智东西

作者 | 云鹏

编辑 | 漠影

春节将至，国内 AI 大模型赛道好不热闹，多款国产模型更新引爆海内外，不少海外网友都 " 跪求 " 体验方式，2026 开年 AI 档，还要看中国玩家。

在这场 AI 盛宴之中，我们看到各类超级 Agent 走到舞台 C 位，AI 逐渐深入到具体的工作流中，甚至开始帮企业啃下真正的 " 硬骨头 " 任务。

AI 从 " 玩具 " 转向 " 工具 "，这一趋势十分明显、

在国内 AI 模型爆更热潮中，字节火山引擎成为其中代表性玩家，重磅新品发布不断，主打一个 " 量大管饱 "，近三天直接新模型 " 三弹连发 "：

12 日豆包视频生成模型 Seedance 2.0 正式登场、13 日图像创作模型 Seedream 5.0 Lite 发布，今天，最新多模态 Agent 模型豆包 2.0（Doubao-Seed-2.0）正式登场，这也是豆包大模型自 2024 年 5 月正式发布以来首次大版本的跨代升级。

总体来看，豆包 2.0 系列包含 Pro、Lite、Mini 三款通用 Agent 模型和 Code 模型，经实际体验测试，其在企业级 Agent 能力、多模态理解、推理代码能力及灵活工具调用能力方面都有着显著增强，在真实长链路任务中表现亮眼。

豆包 2.0 在各类视觉理解任务上实现 SOTA，视觉推理、感知能力、空间推理与长上下文理解能力表现突出，在大多数相关基准测试中取得最高分

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，在 Putnam Bench 上超越 Gemini 3 Pro，在 HLE-text（人类的最后考试）中，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成绩领先

在豆包 2.0 的加持下，我们可以轻松拥有一个可以实时互动的 AI 健身教练：

或者基于给定图像，精准生成匹配的 matplotlib Python 绘图代码，实现图像到绘图代码转化：

豆包 2.0 还可以直接操作软件执行专业复杂任务，比如进行 CAD 设计与操作，建模并完成几何参数提取：

在当前行业聚焦攻克 AI 处理企业复杂长任务的大趋势下，豆包 2.0 无疑成为字节火山引擎在企业级市场的重要一步。

目前，豆包 2.0 Pro 已在豆包 App、电脑端和网页版上线，我们只需要选择专家模式就可以体验，火山引擎也上线了豆包 2.0 系列模型的 API 服务。

豆包 App 界面

一、实测上手惊艳：一句话制作专业可视化报告、轻松开发网页游戏，自主调用海量工具技能

今天，我们看到 AI 大模型赛道一个突出的趋势，就是行业更在乎模型实际做事的能力，尤其是当 AI 开始深入产业、企业之后，公司更关心的是 AI 能否真正扛起任务、给公司创造生产力。

从实际体验效果来看，豆包 2.0，是真的可以称得上是企业级 " 超级 AI 牛马 " 了，新模型在多模态理解、企业级 Agent 能力、推理和代码编程方面的表现都令人印象深刻。

在企业级 Agent 和多模态能力方面，我们首先考察了一个常见场景：针对某一主题，汇总数据、制作表格、可视化分析、给出分析和策略建议。

需求为：汇总梳理 2025 年 1 月 1 日至 2025 年 12 月 31 日发布的所有智能眼镜产品，将产品名称、发布日期、价格、厂商、主要参数配置、核心亮点汇总整理成表格，并据此生成可视化报告，至少要包括价格分布、产品发布数量趋势、产品类型分布等，分析当前智能眼镜市场发展特点，如果一家创业公司想要入局 AI 眼镜市场，给出建议的市场策略。

这个需求十分复杂，涉及 Agent 拆解复杂任务、自主多轮工具调用、多模态数据转换、深度调研分析等多方面能力的考察。

从最终呈现效果来看，豆包 2.0 制作的可视化网页十分美观、简洁、重点突出，要点信息齐全，要素呈现直观。

同时，页面信息汇总比较全、准确性较高、可用性较强，不论是产品名称、价格还是产品特点，都提炼的较为准确，需要调整修改的地方并不多。

AI 给出的分析性内容逻辑性比较强，有一定深度，给出的结论和建议有根据出处，并非传统 AI 生成常见的 " 假大虚空 " 内容。

值得一提的是，这一复杂长程任务涉及公开信息收集梳理、用 Python 脚本创建可视化报告和图表，涉及文字、图像、表格、网页等多模态数据的转换，同时需要 Agent 自主调用大量工具，而豆包 2.0 完成任务的全程几乎不需要干预，仅有必要的系统权限授权确认即可。

此外，我们考察了 Agent 根据长文本内容生成指定主题 PPT 的能力，需求为：根据给定的一份万字左右的会议纪要，生成一份关于季度销售数据汇报的 PPT，要求内容可视化程度高、数据呈现形象直观，不要有大段文字，PPT 风格简约商务。

