Seed News - ByteDance Seed Team

大语言模型驱动的产品已深刻融入我们的生活。过去一年多，Seed 开发的 LLM 模型系列已支持豆包等拥有上亿用户的 C 端产品，同时，我们也注意到，随着 Agent 时代到来，LLM 将在现实世界的复杂任务中发挥更大作用：比如参与科学研究，支持复杂软件开发，LLM 甚至可以基于上下文自主学习，完成各类具有经济价值的任务。

在这个关键节点，我们很荣幸地介绍最新 Seed2.0 系列，它们围绕大规模生产环境下的使用需求做了系统性优化，旨在帮助突破真实世界中的复杂任务。

通过分析 Seed 通用模型在 MaaS 服务中的调用情况，我们发现，最高比例的需求为处理混杂图表、文档等非结构化信息的知识内容，企业往往要求模型先做“读得多、想得多”的任务，再进入复杂且专业的流程型工作，对模型的长内容理解和多步任务执行能力要求越来越高。

Seed 通用模型 MaaS 服务在中国陆的调用场景分布，数据来自“火山方舟协作奖励计划”，相关用户已签署授权协议

基于真实使用场景，Seed2.0 系列重点在以下方面进行了优化：

更稳健的视觉与多模态理解：Seed2.0 强化了视觉感知与推理能力，对复杂文档、表格、图形、视频内容的解析水平显著提升，视觉信息处理更精准。
更可靠的复杂指令执行：Seed2.0 提升了指令遵循和推理表现，并强化了对多约束、多步骤、长链路任务的理解与执行能力，已具备支撑高价值任务的能力基础。
更快速、更灵活的推理选择：Seed2.0 提供 Pro、Lite、Mini 三款不同尺寸的通用 Agent 模型，以及专门的 Code 模型，覆盖不同的场景需求，供企业和开发者选择。

除了更好地支持生产级需求，Seed2.0 还致力于提升模型智能上限。目前，Seed2.0 已能从解决奥林匹克竞赛类问题迈向支持研究级的推理任务。比如，Seed2.0 可尝试探索埃尔德什级别的数学问题，也可完成部分科学相关任务的编程工作，进一步突破机器智能的边界。

Seed2.0 Pro 和 Code 模型已分别在豆包 App 和 TRAE 上线，同时，Seed2.0 全系列模型 API 已同步上线火山引擎，欢迎大家体验、反馈。

项目主页（含Model Card）：

https://seed.bytedance.com/zh/seed2

体验入口：

1）豆包App-选择“专家”模式-开启对话；

2）TRAE-在“内置模型”中选择“Doubao-Seed-2.0-Code”。

多模态理解能力全面升级

大部分基准达 SOTA 水平

Seed2.0 全面升级了多模态能力，在各类视觉理解任务上均达到业界顶尖水平，其视觉推理、感知能力、空间推理与长上下文理解能力表现尤为突出，Seed2.0 Pro 在大多数相关基准测试中取得了最高分数。

在数学与视觉推理方面，Seed2.0 Pro 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。

标注 * 的数据引自公开技术报告

Seed2.0 的视觉感知能力进一步升级。在 VLMsAreBiased、VLMsAreBlind、BabyVision 等基准中，Seed2.0 取得了业界最高分，说明它在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

视觉理解基础能力的进步，让 Seed2.0 在真实应用场景中的表现大幅提升。在文档理解中，模型面对的往往不是标准的数据输入，而是复杂版式混排的原始材料。相比 Seed1.8，Seed2.0 处理非结构化信息的能力显著强化，其在 ChartQAPro 与 OmniDocBench 1.5 基准上达到顶尖模型水准。

同时，在长上下文理解方面，Seed2.0 在 DUDE、MMLongBench 与 MMLongBench‑Doc 上均取得业界最佳分数。

标注 * 的数据引自公开技术报告

面对视频场景，Seed2.0 强化了对时间序列与运动感知的理解能力，在 TVBench、TempCompass、MotionBench 等关键测评中处于领先位置，且在 EgoTempo 基准上超过了人类分数，表明它对“变化、动作、节奏”这类信息的捕捉更为稳定，在工程侧可用性更高。

