豆包这次把牙膏挤爆了！实测Seed-2.1-pro最新版

大家好，我是莫理。 

盼了三个月，今天 Seed-2.1-pro 终于迭代了 

今年6月，字节Seed正式发布Doubao-Seed-2.1系列，主打生产力场景，重点提升通用Agent、代码工程交付和多模态理解。

还有一条持续迭代的Evolving路线，可以把它理解为一个固定代号，顶尖的模型都会在这里滚动更新。

其中经过迭代和验证的能力，会逐步沉淀到稳定版本里。比如今天的主角Seed-2.1-pro 0915版，可以看作是Agent、Coding和多模态最新能力的一次集中落地。

等了三个月，这次更新到底值不值得等？接下来，咱们直接上实测 

实测一：从0完成项目MVP

OPC和小公司是Agent很适合的一种场景。

从开始想做个东西，到市场调研、竞品、用户需求、产品定义、交互设计、开发、测试和运营，一个人就能身兼数职，面面俱到。

所以第一组，我用到了字节自家的豆包工作Agent，我特意把要求写的很模糊：做一个将来真正能落地、面向普通用户的小型产品调研并实现MVP。

接到任务以后，它先做了一次任务拆解，然后以一个总负责人的身份，并行开启了两个子智能体，一个做需求调研，一个做竞品深度对比调研，同时还启用了浏览器测试能力。

完全自主决定。

比较有意思的是，两个子 Agent 最后给出了两份调研报告，而且结论并不完全一致。如果模型只想赶紧交差，其实随便挑一个方向就可以继续往下跑。

但它没有这么干。它把两份报告重新放在一起，从需求强度、竞品情况、产品可行性等角度又做了一轮综合判断，然后才把最终向定下来。

方向确定以后，产品定义、视觉规范、功能规划和开发继续往下跑。

整个任务从发出去到全部交付，前后运行了一个多小时，期间拉起了十多个子 Agent。我主动介入0次。

最后拿到的是14份文档与代码文件，以及19张浏览器实测截图。

当然，最终交付的依然是一版MVP原型。我也没有特别追求这个产品今天就能拿出去创业。

这组Case真正看的，是前面那条很长的链路，调研、判断规划、执行、测试、交付。

当Agent的长任务能力继续提升以后，整个过程开始越来越像一个有组织结构的小团队：负责人拆任务，不同角色并行工作，最后重新汇总、判断，再继续推进。

实测二：修改大型开源项目

这一轮我换个玩法，把它接入 Claude Code，干一件更偏工程、更偏真实代码项目的大业务。

我选的是Excalidraw，开源手绘风白板的天花板级项目，GitHub 上非常火，很多人每天都在用。

TypeScript 代码大约有20多万行，其中生产代码 14 万行、测试代码 6.1 万行。光是核心的 App.tsx 一个文件，就有 14,297 行。

我给它的任务分三步走，也就是一个工程师接手陌生项目的完整链路：审查代码、修复问题、新增功能。

① 代码审查

第一轮我明确要求只读不改，做Code Review

它一口气派出了 4 个 Agent 并行开工，专门来找真实可修复的bug。

作为一款老牌成熟开源项目，基本功能层面确实几乎找不到毛病，但Seed-2.1-pro居然从20万行里挖出了19个可修复问题，其中8个中危以上，集中在边界归一化和异步竞态上。

