這兩個月，AI 模型和產品的發布節奏用「日新月異」都不足以形容了。

GPT-4o 生圖的爆火似乎還是昨天，OpenAI 放出了自家最強推理模型 ，但這可能還不是這個月最重磅的 AI 發布，DeepSeek R2、Anthropic 的 Claude 4 以及馬斯克劇透的「Grok-3.5」 ，極有可能將在本月陸續發布。

而且就在今天，字節還發布了一整套 AI 全家桶，深度思考模型、視覺推理、文生圖、AI Agent……幾乎涵蓋了最近 AI 圈關注度最高的產品。

先看看這次字節發布的產品和亮點有哪些：

1. 豆包 1.5 · 深度思考模型

推理能力躋身全球第一梯隊

更低延遲支撐高要求應用

多模態理解與應用場景：支持「邊想邊搜」和「視覺推理」

2. 文生圖 3.0

3 秒出圖

原生 2K 高清

文本排版與小字生成優化

美感效果和生圖結構提升

3. 豆包 1.5 視覺理解模型新版

視覺定位更精準

對視頻的理解更智能

4. AI Agent

垂類應用 Agent：豆包推出了國內首個 AI IDE——Trae

OS Agent：能夠操作瀏覽器、電腦、手機或其他 Agent 完成復雜任務

字節這一系列產品升級，不僅在推理能力和多模態理解上實現突破，也通過 Agent 加速 AI 在更多場景的應用落地。

就像火山引擎總裁譚待所說的，「如果說 2024 年是中國 AI 應用的元年，那 2025 年極有可能是 AI Agent 應用的元年。」

豆包 1.5·深度思考模型：像人一樣思考和觀察

豆包 1.5·深度思考模型作為本次升級的核心，有三個關鍵升級：更強的推理效果、極低的響應延遲和全面的多模態能力。

在專業領域推理能力測試中，豆包深度思考模型整體達到或接近全球第一梯隊水平。

數學推理方面，在 AIME 2024 測試中的得分已追平 OpenAI o3-mini-high。

編程競賽方面，在 Codeforces pass@8 測試中接近 OpenAI o1。

科學推理能力在 GPQA 測試中也接近 o3-mini。

豆包 1.5·深度思考模型采用總參數達 200B 的 MoE 架構，但激活參數僅為 20B。

這種設計可以在保證強大性能的同時，顯著降低了訓練和推理成本，實現了 20 毫秒的極低延遲，這意味著能更好應用在對延遲敏感的實時交互場景。

豆包深度思考模型技術報告
https://github.com/ByteDance-Seed/Seed-Thinking-v1.5

在實際體驗中，豆包深度思考模型的「邊想邊搜」和「視覺推理」這兩個功能，帶來了一些驚喜，也是目前相較同類產品比較有特色的。

「邊想邊搜」功能模擬了人類解決問題時邊思考邊查閱資料的過程，它把搜索和推理捆綁在一起，基于每一步的思考結果進行多次搜索，能讓回答更有邏輯、更貼近需求。

以購物推薦場景為例，用戶需要為一家三口選擇露營裝備，涉及預算、安全性、便攜性、適應天氣等多維度因素。

豆包深度思考模型不是簡單給出答案，而是像顧問一樣進行多輪搜索和思考：

1. 第一輪搜索價格與性能數據，基本確定選擇范圍

2. 第二輪針對兒童需求搜索，篩選安全適合的裝備

3. 第三輪考慮天氣因素，查詢詳細評測

整個過程透明化，用戶可以看到模型如何一步步構建解決方案。這種「邊想邊搜」能力不僅適用于購物決策，還能應用于金融分析、旅游規劃等復雜決策場景。

至于豆包 1.5·深度思考模型的視覺推理能力，剛好和 OpenAI o3 不謀而合，讓 AI 能像人類一樣基于圖像進行深層思考。

比如在地理位置推測任務中，模型不僅識別出圖片中的湖泊，還注意到湖泊邊緣的鹽結晶和周邊旅游設施等微小細節，通過邏輯推理精確定位景點位置。

而在國外點餐場景更具代表性，模型需要同時處理多種復雜因素：計算不同貨幣的價格換算、考慮老人和兒童的飲食喜好、避開可能引起過敏的食材等。這種能力大大超越了傳統的單一功能工具。

視覺推理能力在企業辦公場景其實也能發揮重要作用，豆包可以解讀復雜的項目管理流程圖表，快速定位關鍵信息，嚴格按照流程圖邏輯回答問題。

可以看到，無論是解析財報圖表還是分析產品說明圖，都能展現專業水準的理解能力。

豆包文生圖 3.0：從生成到創造的飛躍

Gemini 2.0 和 GPT-4o 的「一句話生圖」掀起了新一輪生圖的熱潮，這次豆包文生圖模型 Seedream3.0 則在三個核心方面實現突破：文字排版、圖像真實感和高清輸出能力。

在文生圖領域權威評測 Artificial Analysis 競技場中，豆包文生圖 3.0 已經不輸 GPT-4o、Imagen 3、Midjourney v6.1、FLUX 1.1 Pro 等頂級模型，躋身全球第一梯隊。

