文 / 梁添  

来源 / 节点 AI  

6 月 23 日，火山引擎一年一度的 FORCE 大会。

如果用一句话概括发生了什么，那就是，字节把 AI 全家桶摆上桌了，补上了 coding 能力，还顺手把价格打到了地板上。

豆包大模型 2.1 Pro 正式发布，编程能力追平 Claude Opus 4.7，价格只要对方的 20%。视频模型 Seedance 2.5 直接生成 30 秒视频，还带了一个音频模型和升级图像模型。

火山引擎总裁谭待也交了一组成绩单，截至今年 6 月，豆包大模型日均 Token 调用量 180 万亿，两年增长 1500 倍。公有云市场份额 49.5%，几乎占了半壁江山。年消费超 1 万亿 Token 的企业客户从 100 家翻到了 200 家。

数字很炸。

但今天真正值得聊的，不是哪个评测又出了高分，而是字节在 AI 这件事上，长板更长，也补齐了短板。

发力编程和 Agent

过去一年，字节一直是一个 ai 赛道优秀的偏科生——多模态第一，豆包 app 在 C 端热度高涨，Seedance 视频模型更是吊打全场，可惜，一到编程考试就插不上话。

2025 年恰好是 AI Coding 爆发的一年。Anthropic 凭借编程和 Agent 能力甚至把 OpenAI 都甩在了后面。Cursor 成了开发者标配工具，小龙虾把大众对 Agent 的理解往前推了一大步。

现在这条最热的赛道上，字节终于发力了。

这次豆包 2.1 Pro 就是来补课的。具体跑分就不一一念了，总之在主流编程和 Agent 评测里基本都进了全球前三。

更直观的是现场那个案例，豆包 2.1 Pro 接了一个芯片设计的活，连续跑了 18 小时、9 轮迭代，跑通了仿真测试，这种活正常要 3 到 5 个资深工程师干好几周。一个模型顶一个工程师小组。

另一个例子是 3D 虚拟城市场景。依托豆包 2.1 Pro 搭建的系统，可以实现 500 余个智能 Agent 同步协作，完成上千轮工具调用，生成超百栋建筑。

看完给我的感受就是，在 Coding 领域豆包终于上桌了。

字节做 AI 的风格一直很字节，你做什么我也做，但我要做到更便宜。

豆包 2.1 Pro 定价：输入 6 元 / 百万 Token，输出 30 元 / 百万 Token，缓存命中 1.2 元。综合成本比 Claude Opus 系列便宜接近 80%。高频调用的 Turbo 版价格再砍一半。

考虑到多模态能力的差距，这个价格在当前市场上还是很能打。

谭待在大会上讲了一个我觉得挺有意思的逻辑：不要只看 Token 标价，要看 Token 能创造的业务价值。

他的判断是，虽然主流模型单 Token 价格在涨，但单 Token 创造的业务价值涨幅更大，整体性价比其实在提升。这话翻译一下，我们涨价了，但你赚得更多了，所以你应该觉得很划算。

他举了一个有说服力的例子。Seedance 2.0 上线前，视频生成模型的周末调用量远高于工作日，说明大家当玩具用。上线之后，工作日调用全面反超周末。制造业、自动驾驶、具身智能的企业，开始把视频生成真正嵌入生产流程。

用户行为从周末玩变成周一到周五用，这可能是证明 AI 从玩具变成工具最直接的数据。

视频生成的天花板又被拉高了

多模态是字节最有底气声量最大的赛道。要知道去年多模态还是 Google 的天下，但今年年初 Seedance2.0 横空出世，字节一跃成为多模态领域的天花板玩家。这次也没让大家失望。

从预告看，Seedance 2.5 实用性更强了。单条视频最长达到了 30 秒，支持最多 50 个全模态素材联合输入，还新增 3D 白模预演能力。

据说灵感来自一位知名导演，他在合作中提出，科幻片和大场景调度里 3D 白模是前期预演的核心工具，但传统制作太费时费力，Seedance 据此开发了这个功能。

同时，Seedance 2.0 在画质上也升级到了原生 4K 直出，这个水准已经可以进入专业影视后期。

此外还有两个新模型，Seedream 5.0 Pro，新增了交互式精准编辑和多图层分离；豆包音频模型 1.0 支持根据文本自动推理角色声音，一次生成包含对白、音效、背景音乐的完整音轨。现场还演示了一段古风武侠片，从人声到兵器碰撞声全部 AI 生成，一分钟，音色不漂移。

一场发布会，字节把文字、图片、视频、音频全模态产品线拉齐了。

大会上还有一个有意思的发布，周星驰《喜剧之王》《食神》《长江七号》三部经典 IP 授权入驻火山引擎的 AI 版权商业化平台，用户可以在抖音、即梦、剪映上用官方模板做二创。

这件事的意义重大。对于一直困扰 AI 视频生成的版权问题，这是一个值得关注的解法。谭待也提到，Seedance 2.0 其实春节前就开发完了，但拖到 4 月才开放 API，中间几个月全部用来搭版权保护和人脸管控的安全体系。" 安全不是业务的限制，是商业化的前提。"

产业落地方面，名单上的公司也挺有说服力。

特斯拉全系车型基于豆包做智能语音车控，奔驰新款 CLA 接入豆包支持自然对话，顺丰用 AgentKit 搭建全场景 AI 办公助理，新东方做 AI 助教覆盖口语练习和作文批改，中国石油用安全运营 Agent 做异常告警自动值守。从车企到物流到教育到能源，字节的 AI 确实在往各行各业渗透。

如果把今天的发布会浓缩成一句话，大概是，字节终于从多模态很强但编程较弱变成了都不错。

在 AI 竞争的当前阶段，均衡发展的能力，可能比偏科型更有商业价值。在企业真实采购决策中，一个能看图、能写代码、能做 Agent、还便宜，很可能会赢过一个编程满分但什么都看不了的模型。

豆包 180 万亿日均调用量和 49.5% 市场份额已经说明了问题，这个数字不是靠评测刷出来的，是企业客户真金白银 pick 出来的。

谭待说了一句话我觉得挺实在的，国内 AI 市场大概相当于跑了 1 公里，刚刚跨过生产级门槛，未来还有十倍甚至百倍的增长空间。

字节跳动在 AI 上的打法，和它做所有事情一样，不一定是第一个做的，但一定要做到足够大、足够便宜、足够全面。至于这套打法在 AI 时代还灵不灵，180 万亿 Token，大概就是市场给出的答案。