② 项目修复

既然找出了问题，下一步就是修复。

我让它根据前面的 Code Review 自己制定修复方案，再继续往下执行。

最终 8 项修改全部完成验证。tsc 类型检查零错误，相关的 800 多项测试全部通过。

③ 新增功能

修 bug 只是维护，在它原本的架构上做二次开发，加点新功能才更有意思。

我先后提了两批需求。

第一批，是 Frame 的批量操作。

Excalidraw 的Frame可以一页一页当 PPT 用，但原版很多操作需要手动处理。我让模型补齐批量创建等能力，最后落地了四个相关功能和命令。

开发过程中它会自行拉起子 Agent 分工处理。

成果演示：

可以批量创建 Frame，选择数量、比例和编号规则。

选中多个 Frame 以后，右键还可以直接批量重命名。

整个功能的交互、UI、配色基本沿着 Excalidraw 原来的产品语言继续做，几乎可以算是融为一体。

第二批需求则更直观，新增图形。

原版常用的基础图形主要是矩形、菱形、椭圆等，确实不够用，我希望再补一些常用形状。

于是让Seed-2.1-pro新增 6 种基础图形。

中间也没有一路顺风。

第一版虽然已经能正常画出来，但形状边缘太标准，少了 Excalidraw 原本那种弯弯曲曲的手绘感。

我把这个问题指出来以后，它继续向下查原因，定位到源文件里的相关实现，再修改、运行、验证。

最终第二批功能完整融入了项目 👇

整套审查、修复、新增功能的流程走下来，新增了大约2000多行代码，没有新增依赖，也没有改动原有的协议。

最后跑全量回归，100 多个测试文件、2000 多个用例全部通过。

整个过程跑下来，我越来越觉得AI时代，做一个Demo越来越快，但Demo本身也越来越重复。

很多人做产品时，第一反应是让AI从一个空文件夹开始造轮子。其实大量需求，开源世界里早就有非常成熟的地基了。

找到一个足够好的开源项目，让 AI 去读懂它、尊重它原来的架构，在这个基础上改造成真正符合自己需求的工具，我觉得这才是 Coding Agent 越来越有意思的地方。

实测三：多模态能力

测完通用 Agent 和 Coding，接下来我想单独看看 Seed-2.1-pro 的多模态。

官方在 Seed2.1 发布时，就把复杂视觉信息和视频理解列为基础能力的重要一环。

所以这一轮，我没有停在这张图里有什么这种简单的图像识别。

① 视觉规律推理

第一关，我直接拿了几道公考图推题。

看过这类题的人应该都懂，有时候明明只有几块黑白图形，盯两分钟以后还是会开始怀疑人生。

但正因为这样，它特别适合拿来测AI。因为这一道题里，同时考了两件事，多模态识别和逻辑推理。

于是我找了最新的4道题目。

提示词我没给太具体的要求，连带图片直接发给agent，来分析。

先说结果吧，4 道题，全对。

当我看到答案的时候，我是真觉得离谱。。。

本来我做好了它错一两个的准备，甚至想好了它要是一本正经地胡说八道，我该怎么吐槽，结果一个都没给我机会。

而且整个过程，联网搜索是关掉的。没有题库可以搜，没有解析可以抄，只能看着图片自己推理。

让我意外的第一件事，是它对待模糊图片的处理方式。

题目图片只是 640×480 的翻拍照片，格子里的黑块、多边形的边都不算清晰。它没有硬看，而是自己写了一段代码，把题干和选项放大 3～5 倍，然后一格一格看位置、一条一条数边，再开始推规律。

回头看它的推理过程，封闭区域数量、对称关系这些判断也确实对应公考图推里常见的考察方式。

不过这里也不能因为 4 道题全对，就直接宣布它已经横扫公考图推。

样本还是太少，但这一轮至少让我明白AI会识图这件事，现在已经没那么值得惊讶了。

真正的分水岭是看见、看懂、推理、判断。一张图丢过去，它能自己在像素里找到一条藏起来的规律，还能说清楚为什么是这条、不是那条，这样才算没白看。

② UI复刻

第二个测试，我没有继续做静态 UI。

因为静态网页截图复刻，现在很多模型都已经能做得有模有样。这次我找的是 OpenAI 官网里一个我一直挺喜欢的动态展示效果。

对于多模态模型来说，看一帧只能看到现在长什么样。但如果输入是一段录屏，它还需要搞清楚前后发生了什么，以及变化规则是什么。

Seed-2.1-pro 所属的 Seed2.1 系列本身就强调了对视频等复杂视觉内容的理解能力。

我把录屏直接交给豆包办公模式。模型先找到视频文件，调用视频处理Skill抽帧，把不同时间点的画面拆出来分析。

成功get到发布页的核心交互特点，鼠标扫过字母时，贴纸会带着物理效果飞入吸附，鼠标离开后消失。

前期的分析工作完成后，它给标题里的每一个字符都设计了一个独立材质的贴纸造型，调用内置生图模型逐张生成，再自动抠图、羽化、裁边、处理成透明底。

一共做了 24 张素材，部分重点字符还准备了第二套样式。

最后继续写代码，把整个效果做成一个可以实际交互的 Web 页面。最终每张贴纸都有自己的弹性字符槽，弹入的一瞬间槽位张开，两侧字母会随之移动。

整个过程里还有一件事让我省了很多步骤。

它是在豆包办公模式内置的浏览器里直接跑验证的。每改一版，它自己打开页面、模拟鼠标慢扫、回扫、停留，再截图发回给自己分析，发现问题继续改，不需要我自己录屏、描述问题、再把截图喂回去。

