字节豆包大模型的几个重磅更新

豆包的模型还在持续迭代。这周在厦门的活动上，火山引擎又发布了几款新模型，豆包 1.6 系列也做了全面升级，整体上节奏还是一如既往地快。

今年火山引擎反复强调 AI 云原生这个概念，大意就是未来的应用形态会从传统的网站和 App，逐步转向 Agent。

以前做应用，主要靠工程师写逻辑、定规则；现在则是以模型为核心，工程师更多是在结合实际业务，把大模型的能力落到具体场景里。

这也意味着，模型本身的智能水平，以及配套的提示词、知识库等周边能力，变得无比重要。

所以，近一年，火山引擎一直在快速提升这部分的能力。包括这次的模型升级，我觉得火山的思路还是非常准，它不是单纯的拼参数，而是结合用户的实际场景，去思考模型应该朝着什么样的方向迭代。

挺有意思。比如他们有单独的图像编辑模型、同声传译模型，这都是贴着应用场景走的。

接下来，我分别介绍下豆包系列模型这次更新细节。

图像编辑这块，新发布的豆包图像编辑模型 3.0，对自然语言指令的理解更到位，调整出来的图片无论细节还是观感，都很自然。我觉得基于这个模型，做一个 AI 时代的图片编辑软件，已经足够了。

像换背景、调整光线这种常见需求，模型基本都能按思路把图片处理好，效果甚至已经超过绝大多数人用 PS 手动修改的水平。

小红书上经常有人求助 P 图的帖子。中午我写文章的时候，就刷到了一个。这事好办，我立马基于豆包的新模型生成了下，给对方回复了过去。

我在想，这么多人有 P 图的需求，是否结合着做一个类似的软件也有需求？这应该都是基于模型能力之上的增量机会。

我再举个例子：

除了图像编辑，这次豆包同声传译模型 2.0 也做了不少改进。最直观的一点就是把语音延迟从原来的 8-10 秒降到了 2-3 秒，基本可以实现接近实时的交流。

还有声音复刻这一块，现在不用提前采集音色，AI 能直接边听边还原说话人的音色和语调，翻译后生成的语音尽量接近本人说话的感觉，听上去不会太机械。

用在远程会议、跨国直播这类场景，交流会自然很多。这种细节，其实很多翻译产品还做不到。

这种效果之外，是不是存在新的机会？我认为我们可以停下来认真想想。

再说豆包大模型 1.6 系列。这次升级，发布了两个新版本，一个是主打极速的 Doubao-Seed-1.6-flash，另一个是强调综合能力的 Doubao-Seed-1.6-thinking。

Flash 版模型这次在推理速度上有了明显提升，TPOT（生成每个词的响应时间）基本能压在 10ms 以内。像智能硬件、移动端、智能巡检这些对时延要求比较高的场景，用下来响应速度几乎是实时的，对实际落地到延迟敏感的业务，算是解决了个大难题。

除了推理速度，Flash 版模型在成本控制上也做得比较实用。对于一些需要频繁调用、对延迟和价格都有要求的业务场景，比如批量文本处理、自动化巡检或者智能助手，整体的调用费用相对来说比较友好。

在实际落地过程中，这类低延迟、低成本的模型，确实让大模型用起来更有空间，也减少了企业在规模化应用时的顾虑。

另外，这次升级的还有 Doubao-Seed-1.6-thinking。其实现在各家大模型的方向都很接近，重点都是在优化数学、编程、推理这些底层能力。

这一次 thinking 版在这些基础能力上又做了强化，多模态的表现也更全面，像图片理解、图文混合推理这类任务，细节上比之前更扎实。

1.6-thinking 继续维持了 256K 的超长上下文，最大输出长度可到 16K tokens，在很多实际场景下，比如做代码生成、文档摘要、复杂问题推理时，能够处理的信息量比上一代更大。

