[返回全部研究](/research) 词元映射研究模型实测 # Doubao Seed 2.1 Pro 工程任务实测 6 月 23 日，火山引擎在北京举办 2026 夏季 FORCE 原动力大会，正式发布豆包大模型 2.1。 在发布会前，我们参与了模型的内测，我们应该是国内非非非常早一批拿到内测模型的团队。 为了测试出它的能力边界，我们用他完成了几个大型的项目构建并且还参与了Force大会中的模型案例的构建工作。 因为深度的使用，使得我们对豆包 Seed 2.1 Pro这款模型有着非常切身的体会和感受。 先说体感结论：**之前使用2.0 Pro 在项目开发过程中****总****是会出现报错、页面布局不美观等情况，但是Doubao-Seed-2.1-Pro 相比上一代有了很大的提升，****这类低级错误几乎不会出现，2.0完不成的任务，2.1可以顺利跑下来，2.0那个面对错误的时候只道歉不改正的豆包，在2.1中自查修改能力提升，会反思改正，能真干活了****。** 最直观的是，我们构建了一套Harness让AI去完成芯片设计中的一部分高难度任务，同样的Harness，同样的任务要求。 **Doubao-Seed-2.0-Pro是无法完成的。** **而Doubao-Seed-2.1-Pro能够一次性完成。** [[01.mp4](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/UNP4bM9xZo8h58xxwyEcNIE4nld-d467c5631ddb.mp4)](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/UNP4bM9xZo8h58xxwyEcNIE4nld-d467c5631ddb.mp4) 注意，这套 Harness 并没有针对某个模型去构建，完全是为了做任务先构建的 Harness ，在拿到内测资格后接入模型进来执行的。 这是非常直观的对比，是能和不能的跨越。 **我想这一句能顶一万句。** 不过，为了让小伙伴们能够有更多体会，我们也把 Doubao Seed 2.1 Pro 接到了 Claude Code 里，做了几组更加可视化的任务： **1、做网页小游戏和物理教学演示。** **2、根据一份大会资料生成 PPT。** **3、修一个真实开源项目里的Bug。** **4、根据产品设计文档，做一个桌面端点击翻译工具。** 并且整理了一些信息，看完这篇你就能完全了解这款模型。 同时，应该也能体会到我说的：**这代豆包，确实不一样了。** ## **01 先看布会信息** 截至 2026 年 6 月，豆包大模型日均 Token 调用量已经突破 180 万亿，过去一年增长超过 10 倍。IDC 数据显示，在中国公有云 MaaS 服务市场，火山引擎以 49.5% 的市场份额位居第一。 关于最新的2.1模型，关键词有三个：Coding、Agent、VLM。 豆包 2.1 Pro 在 Terminal Bench 2.1、SWE-Pro、SciCode 等代码评测中进入第一梯队；  Agent 能力表现也不弱；  在 OSWorld、MobileWorld 等 Agent 评测里，也排在全球前列。  ## **02 价格也挺狠** 这次豆包 2.1 Pro 的价格也值得单独说一下。 官方价格是： * 输入：每百万 Tokens 6 元 * 输出：每百万 Tokens 30 元 * 缓存命中：每百万 Tokens 1.2 元 综合使用成本较 Claude Opus 4.6 降低近 80%。  另外还有两个版本： * Doubao Seed 2.1 Turbo：价格进一步降到 Pro 的一半，适合高频调用。 * Doubao Seed Evolving：面向 Coding 和 Agent 场景，周级快速迭代。 这里我个人会更关注 Evolving，很有意思，就像是“积极版本”和“稳定版本”模型。对于我们来说，写代码和做 Agent 任务，模型能力变化太快，我还是比较喜欢用最新的。 ## **03 接入 Claude Code** 我这次主要用 Claude Code 来跑。 如果你想复现下边的Case，也很简单，按照下方操作就可以，先打开配置文件： ``` vim ~/.claude/settings.json ``` 然后写入下面这段配置： ``` { "env": { "ANTHROPIC_AUTH_TOKEN": "", "ANTHROPIC_BASE_URL": "https://ark.cn-beijing.volces.com/api/compatible", "ANTHROPIC_MODEL": "doubao-seed-2-1-pro-260628" } } ``` 这里把 `` 替换成你在火山方舟控制台拿到的 API Key。 配置完以后，重新打开终端，进入你的项目目录： ``` cd my-project claude ``` 如果想用更简单的方式，就直接在 cc-switch 里配置，这里就不赘述了。  ## **04 先拿小项目热身** 我先用几个小任务试了试手感。 第一个任务是网页复刻。 我把要复刻的目标的网页的提示词给它。  这个页面本身不只是静态布局，里面还有比较完整的视觉层次、动画效果，以及鼠标移动时卡通人物跟随的交互。 