从最终 PPT 生成效果来看，PPT 制作的风格符合要求，同时在设计上比较简约、美观。

最重要的是，其主要的数据均与会议纪要一致，数据准确，基本不需要调整修改。PPT 中的图表制作较为美观，数据呈现直观。

此外，PPT 整体的逻辑结构比较清晰，有头有尾，结尾甚至用上了 " 凝心聚力 " 这样的常用网红热词。

在图文多模态内容转换方面，我们还让 Agent 根据一家企业财报的多个图表（包括柱状图、折线图、饼状图和文字表格），提取其中关键信息，生成关于财报数据的汇总表格，从呈现结果来看，其数据提取准确，可用性强。

在企业级 AI 非常重视的代码能力方面，我们使用 TACE 进行了测试。首先，我们直接提出了热门的网页游戏开发制作需求：

从头开发一款休闲卡通风格的 " 黄金矿工 " 游戏，游戏核心机制是摆动的钩爪，玩家需要通过精准的时机预判来抓取不同重量和价值的物品，以此平衡风险与回报。核心功能要包括升级（钩爪速度、炸药、幸运值）关卡商店，游戏模式有带 BOSS 战的剧情模式、对战模式、合作模式。游戏要有匹配的音效和动画效果，最后直接以网页版游戏形式呈现，要直接可玩。

我们看到，Agent 在收到需求后直接开始创建详细的游戏开发计划，梳理出 8 个待办事项，并依次执行。在完成游戏设计后，Agent 还测试并优化了游戏体验，确保可以直接游玩。

从最终游戏成品来看，黄金矿工游戏与我们印象中的经典版本十分接近。

游戏完成度较高，从游戏玩法、核心功能、游戏模式到动效、音效都有比较好的呈现。

Agent 甚至自己给游戏添加了文本剧情说明，这是比较出彩的地方。整个游戏的画面风格简洁、直观，操作比较流畅。

交互项目设计方面，官方给出了更进一步的案例，基于 TRAE，豆包 2.0 可以直接开发一个关于马年庙会的互动项目，只需要 1 轮提示词就能构建出基本的架构和场景，整个作品完成只需要 5 轮提示词。

场景中，多位由大模型驱动的 NPC 回根据人设自然聊天，还会招揽顾客，甚至是砍价，AI 游客们会自己逛庙会，场景中有烟花声控、孔明灯题词，均由 AI 即时生成，并且每次进入小镇看到的互动都不相同

除了游戏和交互项目设计，给公司制作指定主题的网站也是当前考验 Agent 编程能力的一个关键项目，我们给 Agent 提出如下需求：

为一家人工智能公司设计官方网站，融入地球主题元素。使用黑、白、蓝、灰作为主色调，营造出酷炫、精致且充满科技感的氛围。我特别需要一个能让用户感到震撼的精美地球动画。

从网站呈现效果来看，最关键的 " 地球动效 " 的确有比较好的呈现，虽然与专业设计人工打造的动效还有一定差距，但整体视觉效果还是比较吸睛的，立体感十足，并且地球可以随着鼠标运动，这是比较亮眼的。

除了动效，网页制作的基本元素、色调、氛围都符合要求，并没有出现明显偏差，网站基本功能也都是完善的，包括公司愿景、口号、核心技术、成果等。整体来看，可用性较高，基本框架完全可以 " 拿来即用 " 了。

在更进阶的代码能力方面，根据官方实测，豆包 2.0 还可以完成 Solovay-Kitaev 算法修复这样的任务，这证明其具备数值分析直觉和几何代数知识，具备数学推理与代码修复的综合能力。

Solovay-Kitaev 算法修复

此外，我们还考察了另一类企业常见的复杂任务：每日固定信息汇总梳理及可视化呈现。

我们要求 Agent 提供过去 24 小时内科技领域的重点新闻摘要。每条新闻要提炼一个核心要点，并附带网络检索来源，设计一个网页呈现这些新闻，每个新闻都要有配图，每个新闻的配图，如果原文中有就用原文的，如果没有，就生成一个适合的图配上。

从最终呈现结果来看，新闻抓取非常准确，时效性强，均为最近 24 小时内新闻，可用性强，并没有出现其他 Agent 常见的用旧闻当新闻的错误。

同时，网页可以很好地还原需求，包括网络检索来源、清晰易读、要点突出，整体网页制作美观度较高、有一定的设计感。

值得一提的是，网页中每个新的配图都基本符合对应的新闻要素，AI 生成图片效果比较好。

最后，在多模态能力方面，我们重点考察了 Agent 对于图像的分析和理解能力，比如根据家中的几个全景照片，给出新购置扫地机器人的合理摆放位置建议。

Agent 可以准确识别照片中的房间、家具，比如客厅、玄关、餐厅，沙发、餐桌、电视柜等，同时其给出的建议比较符合直觉（电视柜旁边、沙发旁开阔区域，避开玄关和餐厅）。