Seedream3.0 最顯著的升級是實現了 2K 分辨率圖像的直接生成。字節技術團隊通過多分辨率混合訓練策略，讓模型能夠適應從手機屏幕到巨幅海報的各種比例需求，無需后期放大處理即可輸出清晰高質的圖像。

這種原生高分辨率能力，意味著對專業設計和商業應用提供了極大便利。

同時 1K 分辨率出圖縮小到 3 秒，這一高效推理能力得益于多項技術優化，讓創作者能夠實現「所想即所得」的實時交互體驗。對于海報設計、視覺創意這類需要和甲方高效溝通的場景。這種速度就很實用。

中文小字和長文本排版一直是 AI 繪畫痛點，豆包 3.0 不僅解決了這一難題，還將排版美感提升到專業水準。以「現形」海報系列為例，生成內容細節豐富、排版精美，達到了商用水平。

人像生成方面，通過缺陷感知數據優化和跨模態編碼技術，新模型在皮膚質感、表情自然度、服裝紋理等方面極為逼真，幾乎消除了 AI 生成的「詭異感」。

目前 Seedream3.0 已在豆包、即夢等平臺全量開放，大家不妨親自試玩。

視覺理解模型：從識別到理解

豆包 1.5 視覺理解模型主要在視覺定位和視頻理解兩個方向實現了突破。

視覺定位方面，新模型支持多目標定位（同時識別多個物體）、小目標定位（識別極小物體）和通用目標定位（不受預訓練類別限制）等高級功能，還能進行點定位計數和 3D 場景定位。這些能力為機器人視覺、自動駕駛等領域提供了堅實基礎。

同時，模型實現了記憶能力增強、總結理解能力提升、速度感知能力和長視頻理解能力的全面提升。這使得用戶可以對家庭監控視頻進行語義搜索，如詢問「今天小貓在家都干什么了？」系統能定位并展示相關片段。

AI Agent 的未來：應用 + OS

這次豆包 1.5 的核心突破不僅體現在模型能力上，更重要的是為 AI Agent 提供了強大基礎，開始思考「AI 該解決什么問題」，而非單純追求技術指標。

譚待認為， AI Agent 的構成，可以分為垂類應用 Agent 和 OS Agent。

在應用 Agent 領域，豆包團隊推出了針對不同垂類場景的專業 AI 助手，包括客服 Agent、數據 Agent 和代碼 Agent 等。這些 Agent 專注于特定領域任務，具備深度專業能力。

其中最引人注目的是國內首個 AI IDE——Trae。與傳統 AI 插件不同，Trae 將 AI 與集成開發環境深度融合，具備三大核心特質：

1.

交付化：面向軟件交付而非僅生成代碼，從本質需求出發

2.

智能化：能理解信息和意圖，自主規劃反思，調用工具執行任務

3.

協作化：能與用戶在多個維度協作，保障最終結果質量

這種設計理念使 Trae 能幫助開發者和企業更快速、更準確地完成軟件開發工作，實現從代碼片段生成到完整軟件交付的跨越。

而 OS Agent 代表了AI 能力的更高層次——擁有跨場景的通用性和靈活性，能夠操作瀏覽器、電腦、手機或其他 Agent 完成復雜任務。

火山引擎的 OS Agent 解決方案核心由豆包大模型和 veFaaS 產品組成。通過兩個案例可以直觀了解其強大能力：

代碼執行：Agent 能用 Python、NodeJS 等多種語言編寫代碼并運行，如生成斐波那契數列并輸出結果。豆包模型負責代碼生成，veFaaS 代碼安全沙箱負責安全編譯運行。

瀏覽器操作：Agent 能通過瀏覽器完成 iPhone 產品比價，自動搜索多個電商平臺、提取價格信息并進行對比分析，最終給出最優購買建議。

在更復雜場景中，OS Agent 甚至能操作專業軟件。如使用剪映專業版進行視頻剪輯和配樂，或通過豆包 APP 生成內容并發布至今日頭條；在手機端，則能操作指定 APP 完成高鐵訂票等任務。

這些能力的核心是全新發布的 GUI Agent 大模型——UI-Tars，它將屏幕視覺理解、邏輯推理、界面元素定位和操作整合在單一模型中，突破了傳統自動化工具依賴預設規則的局限。UI-Tars 在 OS World 等測試集中已取得國內各類模型中的最優成績。

最近 OpenAI 姚順雨在一篇文章中指出，我們已經進入了AI 發展的「下半場」。與上半場不同，下半場不再僅關注模型改進和技術指標，而是轉向如何定義真正有價值的問題以及如何衡量真正的進步。

很難說在 AI 迅猛而又非線性的發展，用過去互聯網的上下半場來劃分是否適用，但一些轉變確實在發生：不再把模型作為目的，而是作為解決實際問題的工具。

這可能就是字節內部所謂「務實的浪漫」，字節 CEO 梁汝波在年初的字節 All Hands 全員會上強調了這個概念。

這是最初是張一鳴在 2019 年提出的，他認為務實的浪漫就是 「把想象變成現實，face reality and change it。」

面對 DeepSeek 和 Agent 產品帶來的 AI 行業劇變，這也會是字節的應對方式。

我們正在招募伙伴

簡歷投遞郵箱hr@ifanr.com

?? 郵件標題「姓名+崗位名稱」（請隨簡歷附上項目/作品或相關鏈接）