智东西

作者 | 毕伟豪

编辑 | 心缘

智东西 6 月 23 日报道，今日，在 FORCE 原动力大会上，火山引擎推出豆包大模型 2.1，同时预告了视频生成模型 Seedance 2.5、图像创作模型 Seedream 5.0 Pro 以及豆包音频生成模型 1.0 的发布。

豆包大模型 2.1 在通用 Agent、编程能力以及多模态水平上有所提升，包括豆包大模型 2.1 Pro 和豆包大模型 2.1 Turbo，其中豆包大模型 2.1 Pro 在编程能力上接近 Opus 4.7。

价格方面，豆包大模型 2.1 Pro 统一定价为输入 6 元、输出 30 元，缓存命中 1.2 元，综合使用成本相比 Claude Opus 4.6 到 4.8 系列模型降低接近 80%。同时，面向高频调用场景的豆包 2.1 Turbo 同步上线，价格仅为 2.1 Pro 的一半。

此外，火山引擎还推出了 Doubao-Seed-Evolving，面向 Coding 与 Agent 的重度用户，将会以每月 2 至 4 次的频率快速进行迭代，让开发者可以明显感受到模型的变化。

大会还预告了即将发布的 Seedance 2.5、Seedream 5.0 Pro 以及豆包音频模型 1.0，其中，Seedance 2.5 将单条视频生成拉长至 30 秒，Seedream 5.0 Pro 新增了圈选编辑和多图层分离能力，豆包音频生成模型 1.0 则实现了角色音色自动推理和影视级音效一次性生成。Seedance 2.0 也做了升级，支持原生 4k 视频直出。

大会上，火山引擎总裁谭待公布了一组数据：截至今年 6 月，豆包大模型日均 Tokens 调用量达 180 万亿，相比两年前发布时增长超过 1500 倍，过去一年增速超过 10 倍。

在公有云市场，火山引擎份额升至 49.5%，同时，年消费超 1 万亿 Tokens 的企业客户从去年 12 月的 100 家翻倍到了 200 家。

除了模型发布，火山引擎还展示了在智能体开发、产业落地、AI 安全、商用拓展等方面的综合进展。

一、Coding 能力追平 Opus 4.7，成本低 80%

豆包大模型 2.1 Pro 是本场发布会的第一颗重磅炸弹。

编程评测中，豆包大模型 2.1 Pro 与 Claude Opus 4.7 基本持平，在 SciCode 科学计算评测中拿到 59.8 分，超过 Opus 4.7 和 GPT-5.5，在 NL2Repo 仓库级代码生成评测中，豆包大模型 2.1 Pro 得分 47，明显领先 GPT-5.5 和 Gemini 3.1。

现场演示了一个芯片设计场景的硬核案例：豆包 2.1 Pro 围绕一个 16 × 16 PE 的 Tile TPU，连续运行 18 小时、经历 9 轮迭代，完成了 6 个核心模块、1300 多行 RTL 代码，并跑通了仿真测试和检测流程，最终通过了手写数字识别验证。这类任务通常需要 3 到 5 名资深工程师数周的努力。

Agent 能力方面，豆包大模型 2.1 Pro 在 MCP Atlas 评测（覆盖 36 个真实 MCP Server、220 个工具、1000 多个任务）得分超过 Opus 4.7 和 GPT-5.5。

在检验 Agent 与多模态能力的 OS World 和 Mobile World 等评测中，豆包大模型 2.1 Pro 也位居全球前列。

在 Agent 能力演示环节，火山引擎展示了一段多 Agent 协同构建 3D 虚拟城市的案例。

开发者结合豆包 2.1 Pro 的多模态能力，让 500 多个 Agent 协同作业，在跨工具的完整链路中依次调用建模、渲染、贴图等 11 种工具，累计触发工具调用上千次，最终在一张大地图上完成了 100 多栋造型、材质、颜色均不相同的建筑的搭建，并通过多轮自我迭代生成全景成片。

目前，豆包大模型 2.1 已在火山引擎开放 API 服务，火山方舟体验中心同步上线，豆包、TRAE、扣子等产品同步接入。

二、视频、音频、图像模型齐发，Seedance 2.5 预计 7 月上线

视频生成是火山引擎声量最大的赛道，今年 2 月发布的 Seedance 2.0 被该团队称为 " 全球第一个跨过生产质变点的视频生成模型 "，这次预告的 Seedance 2.5 在多个维度上做了升级：单条视频最长 30 秒，目前市场同类产品最多 15 到 20 秒，全球第一。多参考输入支持最多 50 个全模态素材联合输入，同样是全球最高。

