<p><strong>豆包天团全面进化！</strong></p><p><strong> 欣鱼 | 作者</strong></p><p><strong>AI真探社 | 出品</strong></p><p>未来学家凯文·凯利曾说，技术是人类的延伸，如相机和望远镜是眼睛的延伸，但技术延伸的不是基因，而是人的心智。</p><p>当下，AI大模型的进化就将这一论断体现得淋漓尽致。2025年已过半，大模型从过去仅能对信息进行感知、处理和生成，逐步成长到拥有思考、规划、行动和反思等能力。拿风靡全网的豆包来说，已融入不同年龄段、不同职业背景用户的工作与生活。</p><p>教师用豆包生成定制课，程序员靠它调试代码，学前班的孩子听豆包讲睡前故事，老人用语音与豆包聊天、让豆包教自己用手机……</p><p>如今，豆包大模型再次升级：6月11日，2025火山引擎春季FORCE原动力大会上，火山引擎正式发布豆包大模型1.6、豆包·视频生成模型 Seedance 1.0 pro、豆包·语音播客模型，豆包·实时语音模型在火山引擎全量上线，豆包大模型家族已成为拥有全模态、全尺寸、高性价比的领先模型。</p><p>其中，豆包大模型1.6具有更强的模型效果，在众多权威测评集上，得分均属于国际第一梯队。在推理能力、多模态理解能力、GUI 操作能力上具备领先优势：</p><p>同时，豆包大模型1.6具有边想边搜、DeepResearch 深度研究能力，能独立思考、规划、使用搜索等各种研究工具，有望通过智能体与大模型的结合，进一步帮助人们从这些枯燥繁琐的手工操作任务中解脱出来。</p><p>并且更惊喜的是，这次的豆包大模型1.6采用统一定价模式，首创按“输入长度”区间定价，在企业使用最多的输入区间0-32K 范围内，豆包大模型1.6的价格为输入0.8元/百万 tokens、输出8元/百万 tokens，综合成本比豆包1.5·深度思考模型、DeepSeek R1降低63%。Seedance 1.0 pro 模型每千 tokens 0.015元，相当于每生成一条5秒的1080P 视频只需3.67元，行业最低，这让一众豆包爱好者狂喜。那具体体验如何呢，快跟我们来火山方舟试试吧！</p><p><strong>01</strong></p><p><strong>豆包大模型1.6 测评：推理能力显著提升，“数学冠军”实至名归！</strong></p><p>先来看配置，全新发布的豆包大模型1.6系列由三个模型组成，包括“标准版”、深度思考版和极速版。</p><p>其中，doubao-seed-1.6是All-in-One 的综合模型，是国内首个支持256K 上下文的思考模型，支持深度思考、多模态理解、图形界面操作等多项能力；doubao-seed-1.6-thinking是豆包大模型1.6系列在深度思考方面的强化版本；而doubao-seed-1.6-flash豆包大模型1.6系列的极速版本，支持深度思考、多模态理解，延迟极低。</p><p>首先引起我们关注的是推理能力，正如人类社会的“学好数理化，走遍天下都不怕”，在大模型领域，得推理者得天下！而此次，豆包大模型1.6在推理速度、准确度与稳定性上显著提升，可支撑更复杂的业务场景落地。例如，有媒体针对今年的高考全国新一卷数学单科做了测评，豆包的成绩是144分，全国第一：</p><p>正好，高考结束了，很多即将开启大学生涯的考生在报道前，一定需要一个规划助手，看看聪明的豆包能不能胜任！</p><p>我们打开doubao-seed-1.6，输入指令<strong>“</strong>我是一个来自的高三学生，刚收到北京大学录取通知书，帮我列一份准备入学的清单，包括：衣物、生活用品（适应北方秋冬）；适合送给室友的伴手礼（本地特色）；报到流程及注意事项（参考北大官网）”。</p><p>可见doubao-seed-1.6有条不紊地执行，先拆解问题找到关键信息点，然后边想边搜，get到“参考北大官网”等关键词，进行多轮搜索，最后给出了清晰的清单、报到流程及注意事项，完全是妈妈级别的：</p><p>在我看来，豆包1.6的“有条不紊”背后，是对问题本质的多维度理解。它不仅仅“回答”，更在“思考”。