综合能力上，比如 Coding、Math、逻辑推理都有明显提升。

火山引擎这次还发布了最新的全模态向量化模型 Seed1.6-Embedding 。以往 Embedding 模型主要支持文本和图文，这一版首次将视频纳入，支持文本、图片、视频的混合检索，实际应用场景更丰富，比如多媒体内容的统一检索和管理，现在可以用同一个模型来处理。

没记错的话，这是我见过的第一个支持混合模态检索的 Embedding 模型。

从评测成绩看，Seed1.6-Embedding 在 MTEB 中文文本榜单和 MMEBv2 多模态榜单上，图片和视频相关任务都做到了 SOTA 水平，尤其是在多模态检索和视频理解等方向表现稳健。

对于有多种内容管理需求的企业来说，Seed1.6-Embedding 能在实际检索和内容整合上带来更高的效率。

以上这些全新的模型，都已经可以在火山方舟上直接体验和调用。火山方舟应该是目前所有的我用过的所有的大模型开发平台中，开发者体验最好的产品。

可能还有人不知道火山方舟是干嘛的，简单讲，它是字节跳动旗下云平台火山引擎推出的产品，主要面向企业和开发者，提供了从模型训练、API 调用到应用落地的一整套能力。

现在大模型很火，所以几乎所有云平台都提供了类似的能力。但火山方舟，我感觉是在用做 C 端产品的思路做这类开发者相关的服务。我感觉他们不管是功能设计，还是交互体验，都更贴近开发者的实际需求。

举两个例子。比如，火山方舟的应用实验室提供了很多常见 AI 应用的开源代码，像 DeepSearch、实时对话式 AI、教师分身这些主流场景的源码都能直接找到。

对于想做 AI 应用的工程师或者公司来说，可以直接在这些开源项目的基础上二次开发，省去了从零开始搭建的繁琐。

还有一个我们工程师都挺喜欢的功能，叫 PromptPilot，是专门用来做提示词优化的。现在 AI 应用，Prompt 几乎是最难的一关，直接决定了模型输出的效果。但说实话，Prompt 这东西真没那么容易写好。

PromptPilot 把这个过程变成了产品化的工具，能让调试和修改变得直观一些，对很多没那么擅长写 Prompt 的人来说，确实能省不少力气。

也许有人认为提示词目前已经不重要。这观点其实不算准确，对于很多 C 端产品而言，确实提示词已经变得足够简单。

一款好用的产品，肯定会不断降低门槛，不至于让提示词拦住用户的热情。但对于工程师构建应用而言，提示词只会越来越重要。

因为提示词直接决定了模型能不能准确理解复杂的业务场景，能否输出符合要求的结果。从这个角度看，提示词就是连接场景和模型的桥梁。模型再强，只有用合适的提示词才能真正发挥出效果。

尤其在实际落地中，很多高价值的真实需求，其实并没有标准答案，背后的意图只能靠工程师和产品不断打磨和优化提示词，让模型明白背景信息，和预期的输出。

这也是 PromptPilot 工具的价值。它能让提示词的优化过程变得更直观、更可追踪。

我在厦门听了火山方舟负责人吴迪的分享，他说了两个观点让我特有共鸣：

1、再强的模型能力，如果无法和业务场景结合，不能解决实际问题，就只是“参数竞赛”。模型能力不能只看榜单和跑分，更要看在真实业务中的表现。推理速度、稳定性、调用成本，才是企业决策的重要因素。

2、随着各家模型能力逐渐收敛，参数再多也只是基础分，平台和工具链的完善程度，才是真正拉开差距的关键。所以火山方舟，不只是提供 API，还在做生态、工具、集成等各种配套服务。比如开源应用模板、Prompt 调优工具、场景一键部署、全流程监控等等。

豆包 大模型 教程一种新的应用范式正在出现。恰好今天是 8 月 1 日，我们或许可以停下来想想，新旧更替的时代中，我们的机会是什么，我们可以做些什么。