字节跳动发布豆包 Seed 2.1 系列模型：强化通用 Agent 能力，全面支持跨工具、多模态与真实工作流交付
SmartHey6月23日消息，字节跳动今日在火山引擎官网上线豆包 Seed 2.1 系列大模型，涵盖 Pro 与 Turbo 两大版本，并同步更新了 Seed-Evolving 模型。
Seed 2.1 聚焦日常生活辅助、专业工作提效与前沿技术探索三大场景，研发过程中持续整合内外部用户及开发者的实际反馈，并以真实业务案例驱动优化路径；评估体系亦转向更务实的方向——重点关注模型在端到端工作流中的交付表现，而非仅依赖静态基准测试分数。
更可靠的通用 Agent 能力：Seed 2.1 显著提升多步骤任务的规划与执行稳定性，尤其在跨应用、跨环境（如聊天工具、浏览器、代码平台、文件系统）的复杂协作中表现突出。面对高价值办公任务（如项目策划、合同分析、PPT生成）或个性化生活咨询（如旅行规划、健康建议、学习路径设计），模型可自主完成信息整合、工具调用、内容生成与结果校验，输出具备可操作性的交付成果。
更稳定的代码工程交付能力：Seed 2.1 具备企业级端到端 Coding 能力，能完整承接需求理解、模块开发、缺陷定位、环境配置及运行验证等全流程，显著降低人工介入频次，提升研发闭环效率。
更强劲的多模态与基础能力：模型在视觉理解、知识融合与逻辑推理等底层能力上持续增强，对文档图像、多视角照片、长视频等内容的理解更精准，为 Agentic 场景、代码工程及创新探索提供坚实支撑。
目前，Seed 2.1 系列已全面接入豆包 App 与 TRAE 平台，其 API 接口也已在火山引擎开放，支持开发者快速集成部署。
Seed 2.1 进一步拓展了通用 Agent 的适用边界：在专业工作中，它正逐步替代部分需外部顾问或专业团队介入的环节——例如资料研读、方案草拟、内容编排与成果归档，助力企业实现降本、增效与知识沉淀；在个人场景中，它能高效处理混合格式输入（PDF、图片、网页截图、对话历史），综合上下文进行深度推理并给出可执行建议。
在权威基准评测中，Seed 2.1 表现稳健：Workspace Bench（聚焦复杂文档检索与协同生成）、Agent Startup Bench（基于真实AI原生创业公司调研构建）均达领先水平；Seed 2.1 Pro 在 GDPval（衡量真实任务经济价值的指标）中斩获最高分。
评测结果印证：Seed 2.1 能在复杂材料与模糊目标之间建立有效映射，产出具备实际效用与商业价值的交付物；同时，在更高难度的专业任务中仍保持强鲁棒性与泛化力。
尤为值得关注的是，Seed 2.1 Pro 在新近发布的 Agents' Last Exam（ALE）基准中跻身第一梯队。该评测设计新颖、覆盖广、优化窗口短，能更客观反映模型应对未知专业任务时的任务拆解、工具调度与长程执行能力。
Agents' Last Exam 基准评测中，左侧为完整通过率，右侧为平均综合得分
面向个人生活中的复杂咨询，Seed 2.1 的响应质量与可信度进一步提升。此类任务往往涉及多源异构信息（行业报告、过往记录、截图、语音转文字等），要求模型具备跨模态理解、上下文记忆与偏好适配能力。Seed 2.1 在 xDailyBench、Doubao Multi-Turn Bench 等日常场景基准中表现稳定，并在 Toolathlon、SeedClawBench 等强调工具协同与多轮交互的评测中保持竞争力，验证其在30+垂类（教育、健康、金融、旅行等）中精准识别用户意图、调用合适技能、输出高质量建议的能力。
SeedClawBench 是由 Seed 自主开发的内部基准，用于评估在 OpenClaw 风格、面向用户的场景中，Agent 提供实际辅助的能力
依托升级后的视觉理解能力，Seed 2.1 可在复杂任务中更准确解析视觉语义、锚定用户目标，并驱动后续执行。在 Claw-Eval (MM) 等 Visual Agent 专项评测中整体表现优异。
这意味着模型不仅能识别文档、视频、空间结构等多维视觉信息，更能围绕任务目标进行信息提炼、关系建模与结果生成——例如根据多角度实拍图自动生成标准户型图，或结合截图完成信息检索、文案撰写与前端代码生成等连贯操作。
Image2FloorPlan 为内部自建评测集，考察的任务为理解多张真实照片并绘制平面户型图
在专业生产力场景中，真实工作流天然具备跨界面特性：需在聊天窗口、搜索引擎、浏览器、代码仓库、本地文件与第三方工具间无缝切换。为此，Seed 2.1 重点强化 Computer-Use Agent（CUA）能力，提升其在动态GUI环境中的稳定性与适应性。
在 MobileWorld 手机GUI任务基准中，Seed 2.1 取得当前参评模型最高分，表明其能精准识别屏幕状态、判断操作意图，并连续完成点击、输入、应用切换等动作；在 OSWorld 基准中亦保持领先，且通过强化学习优化决策路径，将任务平均执行步数减少16%，显著提升效率。
此外，Seed 2.1 在 CreativeWork 基准中同样表现亮眼。该基准覆盖 Notion（文档协作）、Canva（视觉设计）、Figma（界面原型）三类典型生产力环境，验证模型可在目标理解、步骤分解、GUI交互与MCP工具调用之间自主协同，稳定完成从构思到交付的全链路任务。
CreativeWork 是 Seed 自研的基准，用于评估 Agent 在真实生产力场景中协同使用 GUI 与 MCP 工具的能力