它会拆解“衣物”背后蕴含的是气候适应性问题；理解“伴手礼”隐含了社交融入的期待；明白“报到流程”需要的是权威指引和实操细节，这种代入式、情境化的思考，人味儿满满。</p><p>不止于此，它不依赖单一的、可能过时的知识库，更懂得主动、精准地去权威源头抓取最新、最可靠的动态信息，让用户不必再在信息的海洋中自行检索，大大减轻了信息搜寻的时间成本和信任焦虑。这种妈妈级别的护航，为无数站在人生关键节点的年轻人，注入了一份底气与安心，让初入江湖的大学生少几分慌乱，多一些从容和温暖~</p><p>而对于打工牛马来说，日常做得最多的莫过于公司调研。那么，豆包大模型能不能代劳呢？</p><p>打开doubao-seed-1.6-thinking<strong>，</strong>让其帮我分析泡泡玛特的商业模式和2024年财务表现，输出一篇1500字左右的行业研究报告，包含结构化摘要，并生成一个可分享的网页摘要版本：</p><p>可见，具备深度思考能力的doubao-seed-1.6-thinking在明确报告结构后，对复杂问题进行深度研究，最终给出一份精致的报告，“摘要、引言、商业模式分析、表现、行业竞争力分析、挑战与展望、结论”井井有条。</p><p>在AI真探社看来，doubao-seed-1.6-thinking令人印象深刻之处，在于其结构化思考的本能。它并非简单堆砌搜索结果，而是在明确报告结构后，对复杂问题进行深度研究。</p><p>同时，它能理解“商业模式”需要拆解分析IP、供应链、社群营销等维度；“财务表现”需对比核心指标；还有进行产业链延伸……这大幅降低了获取深度、结构化专业知识的门槛，把职场人从信息苦役中解放出来，让精力聚焦于更核心的思考与决策。</p><p>一言以蔽之，信息爆炸的时代，获取碎片化信息易，提炼深度洞察难；拼凑模板报告易，产出有价值分析难。相较于胡乱搜集资料进行交差的实习生，豆包大模型妥妥是主管级别的！当然这才仅仅是开胃小菜，多模态、GUI能力才是大招。</p><p><strong>02</strong></p><p><strong>从“认识世界”到改造世界，多模态、GUI能力让豆包知行合一</strong></p><p>为什么多模态理解在大模型竞技领域十分重要？这是因为，多模态的核心是“让模型像人一样理解世界”，通过整合文本的逻辑、图像的直观、视频的动态，整合了人类所有感官的认知逻辑，从“单感官工具”跃升为“综合感官中枢”，战斗力立马就上去了。</p><p>而豆包大模型1.6全系列均原生支持多模态思考能力，让模型可以理解和处理真实世界的问题。该能力不仅支持了豆包 APP 最新的实时视频通话功能，还在企业端可广泛应用，在电商商品审核、自动驾驶标注、安全巡检等场景大放异彩。</p><p>比如，电商商家很头痛的一个问题就是图片审核要求太多，例如不能有水印、阴影、文字、P图痕迹等，人工审核耗时且低效，这时，大模型自动审核就派上用场了。</p><p>上传图片，请豆包大模型1.6帮我审核商品图，判断是否存在违规情况：如明显水印、PS痕迹（如过度磨皮）、插入文字或遮挡原图、并输出审核意见和理由！</p><p>可见豆包详细分析了这些图片，并且给出了准确判断结果，例如：“第一张图片上有ABCD水印不合格”，准确又高效：</p><p>这让人感慨，多模态加持下，AI真正开始理解我们所处的世界，并以可解释、可行动的智慧，守护着产业中每一位辛苦付出的“人”，为真实世界的运行注入一股值得信赖的暖流与韧性。</p><p>比如，在汽车行业中，多模态理解在自动驾驶数据标注、保险风控、驾驶培训有很多应用，比如在自动驾驶数据标注场景中；而在线下场景中，多模态理解在安全巡检、门店巡检、物流巡检中有很强的应用潜力。</p><p>以安全巡检为例，豆包1.6能准确对图片中的信息进行定位和计数，如果无人机增加了这个能力，就可以协助人们在矿山安全检测、森林火灾定位等方面发挥作用。在工地，商城，后厨等场景，模型也能进一步帮助完善规范管理：</p><p>下面，再来看让豆包“动手”能力飞升的GUI。说到动手，就不得不说到今年三月，爆火的“全球首款通用智能体产品”——Manus，给Manus一个简单的指令，它就能自动完成复杂的任务，这背后是行业正完成从“知”到“行”的进化。