实测豆包新模型2.1-pro，这次审美和长时间Agent任务都追上第一档了

火山方舟最近给Seed模型推了一次大的版本升级。 Doubao-Seed-2.1-pro-0915，直接顶到了1M上下文和256k的深度思考，主打一个Agent长时间执行任务防中途摆烂，还降低了工具幻觉，还能拿视觉理解去搞前端Coding。 新模型可以来一大轮实测，这次我定的测评case很直接。 不拿玩具样例试水，把手里几个一直拖着没开工的真实文件整份甩进去。中途不帮它拆步骤，不中途追喂提示，就看这个新的豆包模型能不能稳稳接住我。 一共五个case，我分两批聊。 从审美与手感开始，看它是怎么完成视觉设计，空间坐标和交互工程的。再到如果问题长了，工作里面，他的稳定度和严谨够不够，有文档，有表格，看它能不能在百万上下文保持持久记忆。 从3D和前端这几个常用常新case开始， 我直接在goodcase里面随机给seed-evolving一套日式浮空小岛的设计概念，让它用前端一个文件完整复现，而且要能转起来。 用代码还原 3D 设计时，最容易翻车的地方，通常就是材质太硬，打光很乱，比例也不协调。所以这次我把要求尽量写细一点，还是从Goodcase上get的提示语， 请参考所给设计概念，使用Three.js在单一HTML页面中构建一座3D体素风格的浮空樱花岛。要求具备以下要素： 1. 立体体素风格的浮空基岩，石阶，绿地与石灯笼，中央矗立一株粉白相间的体素樱花树，树干沿路径递归生长，枝干由粗到细；2. 完整的轨道控制器，支持鼠标自由拖拽旋转，视角漫游与滚轮缩放；3. 动态落樱花瓣粒子系统，花瓣在空中自然翻转飘落；4. 柔和的环境光照与阴影层次，配合暖色调径向渐变背景与指数雾；5. 环境细节包含远处体素山，岸边泡沫，飘落的雾气与缓速漂移的体素云。 体素请使用InstancedMesh实例化渲染，纹理与噪声要求程序化生成，不依赖外部贴图文件。 这是我这次跑起来最快的任务了， 但也是27分钟。。 整个樱花树，一点开直接出现，岛上还有断裂的石柱，垂下来的藤蔓，水潭边泛起的泡沫。 远处是山和几条流动的瀑布。天上有飘落的花瓣。。。 视觉是真心很舒服。 然后拖拽，旋转，滚轮缩放也都有了，跟原版的单影片比，简直是降维打击。 之前的可以zoomin 但out不出来。。 光影投在不同角度的体素面上，层次是够的。把一张从设计概念里的氛围图，到真的1比1复刻，我是真的很爱了。。 而且把Seed-2.1-pro用在做3D白模视频搭建，然后用seedance2.5生成AI视频的工作流也是相当丝滑，直接在一个豆包里就全干完了。 然后，就到网站复刻了， 前几天在X刷到的，是真的太萌了。 请开发一个名为The Dumpling Club的沉浸式3D互动体验网页。功能要求包括： 1. 竹制蒸笼及小笼包的3D场景，配有酱油碟等佐料容器，并支持切换瓷盘摆盘；2. 可交互的筷子工具，支持夹起小笼包，浸入酱油碟轻蘸，以及咬开查看剖面，包子在受力时产生形变；3. 蒸笼上方半透明水蒸气粒子的上升与消散特效；4. 配合动作的真实音效，包含夹取，蘸料与咀嚼；5. 模块化代码结构，至少拆分为场景，包子几何体，进食表演，蒸笼，酱油碗，筷子，蒸汽，音频，纹理与录制等独立模块，不使用单一巨型文件；6. 内置录制功能，以独立渲染器按固定帧率将一次完整的品尝过程导出为视频文件，优先输出MP4，不支持时回退WebM；7. 支持键盘全流程操作，并适配系统的减弱动态效果设置。 先浅浅地吐槽一下，这个用时是真的久。后面忘截屏，但总共两个多小时。。。 不过，他出来的效果，我觉得直接追平gpt6做的水平一点都不夸张。可以直接来玩，🔗 vibekingisback. github. io/jiaozi/ 在视觉上，它跟我心目中的原版设计不能说有区别，几乎是完全一模一样。再加上，还是我只给他prompt，还没有参考图的情况下。 而且它做出来的东西， 比我原本想的要灵动得多。 蒸笼里这几只小包子，它居然给每一只都起了名字，还配了完全不同的性格和微表情。有叫Bao的软萌包，有叫Mochi的发呆包，还有Wonton，Peanut和Ginger。