豆包大模型 Seed 2.0，有點不一樣

大模型這兩年的升級太密了。幾乎每隔兩周就有一家廠商宣布所謂重磅發布，自媒體也經常動輒顛覆世界。導致大家多少都有點審美疲勞。長期關注這個領域的朋友，想必已經產生了某種抗體。

但這次豆包大模型 Seed 2.0，確實讓我有點不一樣的感受。

不一樣的點，不在跑分，不在測評，而在我最關心的：能不能真的幫你干活。

之前我寫過一些簡單的 Agent 和編程工具測試（ ），回頭看，大模型可以完成一些簡單的編程和創意工作，但離真正的生產力工具還有距離。更像一個聰明但不太靠譜的實習生——你說什么它都能接話，但你沒法把一項完整的工作放心交給它，或者說要達成目的需要的成本并不低。

這次 Seed 2.0 的變化，核心不只是代碼理解能力更強了，更關鍵的是它的 Skills 調用能力。模型不只是「接收指令、給出回復」，而是能拆解一個復雜任務里有哪些步驟、需要調什么工具，然后自己串起來跑完。

聽起來抽象。我拿兩個自己做的東西來說。

第一個是，小紅書長圖文排版生成器。

做自媒體的人都知道，小紅書的長圖文排版是個體力活。一篇長文要切成多張 3:4 的圖片，風格要統一，斷行不能難看，配圖要穿插，最后還得逐張導出。市面上有工具能做，但大多只覆蓋最基礎的需求。

我讓豆包用 Seed 2.0 做了一個排版生成器。

這是我的 Prompt：

幫我做一個工具，小紅書長圖文排版生成器。不僅支持將長文本自動按照段落和高度切分為多張 3:4 或 9:16 的圖片，還具備專業級的排版細節。它內置了智能的「避頭尾法則」，確保數字（如 10,000）、小數點（如 99.9%）、連續英文單詞以及括號等符號不會出現突兀的斷行。在視覺設計上，工具去掉了傳統的封面的大標題，在每一頁頂部加入了具有雜志感的幾何線條和動態頁碼指示器（圓點隨頁數變化并高亮當前頁），同時提供了 10 種精選的護眼莫蘭迪色系（如拿鐵咖、羊皮紙等）供一鍵切換。此外，它還支持智能圖文穿插功能，用戶可以上傳圖片并通過占位符插入正文，圖片會自動應用高級彌散陰影和大圓角，用戶還可以通過滑塊自由控制圖片在排版中的全局縮放大小，并能一鍵開啟“段落垂直居中”功能，完美解決字數較少時的頁面留白問題，最后支持一鍵打包下載所有生成的高清圖片。

而這是豆包 Seed 2.0 在 3 分鐘內幫我寫好代碼完成的網頁工具。功能相當完整并且準確。

過程里可以看到代碼陸續寫出來。

這個任務之所以能說明問題，在于它不是一次簡單的問答。模型需要同時處理幾件事：理解文本結構，執行排版規則（數字、百分比、英文單詞不能在中間斷行），管理視覺樣式（我設了十種莫蘭迪色系可以一鍵切換），處理圖文穿插邏輯，最后支持批量導出。

過程中，考察的是文本理解→排版規則→樣式系統→圖片處理→批量導出，一整條 Skills 鏈的協同調用。而它真的做出來了。不是 demo 級別的「做出來」，是經過幾次迭代后，我可以在小紅書實際用上了的那種「做出來」。某種意義上，人人都可以在 3 分鐘內有一個自己隨意微調的錘子便簽了。

做完排版器我又試了一個挺有意思的：古文翻譯器。

Prompt是：

輸入一段明清小說的原文，預置三種現代漢語翻譯：魯迅風格、曹禺風格、知乎風格。

需求本身不復雜，好玩的是風格遷移的質量。魯迅的冷峻克制、曹禺的戲劇張力、知乎體的「謝邀，人在古代，剛下馬車」，模型要做出有辨識度的區分，加入了一些常用語和翻譯風格。

這代表了未來的可能性：每個人都可以擁有一套自己定制的出版工作室。你喜歡什么翻譯風格，就讓這個工作室給你怎么翻譯。

以上兩個例子更接近我作為創作者的使用場景。而大模型的升級是全方位的。哪怕不做工具、不寫內容，日常生活里也能感受到區別。

豆包 APP 有「專家模式」，現在大家應該都能體驗到。多模態理解上的表現又上了一個檔次。

我試了一張纜車照片。很普通的旅行照，沒有任何文字標識，只有纜車和白茫茫的一片地。它準確識別出這是日本山形縣的藏王溫泉滑雪場。這不只是圖像識別，它需要結合地形特征、纜車樣式、植被分布做綜合推理。

另外，前幾天去吃的居酒屋，也能準確翻譯菜單，這倒沒有難度。難點在于，它不光翻譯準確，還能根據當下的位置和季節給出推薦。

相當于有個日本本地的朋友直接幫你推薦點菜。

另外一個亮點則是，大容量有豐富細節的視頻也能看懂了。豆包目前支持 500MB 以內的視頻分析，這是個新功能。

我拿自己滑雪的視頻試了一下。幾分鐘的視頻，沒有旁白沒有字幕。它不僅看懂了我在做什么動作，還針對姿勢給出了相當專業的改進建議：膝蓋屈曲不足、上半身過直，重心偏高；重心轉移不充分，外側雪板承重不足。并且給出了針對性的建議。

這些判斷需要同時理解運動軌跡、身體姿態和雪道坡度，還要有滑雪運動的專業知識。這相當程度上解決了我們不知道，一些現實世界里的場景，該怎么跟 AI 表述（或者表述很麻煩）的問題。

最后再談兩句額外的觀察。近期圍繞模型蒸餾的討論很多，豆包其實沒有把重點放在蒸餾這條路上，看它的技術風格能感受到一種不太常見的取向。豆包強調的還是指令遵循，強調長尾知識，強調真實世界的復雜工作流。當然，也因為財大氣粗，可以放量并且建立雄厚的用戶群和用戶場景，就有了大量面向真實場景的評測基準，以體驗為驅動而不是以刷分為驅動。

這未必是絕對意義上唯一正確的路，不過這條更慢的路，的確走出了一些不一樣的東西。

說回來，距離大模型能完全替代很多生產力場景，還有距離。高精度、長協作、深經驗的工作，目前還做不到可以放心交付。包括剛剛提到的場景，真正能應用，還需要反復調試和人工的判斷。不過可以說，目前的大模型距離，讓我們走進滿是 AI 的工作室，已經算摸到門把手了。

這次用做的小紅書排版工具，我在日常工作里真的用了起來，每周都會打開。一個能做出可用工具的 AI，相比于 2 年前，又是一次潛移默化但很重要的進化。一個能知道我看到的是什么、我拍到的是什么的 AI，也比只能聊天獲取信息的 AI ，也是進化。這就是為什么說，這次真的有點不一樣。

各位對方舟的 Coding Plan 感興趣的朋友，點擊閱讀原文，可以直接跳轉。

* 本文使用火山方舟體驗中心及豆包 APP （基于 Seed 2.0）進行測試，代碼相關 Demo 基于火山方舟 Coding Plan（集成 Seed 2.0 Code）實現。

* 封面圖由 豆包（Seedream 4.5） 生成