最后复刻出来的页面完整度大家自己看一下，我不敢说100%复刻，但是95%是有的，大家看视频效果，非常惊艳： [[网页复刻.mp4](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/GFMsbIBWYo3GlUxRmKccDCQ8nib-6454921b9c55.mp4)](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/GFMsbIBWYo3GlUxRmKccDCQ8nib-6454921b9c55.mp4) 第二个提示词很简单： > 做一个愤怒小鸟网页小游戏。 它生成了一个可玩的网页小游戏，有关卡、分数、剩余小鸟、发射逻辑和基本碰撞反馈。 [[愤怒的小鸟.mp4](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/RXT5bJcpIo2f3MxUWLPcWlIOnEd-612194aa1d98.mp4)](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/RXT5bJcpIo2f3MxUWLPcWlIOnEd-612194aa1d98.mp4) 第三个任务是： > 完成一个光的折射物理教学演示网页。 这种任务更看模型的前端表达能力。 教学演示不是只要能跑就行，还要让学生一眼知道：入射角、折射角、介质变化到底发生了什么。 [[6月24日.mp4](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/BKLyb6XgBojcWmxkvYMcue2knlg-eab2e695f6de.mp4)](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/BKLyb6XgBojcWmxkvYMcue2knlg-eab2e695f6de.mp4) 关卡、HUD、Canvas 交互、重开按钮、物理演示里的角度变化、复刻页面里的鼠标跟随动画，都能串起来。页面结构、交互、基本样式也都能照顾到。 这些是非常直接的展示，大家看页面就能够看懂，他的复刻、完整度都是很不错的。 当然，小项目只是热身。 真正有意思的是后面的 Agent 任务。 ## **05 做 PPT：出过问题，但****能修好** 接下来我让它做了一个更接近真实工作的任务： 根据一份大会资料，生成一套 2026 夏季 FORCE 原动力大会发布会 PPT。 先装 HTML PPT Skill： ``` npx skills add https://github.com/lewislulu/html-ppt-skill ``` 然后把任务丢给它： > 根据 @2026夏季FORCE原动力大会.md 制作一个 2026 夏季 FORCE 原动力大会发布会 PPT。 它很快生成了一套 13 页的 HTML PPT，并且给出了完整概览。  这里正确发挥了 html-ppt-skill 的能力，第一版效果其实还不错。但没有一次到位：有些功能没补完整，翻上一页偶尔会空白，演讲者模式也没做好。 我把问题继续丢给它。 第二版就顺了： [[ppt.mp4](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/FErVbMuqnoFKMUxs4kDcwgFvn9c-36f3885f1d6e.mp4)](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/FErVbMuqnoFKMUxs4kDcwgFvn9c-36f3885f1d6e.mp4) 这里放一张修复说明截图。  这个案例我比较看重的点就在这里： 第一版有 bug 不奇怪，关键是后续能不能根据反馈修回来。 豆包 2.1 Pro 这次能修好。 ## **06 复杂项目也没问题** 然后我上了一个更重的项目。 kkFileView 是一个开源的文档在线预览项目，核心业务代码大约 2.4 万行，项目里还集成了大量第三方前端组件，用来支持 Office、PDF、图片、压缩包、CAD、3D 模型、医疗影像等多种文件格式预览。 这个项目的复杂点在于： 它不是一个新项目，你不能随便重写。 必须先理解它原来的文件预览路由、模板结构、静态资源加载方式、不同文件类型的处理逻辑。 这个项目有一个 bug：代码文件能打开，但代码预览样式缺失，该高亮的没有高亮。 我的需求就是让它在不破坏原有预览链路的前提下，把这个 bug 修掉。 修复前是这样：  能看，但很素。对于在线预览产品来说，这种体验其实不太够。 代码类文件至少要有高亮、缩进、块样式，否则开发者打开之后还得复制出去看。 修复后是这样：  这个豆包连续执行了几十多分钟，完成得让我很满意。 它真的把这一个真实项目里的“小需求”落了地。 真实研发里大量工作就是这样的： 不是从零写一个炫酷APP。真实工作更常见的样子，是在老项目里读代码、找入口、加能力、尽量少打扰原来的结构。 这个懂的都懂，开发都是屎山上雕花都习惯了。。。 ## **07 做桌面翻译工具：这个最像产品** 最后一个案例，是我最喜欢的。 这次我没有只给一句“做个翻译工具”。 我给的是一份比较详细的产品设计文档，里面写清楚了目标用户、触发方式、隐私策略、系统架构、错误处理和里程碑。 我想看的就是：2.1 Pro模型能不能按照一份完整文档，顺利把产品开发出来。 输入提示词： > 根据 @翻译工具设计文档.md 实现这个桌面端工具。 目标是做一个“选中翻译”桌面工具： 用户在任意应用里选中文本，工具自动识别选区，在鼠标附近显示翻译按钮，点击后弹出翻译结果。 翻译能力由 `doubao-seed-2-1-pro-260628` 提供。 这不是一个简单网页。 