来源:量子位
在Seedance 2.0和Seedream 5.0 Lite,一波接一波爆火之后,豆包把完全体拿出来了——豆包大模型2.0。
这是时隔21个月以来的最大版本的更新。
像Seedance 2.0已经成为全民玩转的AI,我们也试着做了一个视频:
短短5秒钟,效果确实是足够逼真。
也难怪老外也开始研究怎么注册中国手机号来体验了……
再如Seedream 5.0 Lite,首次支持联网检索,生成的图片也达到了商业化的水平:
而就在今天,在视觉模型火爆之后,豆包终于把那个最核心的大脑拿出来了——豆包大模型2.0。
整体来看,这次豆包大模型2.0在多模态理解、企业级Agent、推理和代码能力上都有了不少的提升:
-
更强多模态理解:在多模态感知、高精度文字提取、图表理解、空间理解、运动理解、视觉知识和推理、长视频理解等方面表现出色。
-
企业级Agent能力:模型能更好支持对技能(Skills)的理解和应用,Function Call 、多轮指令遵循、搜索和工具调用能力显著增强,格式输出更稳定,支持灵活的上下文管理,更好地支持企业级复杂、长程任务,在数据分析和客服Agent等企业场景中表现出色。
-
数学和代码推理能力:模型具备更强推理能力,支持思考长度可调节,且各思考长度下,Tokens效率都有大幅提升。在ICPC、IMO、CMO测试中均获得金牌成绩。
更直观的提升,体现在榜单测评中。
例如在MathVista、MathVision、MathKangaroo、MathCanvas等数学推理基准上达到业界最优水平。同时,在 LogicVista、VisuLogic等视觉解谜与逻辑推理基准上,Seed2.0 Pro得分较Seed1.8显著提升。
并且在VLMsAreBiased、VLMsAreBlind、BabyVision等基准中,豆包大模型2.0取得了业界最高分!
那么接下来,还是老规矩,一波实测,走起~
零帧手搓《我的世界》
首先,我们就要测试最近各家都在主推的代码能力。
在字节旗下的AI编程软件TRAE中,我们目前就能体验豆包大模型2.0的能力:
我们就先以3D模仿求解器的案例,来小试牛刀一下:
你帮我写一个能解决魔方的群论算法,然后用前端页面演示下吧,要求美观,本地当前文件夹下的所有文件都可以直接编辑删除和覆盖。
不难看出,豆包大模型2.0很好的理解了基于群论的智能算法,并且在视觉和交互上也是比较惊艳。
面对复杂的物理模拟,也是不在话下:
接下来,我们来一个更加复杂且长任务的测试——3D版大富翁游戏(上下滑动)。
请欣赏效果:
可以看到,豆包大模型2.0依旧是稳稳拿捏。
难度再上一层楼,这次我们直接做一个《我的世界》(上下滑动):
同样也是稍等几分钟,高仿版《我的世界》就诞生了:
并且豆包官方也展示了通过豆包大模型2.0和TRAE生成的“AI春节庙会”:
当然,像模拟可交互的苹果电脑系统这种任务,也是非常轻松实现:
除了编程之外,像复杂的图解问题,豆包大模型2.0也是可以轻松拿捏。
例如我们直接丢给它这样一张图:
豆包大模型2.0在接收到问题之后,立即给出了正确答案(上下滑动):
类似的,复杂的数学问题也是不在话下。
由此可见,豆包大模型2.0在推理、编程和数学问题上,都有明显的性能提升。
为什么现在才是2.0的节点?
实测下来,最直观的感受是:豆包大模型2.0变稳了。
它不再满足于陪你聊天,而是试图帮你写完一个项目、算出一个难题、画出一张商用级海报。
这也引出了一个问题:为什么现在才是2.0的节点?
过去一年,大模型行业陷入了卷参数和卷价格的混战。但字节跳动似乎一直在憋大招。这个时间点发布2.0,或许是因为在数据质量、训练效率,以及应用效果都突破了一个新的临界点。
特别是在Agent场景下。
真正的企业级应用,不是靠聊天解决的,而是靠行动。豆包 2.0 展现出的工具调用能力和长程任务规划能力,显然是冲着ToB和生产力工具去的。
性价比是否更具优势?答案是肯定的。
在测试中我们发现,虽然能力变强了,但推理速度并没有明显的延迟。据技术报告显示,Seed-2.0系列(包括 Pro、Lite、Mini)在同等性能下,通过架构优化,大幅提升了Tokens效率。
这意味着,企业用它来做客服、做数据分析、写代码,成本会更低。
现在,豆包大模型2.0已经全面上线,感兴趣的小伙伴可以去试试喽~
新浪声明:此消息系转载自新浪合作媒体,新浪网登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述。文章内容仅供参考,不构成投资建议。投资者据此操作,风险自担。责任编辑:常福强