家中环境照片

给出建议

在图像 3D 空间理解、分析方面，Agent 可以根据一份零部件的三视图，生成这个零部件的 3D 视图，还原零件立体结构，描述零件的核心功能与装配逻辑。

零部件三视图

零部件结构功能分析

Agent 针对三视图，可以准确分析零部件的结构组成，对核心功能的描述比较准确，数据单位使用都较为专业和正确，可用性较强。

二、多项关键能力突破，让企业级 Agent 走入现实

从上述诸多实际体验中，我们看到豆包 2.0 在多轮指令遵循、工具调用能力、数据和图表处理、格式输出稳定性等方面表现都比较突出，支持更灵活的上下文管理。

模型在处理复杂任务中，自主进行各类工具的调用，执行复杂流程十分顺利，整个过程需要极少介入，全流程自动，模型多 Skills、复杂 Skills 准确调用能力比较强。

这些特性都是企业级 Agent 所需要的关键能力，让 Agent 可以更好地支持企业级复杂、长程任务，对于数据分析和客服 Agent 等企业场景，这些能力几乎都是 " 刚需 "。

与此同时，模型在多模态感知、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、长视频理解等方面同样表现出色，多模态能力的提升极大扩展了 Agent 能力的覆盖范围，也让 Agent 的易用性大幅提升。

在推理和代码能力方面，模型的推理能力（规划、思考、反思）有显著增强，并且支持思考长度的调节，在各思考长度下，Tokens 效率都有提升；模型的代码能力，特别是前端开发能力有着令人印象深刻的表现。

从实际基准测试成绩来看，豆包 2.0 在考验视觉推理及感知的 MathVision 等基准测试中达到 SOTA 水平，运动感知方面，豆包 2.0 强化了对时间序列与运动感知的理解能力，在 MotionBench 等测评中成绩领先，此外，豆包 2.0 在指令遵循、复杂 Agent 能力评估中都已经达到业界第一梯队水平。

豆包 2.0 在视觉推理及感知、运动感知、真实世界任务等方面的基准测试表现

此外，豆包 2.0 在 LLM、VLM、Agent 等领域的任务评估中相较豆包 1.8 版本均有比较明显的提升。

三、AI 从玩具走向工具，深入企业工作流

字节 CEO 梁汝波曾在演讲中点明企业级 AI 突破重要意义，以及字节对 B 端业务的理解和重要布局。

当前，行业已经形成共识：AI 助手已远不止于搜索问答，从创作、生图、生成视频到强大的 AI 编程，AI 快速扩展新场景。

在梁汝波看来，除了面向 C 端的 AI 助手产品，ToB 领域也存在重大机会，MaaS（模型即服务）是现在火山引擎发展最快的业务。

字节跳动 CEO 梁汝波

从数据来看，已有超过 100 万企业和个人使用了火山引擎的大模型服务，超过 100 家企业在火山引擎上累计 Tokens 使用量超过了 1 万亿。根据 Gartner 报告，2025 年火山引擎在全球 AI 应用开发平台的产品 " 执行能力 " 上，位于全球第五、中国第一。

可以说，火山引擎 AI 云服务一直跑在行业前列。

梁汝波提到，ToB 业务对模型的长上下文、推理能力、代码等能力有更高的要求，同时做好 ToC 助手和 ToB MaaS，模型能力才更全面。

豆包 2.0 此次的核心升级方向，正是字节重要 AI 业务策略的直观体现。

未来，企业级 Agent 的快速迭代升级必然会给更多行业带来深远影响，企业 AI 正从单一工具型 AI 进化为智能 Agent 型 AI，而豆包 2.0 让我们看到顶级多模态 Agent 在变革企业生产力范式方面所展现出的巨大价值。

结语：超级 AI 打工人深入千行百业，企业生产力革命浪潮已至

此次基于豆包 2.0 实现的 Agent 体验令人惊艳，实际效果证明，AI 是真的可以成为超级 AI 打工人，深入企业的。在诸多能力加持下，Agent 已经不再是生产噱头性内容的 " 玩具 "，而是真正拥有变革生产力潜力的强大工具。

回望近期 AI 大模型领域的发展，复杂长任务执行、多模态理解、出色代码能力等 Agent 特性已经成为行业竞争焦点。

在这样的大背景下，字节火山引擎从图像、视频等领域的专业模型到企业级全能 Agent 模型全方位升级，构建了颇为扎实技术底盘，也在这场焦灼竞赛中展露出自身的独特优势。

毫无疑问，今天的火山引擎已经成为 AI 赋能企业转型的核心推手。