鼠标放上去不仅会显示它们的名字和性格标签，小包子还会眨眼，呼吸，甚至偷偷拿余光瞅旁边的同伴。 底下的控制栏也把玩乐属性拉满了。3只，5只，8只小笼包之间切换份数。吃完了意犹未尽，点一下Refill就能重新续上一笼热气腾腾的新包子。 要是点一下那个Boing按钮，整笼小家伙还会齐刷刷欢脱地原地弹跳，解压得不行。 但整套体验里最让我意外，也最戳我的一点，是它在工具栏里自己做了一个Record a bite的录制功能。 点一下这个按钮，它会自动接管镜头，选一只包子，把夹取，轻蘸，咬开品尝的整套动作一气呵成录下来，直接在浏览器里渲染生成一段高清视频，存到本地供你分享给朋友。 经常捣鼓前端或者3D交互的朋友应该知道这有多难。把浏览器里的3D动态无痛录成视频并导出来，我之前用手写代码的方式试过好多次，几乎从来没一次成功跑顺过，经常卡在各种编码支持和帧率丢失上。结果这次新模型不仅自己想到了要给用户做分享功能，还一次性把它跑得丝滑顺畅。 Seed-2.1-pro交出来的直接就是一个充满情绪价值，有完整交互，能让人乐呵呵玩上好一阵子的捏捏玩具。 搞完效果回归工作，现在测模型的数据分析直接放表格难度已经不够高了， 所以我就在想，OpenAI有一段时间不是做了一个数据集，收集了各行各业的真实任务去测GPT嘛。 那是不是也可以复刻一下，从不同的行业里面找真实的数据去给这些模型跑。这样的话就能够准确地看出来模型在行业任务中的真实表现。 我这有几份不同品牌的洗衣机产品说明文档，每个文档厚薄不一，排版不同。每次懒得读但关键参数有的写在正文大段描述里，还有些藏在规格表的小字里，有些甚至混在宣传文案的边角。。。 以前做这种电商选品对比非常耗心力，得一边翻文档，一边自己拉表格，把每台机器的细节和价格一个个抠出来，稍微看花眼就会把波轮和滚筒的参数填混。 我把这五份原始文档一股脑全丢给Seed-2.1-pro，提示语用的这个， 阅读这5份洗衣机产品文档，逐一提取：洗涤容量、产品类型、能效等级、机身尺寸、核心技术；适用人群与使用场景；官方指导价格。将结果按统一格式填写到「选货汇总表.xlsx」，字段为：产品名称、核心参数、适用场景、指导价格。同时输出一份结构清晰的产品摘要文档。所有内容必须基于原始资料，不得猜测或杜撰参数。 文档一出，他根据我不同的情况，给了很多不同的理由。 但其实如果这样，那效果其实也就一般。 让我比较意外的是，Seed-2.1-pro在Excel表格里，不止帮我们根据我们要的形式把内容找了，还把展示图也一张张抠下来了。 原本的文档，图片就是一个很正常的PNG。 想要适当的裁剪，模型本身真的得完全的看懂图。 之前也不是没让AI帮我写过表格，但能帮我把图片整出来的也是挺有用的。。。 然后就跟着这个，我继续来看看做Excel上限到底在哪里 如果你在工程或者制造部门待过，这种文件应该不陌生。一个工作簿点开，里面从Sheet1一路排到Sheet61，每个子表对应一个独立的预制构件。子表里记的是构件分区，新构件编号，楼层部位，混凝土体积，还有主向承载筋啥的好多好多。 我们要的东西是把每个子表的核心字段抽出来，把各项钢筋重量加总，再除以混凝土体积，算出每立方米混凝土的含钢量指标，统一填进一张汇总表。 这个活本身不难，但真的是又长又麻烦。。 以前让模型处理这种多步骤流程特别是独立的Excel，经常读到第二十个表就开始丢字段，或者算到后面漏掉关键数字。 你还得自己回去一个一个对。。。。那更是不可能。 我把原文件整本丢给它，让它自动走完全部子表的提取和指标计算。 处理该Excel文件，检查60个明细表，提取每张表的钢筋总重量和混凝土体积，并正确匹配、填写到Summary对应行。保留所有原始工作表、数据和格式；不要猜测缺失值。完成后验证Summary与源表一致，并返回可编辑的Excel文件。同时报告，处理表数量，无法识别的表，以及最终文件是否成功重新打开检查。 一把一次过了直接是真的没想到了 而且结果比我预期干净。汇总表交出来60行，序号，构件分区，子表等等等所有要的提到的计算它要啥有啥。 为了不犯错我还随机抽了几个表，纯手工核了一遍数字。 还有个我下的套。 原文件里子表编号排到Sheet61，中间独独缺了一个Sheet11。。。