，视觉感知、文档理解、长上下文大部分基准 SOTA，EgoTempo 超过人类分数
LLM 科学能力，HealthBench 第一，SuperGPQA 超 GPT-5.2，整体与 Gemini 3 Pro、GPT-5.2 相当；在深度研究上也取得了不俗的成绩
代码，有明显进步，部分高难基准与国际领先模型仍有差距
已上线，豆包 App 选「专家」模式 / TRAE 选「Doubao-Seed-2.0-Code」，全系列 API 已上线火山引擎，价格较同级 GPT 和 Claude 便宜一个数量级
Model Card 也有，同时发布的还有一份 79 页的 Model Card，公众号后台回复「Seed2.0」，获取这份 Model Card
先说定价
Seed2.0 全系列的这四款模型，API 已上线火山引擎。以下为分段计费中 ≤32k 输入的价格，单位元/百万 tokens，这里我也做了个对比图：
Pro（doubao-seed-2-0-pro-260215）旗舰全能，面向复杂推理与长链路 Agent 任务
输入 3.2 / 输出 16 / 缓存命中 0.64
Lite（doubao-seed-2-0-lite-260215）均衡型，综合能力超 Seed1.8，兼顾质量与速度
输入 0.6 / 输出 3.6 / 缓存命中 0.12
Mini（doubao-seed-2-0-mini-260215）低时延高并发，256k 上下文，4 档思考长度
输入 0.2 / 输出 2 / 缓存命中 0.04
Code（doubao-seed-2-0-code-preview-260215）编程加强版，适配 Claude Code 等 IDE 工具链
输入 3.2 / 输出 16 / 缓存命中 0.64
四款模型均支持文字、图片、视频输入，文字输出
token 定价，比海外模型低了约一个数量级。Agent 跑一次 workflow 消耗的 token 是人类对话的几十倍
在现实世界的复杂任务中，大规模推理与长链路生成将消耗大量 token，这个成本变量会越来越重
火山引擎模型详情页：https://console.volcengine.com/ark/region:ark+cn-beijing/model/detail?Id=doubao-seed-2-0-pro
本次的优化
Seed 团队分析了通用模型在 MaaS 服务中的真实调用情况
Seed 通用模型 MaaS 服务在中国大陆的调用场景分布，数据来自「火山方舟协作奖励计划」
最高比例的需求是处理混杂图表、文档等非结构化信息的知识内容。企业端的典型模式：先让模型做「读得多、想得多」的任务，再进入复杂且专业的流程型工作
基于这个真实需求，Seed2.0 重点优化三个方向：
• 更稳健的视觉与多模态理解：复杂文档、表格、图形、视频内容的解析能力显著提升 • 更可靠的复杂指令执行：多约束、多步骤、长链路任务的理解与执行能力强化 • 更灵活的推理选择：Pro、Lite、Mini 三档加 Code 模型，覆盖不同场景
除了生产级需求，Seed2.0 还在推高模型智能上限。目前已经能从解决奥林匹克竞赛类问题迈向支持研究级推理，比如尝试探索埃尔德什级别的数学问题，也可以完成部分科学相关任务的编程工作
能解埃尔德什问题和能帮你整理一堆扫描版合同，是两种能力
Seed2.0 两个都在做
多模态理解：大部分基准 SOTA
数学与视觉推理
Seed2.0 Pro 在 MathVista、MathVision、MathKangaroo、MathCanvas 等数学推理基准上达到业界最优水平。LogicVista、VisuLogic 等视觉解谜与逻辑推理基准上，较 Seed1.8 显著提升
标注 * 的数据引自公开技术报告
视觉感知
VLMsAreBiased、VLMsAreBlind、BabyVision 等基准中取得业界最高分。面对不同类型的视觉输入时仍能保持准确且可信的感知和判断能力
标注 * 的数据引自公开技术报告
文档理解与长上下文
模型面对的，往往是复杂版式混排的原始材料。相比 Seed1.8，处理非结构化信息的能力显著强化，ChartQAPro 与 OmniDocBench 1.5 达到顶尖水准
长上下文方面，DUDE、MMLongBench、MMLongBench-Doc 均取得业界最佳分数
标注 * 的数据引自公开技术报告
视频理解
时间序列与运动感知方面，TVBench、TempCompass、MotionBench 等关键测评处于领先位置
EgoTempo 超过人类分数（人类 63.2，Seed2.0 Pro 71.8），对「变化、动作、节奏」的捕捉更为稳定
长视频场景中，Seed2.0 在大部分评测上超越了其他顶尖模型，可以高效准确地处理小时级别的长视频。视频工具 VideoCut 进一步提高了长视频处理的时长范围和推理精度
流式实时视频方面同样表现优异，能完成实时视频流分析、环境感知、主动纠错与情感陪伴，可应用于健身、穿搭等场景
标注 * 的数据引自公开技术报告
LLM 与 Agent：真实长程任务执行能力提升
Seed 团队观察到一个典型失衡：模型已经可以顺利解决竞赛难题，但放在真实世界中，依然很难端到端地完成实际任务，比如一次性构建一个设计精良、功能完整的小程序
原因来自两点。真实世界任务跨越更长时间尺度、包含多个阶段，现有 LLM Agent 难以自主构建高效工作流。真实世界知识具有很强的领域壁垒且呈长尾分布，各行业的经验不在训练语料的高频区
长尾领域知识
Seed2.0 通过系统性加强长尾领域知识来应对
SuperGPQA 超过 GPT-5.2，HealthBench 第一名，科学领域整体成绩与 Gemini 3 Pro 和 GPT-5.2 相当。FrontierSci 等 STEM 基准表现突出，部分场景得分超过 Gemini 3 Pro
指令遵循
Seed2.0 保持较强的一致性与可控性，为 Agent 模型在长链路、多步骤任务中严格按约束条件执行奠定了基础
深度研究
Seed2.0 在长链路任务中表现突出，尤其擅长连续完成「找资料、做归纳、写结论」这类连续工作流
三项深度研究评测，Pro 和 Lite 都取得了不俗的成绩
真实世界任务
在具备直接经济价值的现实任务评测中，Seed2.0 在客服问答、信息抽取、意图识别、中小学阶段问题解答等高频场景上表现稳定。GDPVal-Diamond、XPert Bench 等复杂专业任务基准上同样取得有竞争力的结果
科学发现
FrontierSci-research 等前沿科研基准上表现强劲，AInstein Bench 领先，体现出在科学发现场景中较强的假设驱动式推理能力
从研究想法到实验方案
Seed2.0 还能把「研究想法」推进到「形成可落地的实验方案」
以高尔基体蛋白分析为例，模型把基因工程、小鼠模型构建、亚细胞分离与多组学分析串成一条完整流程，细化到关键环节怎么做、用什么做对照排除污染、用哪些指标评估纯度
相关领域专家的反馈：方案在跨学科的实验细节与步骤化表达上超出预期，能产出结构清晰、科学上相对可靠、具有可执行性的实验草案
代码：有进步，有差距
端到端整体代码生成、上下文学习方面取得了明显进步
部分高难基准上，与国际领先模型相比仍有提升空间