标注 * 的数据引自公开技术报告

长视频场景中，Seed2.0 在大部分评测上超越了其他顶尖模型。其可以高效准确地处理小时级别的长视频，此外，视频工具 VideoCut 进一步提高了长视频处理的时长范围，并提升了推理精度。在视频长、信息杂的企业真实部署场景中，Seed2.0 可帮助快速捕捉视频关键信息，准确地输出用于下游决策的结论。

同时，Seed2.0 在多个流式实时问答视频基准测试中表现优异，能作为 AI 助手完成实时视频流分析、环境感知、主动纠错与情感陪伴，实现从被动问答到主动指导的交互升级，可应用于健身、穿搭等陪伴场景。

标注 * 的数据引自公开技术报告

LLM 与 Agent 表现大幅强化

真实长程任务执行能力提升

Seed 团队观察到一个典型失衡：语言模型已经可以顺利解决竞赛难题，但放在真实世界中，它们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。

LLM 和 Agent 为什么在处理现实问题时屡屡碰壁？我们认为，原因主要来自两点：

真实世界任务往往跨越更长时间尺度、包含多个阶段，而现有 LLM Agent 难以自主构建高效工作流，并在长时间跨度中积累经验；

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，导致即便模型擅长数学与代码，其在专业场景中往往价值有限。

Seed2.0 首先通过系统性加强长尾领域知识来应对这一难题。Seed2.0 Pro 在 SuperGPQA 上分数超过 GPT-5.2，并在 HealthBench 上拿到第一名，其在科学领域的整体成绩与 Gemini 3 Pro 和 GPT-5.2 保持相当水平。

此外，Seed2.0 Pro 在跨学科知识应用上的能力显著增强，其在 FrontierSci 等 STEM 基准测试中表现突出，部分场景得分超过 Gemini 3 Pro。同时，Seed2.0 Pro 在 ICPC、IMO、CMO 测试中均获得金牌成绩，说明模型在数学、代码及推理智能方面进一步提升。

Seed2.0 还重点强化了指令遵循能力。相关评测显示，Seed2.0 可保持较强的一致性与可控性，这为其作为 Agent 模型在长链路、多步骤任务中严格按约束条件执行奠定基础。

从基础 Agent 能力的得分来看，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”等连续工作流。深度研究任务中，Seed2.0 Pro 在相关的三项评测上均取得最高分，展现出在研究型任务里的推进能力与稳定性。

在复杂 Agent 能力评估中，Seed2.0 达到业界第一梯队水平。比如，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用户场景上表现稳定；在 GDPVal-Diamond、XPert Bench 等复杂专业任务基准上，模型同样取得了有竞争力的结果，说明它可以胜任长链路、多约束查询任务。

同时，Seed2.0 Pro 在 FrontierSci‑research 等前沿科研基准上表现强劲，并在 AInstein Bench 上领先，体现出在科学发现场景中较强的假设驱动式推理能力。

此外，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，它不仅能给出总体实验路线，还能把基因工程、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、用什么进行对照以排除污染、用哪些指标评估纯度。相关领域专家表示，Seed2.0 给出的方案，在跨学科的实验细节与步骤化表达上，超出了他们对大模型的预期，其回答不止停留在策略层面，而是能产出结构清晰、科学上相对可靠，且具有可执行性的实验草案。

在提升了长程任务执行能力的同时，Seed2.0 还进一步降低了推理成本。其模型效果与业界顶尖大模型相当，同时 token 定价降低了约一个数量级。在现实世界的复杂任务中，由于大规模推理与长链路生成将消耗大量 token，这一成本优势将变得更为关键。

*关于评测基准的详细介绍，以及 Seed2.0 的更多真实用例，可以参见模型 Model Card。

总结与展望

针对企业与用户的真实需求及使用场景，我们筛选和搭建了一系列评测基准，用于构建适用于大语言模型的评估体系。

依托这套可靠且具有前瞻性的评估体系，Seed2.0 强化了多模态理解与推理能力，并致力于解决长尾知识与复杂指令遵循问题，从而提升模型在复杂、长周期现实任务中的可靠性。在针对真实应用场景中的评测中，Seed2.0 表现出色，达到业界第一梯队水平，且已表现出支持科学研究级任务的潜力。

同时，我们也观察到，Seed2.0 在端到端整体代码生成、上下文学习方面取得了明显进步，不过在部分高难基准上，其与国际领先模型相比仍有提升空间。未来，我们将继续面向真实场景迭代 Seed 语言模型，不断提高其智能上限。

Seed2.0 正式发布