seed-evolving没有自作主张补一个，也没有把这个空号算进汇总行数，最后交给我的就是干干净净的60行。 再来再来， 既然做表格可以，那我让Seed-2.1-pro也来做调研跟资讯看看。 前阵子有个在温哥华的朋友找我，想给团队物色办公室，让我在加拿大帮他做个选址对比。 说实话，刚接这个事时我头皮都是发麻的。做过这种调研的朋友都知道有多折磨人。特别是现在做AI，你得摸各个城市的科技人才密度，不同梯队的工程师薪资水准，核心区写字楼实际租金。。。真要自己一页页搜，小半周时间直接就搭进去了，费时费力还不一定摸得全。再再再加上我是真一点不懂啊。。 以前扔给模型，产出来的基本全是温哥华气候宜人适合生活，多伦多商业成熟，蒙特利尔AI学术底蕴深厚这种的废话。结论挑不出毛病，但真拿去当建议，谁敢拿这种大而化之的空话去做几百万的决定啊。。 但我索性把任务连带背景直接甩给了Seed-2.1-pro，纯就想着看看它的上限回答 调研温哥华、多伦多和蒙特利尔，推荐最适合设立小型 AI 工程办公室的城市。比较：软件人才、薪资水平、办公成本、AI 生态、大学招聘资源、相关优惠政策及主要风险，并使用近期可靠来源。交付：Excel 对比表, 2 页推荐备忘录, 来源附录。所有重要数字必须可追溯到具体来源。 顺着它给的数据一条条去翻，从核心写字楼每平方英尺的净租金，到资深工程师的薪资分位数，所有关键点背后全都能找到真实的数据源。所有东西都是真的有用，而且是真正拿来当决策依据的。 它的最终建议是多伦多。 而且给出来的理由极硬。多伦多科技人才储备有33.4万人，是温哥华的2.7倍。2021到2024这三年，当地硬生生净增了42900个科技岗位，全北美排第二。在CBRE的科技人才综合评分里多伦多排第3（得分72.73），而温哥华排第9，蒙特利尔排第11。 交上来的工作簿里整整建了五个表页。第一页是三座城市的横向PK大矩阵，然后第二页针对500人规模的企业又拉个年度办公加人力开支模型，最后第三页还很贴心地按20人小团队算了首年场地租金。。。 那个500人模型算出来的数字特别有意思，温哥华每年要4168万美元，多伦多4137万，蒙特利尔3749万。多伦多居然比温哥华还要省一点，这结论一下子打破了很多人觉得多伦多一定更贵的固有印象。 然后最重要的就是后面附上的来源附录整整排了31条。。。每一条都清清楚楚写着发布机构，报告原名，精确链接和访问日期。从加拿大联邦Job Bank的薪酬数据，再到到Mila的报告，各个案例研究，甚至连魁省96号法案的合规条款全都有据可查。。。 就凭这一份交付，不管是转给我那个温哥华朋友，还是拉着团队直接开会拍板，我感觉我都行了这次。 说到最后，插一句我最近刚学到的小方法， 正好治AI说空话这个病，QBS法。 以前问AI怎么办，它回你的全是温哥华气候宜人适合生活，多伦多商业成熟这种正确的废话，道理都对，就是没法拿去拍板。 QBS的思路特别朴素。AI说空话，是因为它没啃过正经书，那就先给它一本，让它按书里沉淀了几十年的方法干活。 就四步。 然后把PDF丢给任意Agent，豆包工作啥的，用book-to-skill转成一个skill。最后让AI调用这个skill来回答你的问题。 核心就一条，这个skill必须跟书对得上，书里怎么讲的，AI就得怎么答。 这一招跟我上面这个选址case是同一套思路。 别让AI空口说白话，要么给它可追溯的数据源，要么给它一本真书。 至少会跟着书的思路，能少点假大空。 总的来说，Seed-2.1-pro会成为我日常批量跑的模型之一， 跟glm，deepseek排排队一起干活。 有一说有，豆包最近更新是频率是真的高， 豆包工作，还有昨天上的能进各种群聊的工作伙伴， 现在又丢出来一个Seed-2.1-pro Agent和模型都追上来了， 再加上飞书那条线数据管理啥的也包圆了， 感觉再过一段时间就啥都不缺了。 @ 作者 / 卡尔 & yc星辰 最后，感谢你看到这里👏如果喜欢这篇文章，不妨顺手给我们点赞｜在看｜转发｜评论 📣 如果想要第一时间收到推送，不妨给我个星标🌟 如果你有更有趣的玩法，欢迎在评论区聊聊🤝 更多的内容正在不断填坑中……