所以这轮我最大的感受是，静态 UI 复刻已经越来越难代表一个模型视觉能力的上限。

当输入变成视频以后，它面对的是时间关系、交互规则和变化逻辑。

看完以后还能继续生成素材、写代码、自己验证和返工，多模态才真正开始和 Agent、Coding 串起来。

实测四：数据处理分析

接下来这个场景，我觉得也很适合小团队。

很多时候大家并不缺业务数据，搞电商、搞运营、做账号，每天都能积累大量EXCEL，麻烦的是这些表到底说明了什么？

如果没有专门的数据分析团队，大量数据以及藏在里面的问题最后很容易躺在文件夹里吃灰。

所以这一轮，我搞了了个EXCEL随机数据生成工具，模拟出一套电商经营数据，包含5张表、250 个客户、80 个 SKU、1000笔订单。

拿到文件以后，Seed-2.1-pro 没有直接开始写总结。

它先用代码完整读取五个文件，然后干了一件数据分析之前非常重要的事：

检查数据质量。

确认数据以后，它自己建立了一套分析框架。

整个过程中前后写了 10 个编号脚本，用来做数据读取、清洗、指标计算、关联分析和最终展示。

最后交出来的是一个可交互 HTML 仪表盘。

里面有 20 多张图表，覆盖：业务趋势、订单流转、下单渠道、获客渠道、客户复购、品类利润率、售后和退款等维度，所有内容可视化呈现，非常直观。

它自己用无头浏览器截图检查的时候，在图表这里遇到过一些小问题，

发现CDN资源在本地加载失败、ECharts图全是空白，就主动修复把图表库下载到本地重引。

等所有结果都跑完以后，它再按照优先级整理出下一步行动建议。

任务全程，我只发了开头那一条指令，中途没有提示过任何指标、路径或结论。

它自己读表、自己写代码跑数、自己发现算错、自己返工验证、自己截图检查网页，最后交付了清洗数据、脚本、仪表盘和行动建议。

而且，比起干巴巴枯燥的数据，可视化的效果更方便、更直观。

实测五：AI辅助内容分析

对于内容创作者来说，长期写下去以后会积累越来越多文章、图片和数据。但我们每天想着下一篇写什么，很容易只顾往前闷头写，很少系统回头看看。

所以莫理把过去写过的50篇文章全部导成 Markdown，把正文、标题以及对应的图片一起交给Seed-2.1-pro。看看能得到什么样的分析。

在没有给具体 UI 要求的情况下，Seed-2.1-pro主动参考了已有内容里的 IP 配色和视觉元素，把最终分析网页也做成了相近的风格。

无论是色彩搭配、网页结构，就像在看自己的文章，我也第一次这么直观地看清了自己账号的近期数据。

50 篇文章，跨度 70 天，50 份 Markdown 正文，10.4 万个汉字；素材图1000多张。

文章的数据被清晰地分类和呈现，可以看出数据基本稳定，偶尔还能踩中热点，出个爆款。

作为一名内容创作者，有时我只顾往前走、一直写，却忘记了复盘、分析与总结。Seed-2.1-pro 模型看到了很多我不曾关心和注意的内容，比如文章的篇数构成和阅读贡献。

甚至主动搞了非常形象和有用的传播现象图，一个轴是价值密度，一个轴是流量表现，把过去不同类型的内容放进去。

最后给出了下一阶段的内容策略，让我把最拿手的"同一套提示词横向评测"固定成一个常驻栏目、可以继续更新Agent和价格战这两条已经验证过的路径。

还替我设计了一些固定栏目。

都说当局者迷，旁观者清。

做内容的时候，我每天都在想下一篇。但让 Seed-2.1-pro 从50篇文章的视角重新看回来以后，我确实发现了一些自己过去没有特别注意的东西。

而当模型开始能把这些过去的信息重新连接起来，它才能真正成为我们的内容策略助手。

写在最后

这几组 Case 跑完以后，我最明显的感受是Agent、Coding、多模态，正在越来越深地组合到一起。

真实Agent工作里，很少有任务是独立成型的。更多时候，我们拿到的是一堆资料、图片、代码和一个模糊目标，然后想办法把事情做完。

这次 Seed-2.1-pro 给我的感觉也是这样，模型能力大幅提升，放到Agent里跑非常明显。

它已经能顺利在一个长任务里自己主动找到下一步，遇到问题继续执行修复，最后把结果顺利交付。实测能力非常出色！

以上，就是本篇文章的全部内容。目前API已全量上线火山方舟。大家还想看我拿 Seed-2.1-pro 测什么任务呢~

文章来自于"莫理"，作者 "小小莫理"。