它要处理桌面端应用生命周期、系统托盘、全局快捷键、剪贴板捕获、悬浮窗口、隐私过滤、缓存、错误重试、设置页、模型调用。 完成的情况可以看这个截图：  从结果看，它不是只搭了一个空壳。 托盘、悬浮按钮、快捷键、设置页、隐私过滤、缓存、长文本分段、错误重试这些关键模块都做出来了。 托盘菜单也做出来了。  设置页也比较完整。  这里我最看重的是：豆包完全按照设计文档，把功能都完整实现了。 [[翻译.mp4](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/UmQ4bMzbUoBFp8xo4tEcIlH5nrh-b1388d1c40fc.mp4)](https://cdn.tokenmap.com.cn/paper/originals/doubao-seed-21-pro-engineering-tests/UmQ4bMzbUoBFp8xo4tEcIlH5nrh-b1388d1c40fc.mp4) 这个案例跑完，你会发现，**Doubao-Seed-2.1-Pro确实****可以胜任“从设计文档到可运行工具”的完整链路。** ## **08 我的整体感受** 这次试下来，我对 Doubao-Seed-2.1-Pro 的印象可以概括成四句话。 **第一，代码生成能力已经很稳。** 小型网页、互动演示、桌面端工具都能做，结构不散。 **第二，Agent 能力明显比上一代强。** 读文件、改文件、理解项目结构、主动迭代、问题修复的能力，实际体感大幅提升。 **第三，成本优势会放大落地价值。** 如果你每天都要跑代码任务、批量处理文档、做内部工具，模型单价会非常直接地影响使用频率。 这也是豆包 2.1 Pro 这次很重要的一点：能力进入第一梯队，同时价格压得比较低。 对于个人开发者和企业内部团队来说，这种性价比会直接影响它能不能真的进入日常工作流。 当然，相对上代2.0有不小的进步，但是相对世界一流模型依然还有距离，Coding体感能力与Claude 4.6相当。（虽然我觉得只比代码能力不太公平，毕竟它是多模态模型，几乎是用豆包短板比别人长板，但是奈何大家都喜欢用Coding来评价，心疼豆包1秒钟） ## **写在最后** 如果只看发布会，我会觉得豆包 2.1 Pro 是一次正常升级。 但这次把它接进 Claude Code，跑完 PPT、复杂项目修复、桌面端工具之后，会更直观一点： **Doubao-Seed-2.1-Pro 相比上一代有了很大的提升，已经具备生产级可用性。** 更关键的是，这个能力不是用天价换来的。 它的输入、输出价格都压得比较低，综合成本优势明显。对高频写代码、跑 Agent、做内部工具的人来说，性价比是这次发布里非常关键的一部分。 所以，目前豆包的使用场景，非常适合：**高频、中等难度、含视觉的任务场景。** 以前的豆包模型像是“聪明的问答助手”。 这次的豆包 2.1 Pro，更像是一个可以放进工程现场的执行者。 如果你已经在用 Claude Code、Cursor、Trae 这类工具，Doubao Seed 2.1 Pro 值得接进去试一下，它已经足够进入日常生产链路，虽然它还不完美，但真的能干活了。 本文内容 [01 先看布会信息](#original-I1PpdDT28oh6o6xxBOScZZFCnGf)[02 价格也挺狠](#original-JNbKdLMg4oGkx0xbeIcc8cevnO8)[03 接入 Claude Code](#original-QsyCdHCrlomPe7x3N2ncoQDUn5f)[04 先拿小项目热身](#original-BK9wdV5OtoRgzlxVqq6cMVx8n0b)[05 做 PPT：出过问题，但能修好](#original-VnbHdUz6voJcpux7YQ0czhuanid)[06 复杂项目也没问题](#original-UkC1drDeRo7yPFxMLOTcsdOHnFf)[07 做桌面翻译工具：这个最像产品](#original-FP1ZdEa4koZ1XnxvDk1cImSMnme)[08 我的整体感受](#original-OgigdDt4ZoIThxxxJ5Mc0hAznJe)[写在最后](#original-K8gCdQHfaoKrOTxeXh4cr92jn9g) ### 一起探讨更多可能 从一个具体的场景开始聊聊。 [咨询合作](/contact?source=Doubao%20Seed%202.1%20Pro%20%E5%B7%A5%E7%A8%8B%E4%BB%BB%E5%8A%A1%E5%AE%9E%E6%B5%8B) ## 继续探索 [全部研究](/research) [ 模型实测 ### 编程智能体的代码修复轨迹与 Harness 对照 DeepSeek V4 Pro、GLM-5.3 接连更新，豆包推出了 Seed-Evolving，DeepSeek 还发布了自己的 Harness。模型能力在涨，给模型提供工具和执行环境的 Harness 也在进化。](/research/coding-agent-execution-trajectories) [ 模型实测 ### DeepSeek、GLM 与 Kimi 的真实任务对比 说实话，现在的大模型已经多到让人有点选择困难了。](/research/deepseek-glm-kimi-task-comparison) [ 模型原理 ### 语言模型的知识表示与生成机制 “AI 的那些知识，是存储在模型里的吗？”答案是：AI（大语言模型）不存储任何知识。](/research/llm-knowledge-and-generation)