Doubao豆包翻译站点

豆包是字节跳动旗下火山引擎推出的AI助手，也是字节AI战略的核心产品。相比其他AI，豆包最大的亮点是全模态理解能力（视频、音频、图像、文本统一处理）和多模态Agent能力（能看会听、能动手操作）。

⚙️ 豆包大模型家族
字节跳动采取”多模型策略”，针对不同场景推出多个专用模型，而非单一模型[ citation:2]：

豆包大模型家族
├── 豆包2.0系列（通用大模型）
│ ├── Doubao-Seed-2.0-pro（旗舰款）
│ ├── Doubao-Seed-2.0-lite（全模态理解，2026.5升级）
│ ├── Doubao-Seed-2.0-mini（轻量部署，也支持全模态）
│ └── 豆包1.8、1.6等历史版本
├── Seedance 系列（视频生成）
│ ├── Seedance 1.5 pro
│ └── Seedance 2.0（当前最新）
├── Seedream 系列（图像生成）
│ └── Seedream 5.0 Lite
└── 专项模型（语音、音乐、3D生成等）
🔥 核心亮点
1. 全模态理解——”看懂、听懂、读懂”三位一体
2026年5月最新升级的Doubao-Seed-2.0-lite是豆包家族首款全模态理解模型，能够原生统一处理视频、图像、音频和文本。
主要能力表现：
高阶学科推理：在物理（HiPhO）、医疗（MedXpertQA）等复杂任务上，表现优于旗舰版2.0-pro
音频理解：支持19个语种语音转写、14个语种互译；在语音识别、翻译等基准上超越Gemini-3.1-Pro
视频深度分析：可根据自然语言指令在视频中精准定位事件时间点，跨越多个时间段追踪人物与事件发展，并进行多步逻辑推理

2. 多模态Agent能力——”会动手的AI”
豆包大模型在多模态Agent能力上已跻身全球第一梯队：

GUI能力闭环：实现了从”看懂界面”到”动手操作”的打通——能精准识别按钮、菜单、弹窗等元素，并能完成点击、输入、滚动等操作
工具调用增强：支持Function Call、多轮指令遵循，可承担数据分析、客服自动化、流程协同等复杂任务
Agent Harness框架：可连续执行跨越25小时的长程任务

3. 视频与图像生成
Seedance 2.0：视频生成模型，支持文字/图片/音频/视频四种模态输入，文生视频、图生视频双项评测排名第一
Seedream 5.0 Lite：图像生成模型，首次集成实时检索增强机制，图文对齐与主体一致性显著提升

💰 收费模式
豆包大模型主要通过火山引擎对外服务，采用按量付费模式：

通用模型定价：历史定价0.0008元/千Tokens（约0.8厘处理1500+汉字），曾比行业便宜99.3%

按”输入长度区间”定价：0-32K输入区间仅0.8元/百万tokens，按实际使用的token数量计费

企业优惠：火山引擎推出”AI节省计划”，通过阶梯式折扣最高可节省47% 的成本

个人用户使用豆包App：目前仍以免费为主。