火山引擎发布了豆包大模型1.8 (doubao-seed-1.8)，该模型的最大创新点是什么？

火山引擎FORCE原动力大会上，豆包大模型1.8正式发布。豆包大模型1.8具有更强Agent能力，升级多模态理解，更灵活的上下文管理能力。

https://
k.sina.com.cn/article_5
952915720_162d2490806702y94w.html

最大的创新我觉得是「原生上下文管理」。把之前需要应用层（Agent）实现的能力沉淀到了平台，从而更好（低成本，高性能）地实现 Agent 上下文管理这件事。

Agent 在运行过程中，通常会进行多轮的思考过程和工具调用，使上下文快速增长。传统的方法是把每个 session 完整对话从本地传给服务端，即使有 KV Cache，网络耗时，服务端处理（如 tokenization）的时间也十分漫长。TTFT (Time to First Token) 时间会随着上下文长度增长越来越高。豆包推出的 Responses API + Context Store + Context Cache，把历史对话内存存储到服务端，使用户每次只需要每次传入一个上下文 id 和新的对话内容，降低了网络耗时和服务端的重复处理时间^[1]。

同时，即使 LLM 的上下文窗口长度越来越长，如 doubao-seed-1.8 达到了 256k，但是在 Agent 场景仍然是抓襟见肘。因此上下文压缩能力，是 Agent 的必选项。原本 Agent 侧需要自行实现这部分逻辑，但现在其中一部分逻辑，如裁剪旧的思考块/工具调用内容，可以直接通过调用豆包 api 进行管理^[2]。不过，目前看来火山引擎还没有实现服务端用 llm 智能压缩的功能，期待能早日上线。

从benchmark看来，agentic、代码能力上提升很大，进入了全球第一梯队吧。不过benchmark分数也不能完全等价于模型的实际能力，一方面就像Ilya说的，目前的大模型有面向Eval优化的倾向，另外一方面有可能刷benchmark分的模型和实际大家能体验到的模型不是同一个，或者说能力上不是一致。就好比Gemini 3的Benchmark分数很高了，但是使用体验的反馈是可能不如巅峰期的Gemini 2.5。所以好不好用交给用户来评论。

稍微有点儿走题，问的是亮点，就刚才说的，模型能力上的亮点是agentic、代码能力都不错；技术上的亮点就得等技术报告了。

除了日更图文，

最近我拍的短视频清晰度已经卷到99%了，灯光，拍摄设备，后期流程，能优化的几乎都到头了。

但我想玩点不同的，我背后的空间本身是不是也能成为创作的一部分，用Agent来为我规划每一个角落。我有个很喜欢的科技圈博主@贪玩歌姬小宁子，她每次aroll拍摄每一次都会重新布景，