若说ChatGPT掀起了认知革命，那么如今行业掀起的是操作革命。</p><p>过去大模型困在聊天框里，如今它长出“手和脚”，可以实现点击按钮、拖拽素材等物理交互，这是大模型从“大脑”进化为“躯体”的关键一跃。</p><p>豆包1.6的GUI能力就是最好的体现。比如，我们挑选酒店时有偏好，希望住的酒店是有健身房和浴缸的，在过去，只能靠我自己翻找酒店的房间照片来确认。而通过豆包1.6，不仅可以自动操作软件进行酒店预订，而且可以帮我翻看酒店照片，识别是否有浴缸，省了非常多的功夫：</p><p>再比如，豆包大模型还能帮人整理旅行过程中的很多工作，比如是统计旅行花费，可以让Agent调用豆包APP，自动上传小票，用多模态能力识别购物小票中的消费城市，消费金额信息，换算成人民币，再自动整理到Excel表格中：</p><p>在AI真探社看来，GUI操作系统能力，意味着豆包大模型1.6能更好地“改造世界”，直接外化了人类的思维链条，延伸了从意图到执行的完整心智回路，智能体执行、接管下，用户从操作者变为指令者，只管下任务、监督结果，苦活累活豆包来做！</p><p>多管齐下，当大模型学会理解世界并丝滑改造世界，AI奇点时刻或将提前到来！</p><p><strong>03</strong></p><p><strong>豆包·视频生成模型Seedance 1.0 pro发布，豆包天团全面进化！</strong></p><p>再来看自媒体人翘首以盼的豆包·视频生成模型Seedance 1.0 pro！据介绍，它具备三大特性：无缝多镜头叙事、多动作及随心运镜、稳定运动与真实美感，在电商、影视、游戏等行业应用前景广阔。Seedance 1.0 pro已于发布当天在火山方舟和豆包APP上线了。</p><p>同时，根据第三方权威榜单 Artificial Analysis 最新结果，Seedance 1.0 pro 在文生视频、图生视频两个维度都超越了业界诸多主流模型，登顶全球竞技场第一：</p><p>真的有这么厉害嘛？我们来看一段生成结果：</p><p>结果可见，整体质量很好从全景到近景到特写的组接方式符合电影逻辑跳切，镜头成组流畅，三个画面动作衔接自然无穿帮。从固定镜头到斯坦尼康运镜的切换也很自然，画面构图饱满无越轴。同时布光痕迹明显，明暗对比强烈。这种无缝多镜头叙事与精细指令遵循能力、稳定运动与美感，使得这短短五秒的视频充满了电影感。</p><p>这让人感慨，时代真的变了，传统视频制作中，想“讲好一个故事”，尤其是需要多镜头、复杂运镜、连贯叙事的作品，往往意味着高昂成本、庞大团队和漫长周期，一个简单的“剑士离家多镜头组接”，从分镜设计、场地协调、设备架设、演员调度到后期剪辑，层层叠加的物理限制和人力消耗，让个人创作者和小团队望而却步，灵感的火花常常熄灭在执行的现实中。</p><p>而豆包·视频生成模型的无缝多镜头叙事与随心运镜能力，如同为想象力插上了飞翔的翅膀。它能够自动理解并实现符合电影逻辑的镜头组接，完成精细的跳切和视角转换。</p><p>在AI真探社看来，这本质上是将抽象的叙事意图，直接转化为具象的视听语言流，跨越了物理执行的鸿沟，让个人灵感得以低成本、高效率地“可视化”为连贯流畅的影像叙事，彻底释放了小型工作室和独立创作者的表达潜能。</p><p>从豆包1.6到豆包·视频生成模型，无一不展示了强大的技术力和易用性，也难怪豆包家族一直获得广大用户青睐。去年12月，豆包大模型的日均tokens调用量是4万亿。而截至今年5月底，这个数字已经超过了16.4万亿，相比豆包大模型刚发布时，在一年时间里，实现了超过137倍的高速增长。</p><p>当下，豆包大模型已不仅是工具，与用户高效协作，实现全民级心智延伸，帮助用户解决一个又一个麻烦、完成一项又一项任务。 放眼未来，人机的边界在消融，协作的暖流在交汇，创造的能量被放大，豆包大模型能力升级有望为 Agent 发展持续打开天花板，2025年极有可能是Agent应用爆发的元年。</p><p>站在浪潮之巅，无论是个人还是企业用户，都应该加速拥抱Agent，开门与否已非选择，而是生存必答题。</p>