今天，豆包大模型正式进入2.0阶段。
今天，豆包大模型正式进入 2.0 阶段。
随着 Agent 时代到来，大模型将在现实世界发挥更大作用。豆包 2.0（Doubao-Seed-2.0）围绕大规模生产环境下的使用需求做了系统性优化，依托高效推理、多模态理解与复杂指令执行能力，更好地完成真实世界复杂任务。
豆包 2.0 系列包含 Pro、Lite、Mini 三款通用 Agent 模型和 Code 模型，灵活适配各类业务场景：
-
豆包 2.0 Pro 面向深度推理与长链路任务执行场景，全面对标 GPT 5.2 与 Gemini 3 Pro；
-
2.0 Lite 兼顾性能与成本，综合能力超越上一代主力模型豆包 1.8；
-
2.0 Mini 面向低时延、高并发与成本敏感场景；
-
Code 版（Doubao-Seed-2.0-Code）专为编程场景打造，与 TRAE 结合使用效果更佳。
目前，豆包 2.0 Pro 已在豆包 App、电脑端和网页版上线，用户选择「专家」模式即可对话体验；豆包 2.0 Code 接入了 AI 编程产品 TRAE；面向企业和开发者，火山引擎也已上线豆包 2.0 系列模型 API 服务。
关于模型的更多细节，详见项目主页：
https://seed.bytedance.com/zh/seed2
多模态理解能力全面升级，多数基准达 SOTA 水平
豆包 2.0 全面升级了多模态能力，在各类视觉理解任务上均达到世界顶尖水平，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，豆包 2.0 Pro 在大多数相关基准测试中取得最高分。
面对动态场景，豆包 2.0 强化了对时间序列与运动感知的理解能力，在 TVBench 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。
长视频场景中，豆包 2.0 在大多评测上超越了其他顶尖模型，且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。
LLM 与 Agent 表现大幅强化，长程任务执行能力提升
提升长程任务执行能力，需要丰富的真实世界知识。通过加强长尾领域知识，豆包 2.0 Pro 在 SuperGPQA 上分数超过 GPT 5.2，并在 HealthBench 上拿到第一名，在科学领域的整体成绩与 Gemini 3 Pro 和 GPT 5.2 相当。
在推理和 Agent 能力评测中，豆包 2.0 Pro 在 IMO、CMO 数学奥赛和 ICPC 编程竞赛中获得金牌成绩，也超越了 Gemini 3 Pro 在 Putnam Bench 上的表现，展现了强劲的数学和推理能力。在 HLE-text（人类的最后考试）上，豆包 2.0 Pro 取得最高分 54.2 分，在工具调用和指令遵循测试中也有出色表现。
豆包 2.0 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，但 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。
基于 OpenClaw 框架和豆包 2.0 Pro 模型，在飞书上构建了一个智能客服 Agent。通过调用不同技能，客服 Agent 能出色地完成客户对话，当遇到解决不了的难题，还会主动拉群求助真人同事，帮客户预约上门维修人员，并在维修后主动进行回访，顺带推荐春节优惠产品。
Code 模型提升开发效率，快速搭建复杂应用
豆包 2.0 Code 是基于 2.0 基座模型，针对编程场景进行优化的版本。其强化了代码库解读能力，还提升了应用生成能力。此外，豆包 2.0 Code 还增强了模型在 Agent 工作流中的纠错能力。
该模型已上线 TRAE 中国版作为内置模型，支持图片理解和推理。
以开发一个「TRAE 春节小镇 · 马年庙会」互动项目为例。这是一个比较复杂的场景，但是通过 TRAE+豆包 2.0 Code，只需要 1 轮提示词，就能构建出基本的架构和场景，再经过几次调试，总共 5 轮提示词，就可完成这个作品。
11 位性格各异的 NPC，由大语言模型驱动，会根据人设自然聊天、招呼顾客、现场砍价；AI 游客们像真实逛庙会一样，自己决定去哪家摊位、买什么、说什么。烟花升空时的祝福语、孔明灯上的四字题词，也都由 AI 即时生成——每一次进入小镇，看到的互动都可能不同。
相关提示词与素材已开源，供开发者朋友测试或二次创作：https://github.com/Trae-AI/TRAELand
豆包大模型 2.0 系列的更新，是面向现实世界复杂任务的新起点。未来，我们将继续面向真实场景迭代模型，不断探索智能上限。