Seedance 2.5 的 3D 白模预演能力是本次视频模型升级中的一个关键功能，据字节跳动 CEO 梁汝波透露，这个功能灵感出自于一位业内知名导演，他在与火山引擎的合作中提出：科幻片和大场景调度中，3D 白模是前期预演的核心工具，能帮团队提前确定空间、机位、走位和镜头运动，但传统制作耗时耗力。

Seedance 据此开发了白模预演生成能力，成为行业内率先提供这一功能的视频生成模型。这意味着创作者在前期投入的资产设计和镜头调度，可以被模型直接承接，不用推倒重来。

画质方面，Seedance 2.5 生成的 AI 素材可以直接进入专业影视后期，新增的编辑能力支持局部修改，如微调背景、更换商品和模特等。

图像方面，Seedream 5.0 Pro 主推三个能力：

1、交互式精准编辑。用户可以画箭头、圈选区、用自然语言描述空间关系，模型理解意图定位到指定元素修改。

2、多图层分离。可递归拆分图层，拆分后底板自动智能填充。

3、高信息密度排版。单张图可承载整页 PPT 级别信息，支持英文、西班牙语、阿拉伯语、日语等 10 余种文字，自动适配各语言排版习惯和文化风格。

音频方面，豆包音频模型 1.0 首次亮相。模型可以根据文本自动推理角色声音特征，一次生成包含情绪表达、方言口音、背景音乐、环境氛围音、拟音特效的完整影视级音轨。

发布会演示了一段古风武侠片，从人物对白到环境雨声、兵器撞击声全部由模型生成，时长近一分钟，音色不漂移、角色声音特征一致。

三、周星驰正版授权，AI 走进全行业

火山引擎在大会上正式预览了 AI 版权商业化平台，周星驰成为首批合作对象。他以《喜剧之王》《食神》《长江七号》三部经典 IP 授权入驻，用户可在抖音、即梦、剪映等平台用官方模板进行二创。

除视频创意之外，豆包大模型在各行业的渗透速度同样迅速见。

特斯拉基于豆包大模型打造智能语音车控，覆盖全系车型，接入了端到端实时语音模型。奔驰新款纯电 CLA 接入豆包大模型，支持自然对话和情绪感知。东风汽车今年 4 月与火山引擎达成战略合作，围绕智能座舱企业数智化升级等领域展开深度合作。

金融和芯片行业中，中金财富基于 HiAgent 搭建数字投顾 Agent，萃取 300 余名分析师研究成果和数千名投顾经验，定制金融智能体矩阵。安谋科技与火山引擎围绕 EDA 混合云展开合作，通过云端弹性算力补充本地资源，利用火山引擎 Agent 产品推动研发流程自动化。

运输、教育等行业中，顺丰依托 AgentKit 构建覆盖研发到调度的全场景 AI 办公助理。新东方用豆包打造 AI 助教，覆盖口语练习、作文批改、个性化学习。

支柱产业中，中国石油勘探院用上了安全运营 Agent，异常告警实现 AI 自动化值守，运营效率提升 10 倍。中国移动与火山引擎联合推出移动引擎机密模型服务，面向政务、金融、能源行业提供国产算力一体化的机密模型服务。

四、HiAgent 3.0 全新升级，一键招募数字员工

企业级产品线上，HiAgent 3.0 是本次最重要的发布。IDC 报告显示，HiAgent 在中国智能体开发平台产品力进入领导者象限且位列第一，市场份额 17.8%，同样行业第一，超过第二名和第三名总和。

数字员工管理方面引入了一套完整机制：

企业可以在员工市场一键雇佣活动策划等数字员工，把已有的各类智能体快速接入统一管理。数字员工上岗前必须通过考核，系统提供通用考核模板，评估回答准确率、幻觉率、延迟、安全合规等指标，企业也可上传自己的评测集。

通过考核后，调度中枢会基于业务目标自动拆解任务、分发给不同数字员工协同执行。管理者则可以通过数字员工大盘统一查看状态。同时，分布式 Harness（Hive）记录不同 Agent 的运行轨迹、业务反馈和成功做法，总结到全局经验中，越用越聪明。

企业级 AIAgent 平台 AgentKit 新增 policy 和 register 两个模块：policy 控制 Agent 行为边界，确保在身份、权限和策略范围内执行；register 负责 Agent 的资产注册和发现治理。

结语：字节把 AI 全家桶摆上桌面，全行业落地目标清晰可见

豆包大模型 2.1 Pro 编程能力对标 Opus 4.7，价格打 2 折，Seedance 2.5 视频生成 30 秒直出全球第一，音频模型、图像模型齐齐亮相，字节跳动在 FORCE 原动力大会上展示了其全模态发展的路径，从质量到价格全方位升级。

此外，在企业管理、产业落地、商业化拓展等方面，都充斥着字节系 AI 产品的身影，其全模态发展，全行业落地的目标已然清晰可见。