好玩，想学，我的思路是这样子的，

我没那么大的团队和空间，但我可以用Agent来设计空间里面可替换的物品，组合出不同的搭配，这样我除了ai测评题材，还可以做DIY，科普和数码。

于是，我跟加强过Agent能力的豆包1.8一拍即合，

昨天在火山引擎2025年冬季的原动力大会上已经看到很多离谱的案例了。

长话短说，

这次升级了工具调用，多轮指令遵循和多模态理解能力。1秒1帧的情况下可以理解20分钟的中长视频。

平时测试模型的代码能力已经快腻了，前端，3D建模，写作，物理模拟老四样，感觉在同一套里圈圈圆圆圈圈，

还是做一个能影响物理世界的Agent有挑战性。

把一个空间轻装修要分几步，

模型要能读取视频，理解已有的空间关系吧，还需要把不同的场景搭配记录到本地，

最好它还会点CAD图，说不定能帮我找到现在租的这间房子里有没有隐藏的可改造角落，或者分析出有哪些尺寸特殊的家具是需要提前去定制的。

定制的话就要全网比价，这个Agent需要联网，把搜索到的信息整理成文档并自动发送给我。

我花了小两周的时间，在Trae+MCP上实现了这个Agent的完全体。所以让我来一个个模块介绍一下，

读取本地的视频和图片，是我的好朋友@梦飞直接用的豆包多模态能力封装成MCP。

每个MCP的配置教程我都打包好了，还是公众号回复“豆包1.8”就行

原理很简单，就是把视频和图片上传到火山引擎的TOS对象存储，然后就可以通过火山引擎的服务获取到视频解析后的文字版描述。

上传 # 本地视频 到TOS，然后分析视频的场景结构，告诉我哪些场景适合剪辑成短视频：

豆包给我的回复是，

视频中的照片墙和乐高墙是很有记忆点的品牌资产，建议在我以后录制真人出镜视频时，将其作为固定的背景。

以及我需要一件能够撑起画面专业度的核心家具。一个升降式的实木长桌来取代我的白色异形桌，方便我切换坐姿和站姿，以及拍AI硬件的特写。

因为我觉得文字沟通不够直观，我还给豆包1.8加装了火山引擎版本的jimeng-ai-mcp，让它可以生成效果图，

为了不占地，我还设计了一个没有桌脚的升降桌，重新设计了一下打光系统，

更新装修进度文件我用的是Excel MCP。我一开始用的是Filesystem，但它只能进行简单的读写，而豆包1.8+Excel MCP组合后能理解表格的结构，它知道什么是行，什么是列，能把信息填入对应的单元格。

手搓的过程中，我还找到了目前租的房子的平面图，加上我现场的补充图片（因为会有添置的一些家具），一起丢给豆包1.8，让它给我更多的空间搭配建议。

为了更直观，我用豆包生图重现了一套方案的预览图。

在本地搭Agent有一个隐形的好处，就是你可以像搭乐高一样，自由搭配你需要的联网MCP。

我的经验是国内信息博查，国外信息Exa，组合起来用。

当豆包确定了需要定制的家具列表和尺寸后，我授权它去全网搜索信息，对比不同品牌、材质、价格，把最合适的几个选项，连同购买链接和参数，整理出来。

豆包 大模型 教程

接了Tripo3D的MCP后，还可以按照尺寸定制一个简单的沙发建模，要是能加上材质配个云朵沙发就更好了。

最后，豆包将这一切汇总，把当天的进度更新、下一步的计划、还有家具的备选清单，自动做成一个多维表格，记录有变化的时候推送给我。

当这个流程第一次完整跑通的时候，

我实打实感觉到这些会消耗我心力的检查、搜索、对比、整理工作，都被它接管了。我只需要专注于整个项目里最核心、最享受的部分，

也就是最初的创意和最终的决策。

这次的体验，让我对AI影响物理世界这件事，有了点想法。它让我从工作室改造计划，回到了我的真实生活，

一个更小，但可能更迫切的需求上。

那就是，我真的很想买个按摩椅啊啊啊。

因为目前房间不大，每次想到要去测量尺寸，上网搜寻各种小型号的按摩椅，再在脑子里模拟把它放在哪个角落不会挡路，这一系列琐碎的步骤一拖再拖。

于是，按摩椅它整个双十一就一直躺在我的购物车里。但现在，我有了新的思路。我完全可以拿起手机，对着我的房间拍一段视频，

然后把视频丢给豆包，直接告诉它，我想在这个房间里放一个按摩椅，帮我规划一下。

它完全有能力通过视频理解我房间的空间布局，分析出可行的摆放位置，再去网上寻找符合空间尺寸的商品，甚至可以告诉我，如果想把它放在窗边，我可能需要把那个书架往左移动五十厘米。

一个让我头疼不已的空间规划问题，

就变成了一个可以执行的方案。

过去半年，我会觉得AI要真正影响和改造物理世界，是需要重依赖物理设备的，比如眼镜、手表，或者各种形态挂件。

但这次构建Agent的过程，

我发现其实不需要等，

其实有台手机就够了，

我的按摩椅可算找到几个完美适配的角落，

朝向都安排好了，

激情下单！

@ 作者 / 卡尔