ByteDance updates Doubao 2.1 Pro to version 0915, enhancing multimodal coding and agent abilities
ByteDance has updated its Doubao 2.1 Pro model to version 0915, now fully available on the Volcano Ark API and integrated into Doubao Work. The update enhances multimodal understanding (video reasoning, 3D object recognition), coding abilities for complex repositories, and agent capabilities for long-horizon tasks like financial research and office automation. Token efficiency is improved, with image and video reasoning token consumption reduced by over 30% compared to the previous generation.
Coverage timeline
机器之心新闻资讯
9月16日，据火山引擎官方消息，豆包 2.1 Pro模型在近期更新至0915版本。新模型API已在火山方舟全量上线，并接入豆包工作。用户在豆包工作内选用“豆包 2.1 Pro（0915 新版）”，即可体验到全面升级的工作任务执行能力。 据悉，豆包新模型在视频推理、3D物体图像识别等多模态理解任务上均有增强。其编程能力更是有显著提升，可处理复杂代码仓库中的跨文件、长程问题。在“看图写代码”的多模态编程场景中，豆包 2.1 Pro最新版已达到国内领先水平，更好地满足前端网页设计、游戏开发、3D建模等实际交付需求。 测试案例显示，新版豆包 2.1 Pro可调度多个子Agent并行开发，面对开源游戏Luanti（约38.7万行代码）仓库中的1000个真实历史Issue，能够在近36小时内，将83%的问题修复至可合并级标准。面对3D建模任务，新版模型可“看懂”庭院四季设计图，继而从0到1，以代码方式生成可演示、可控制镜头变化的3D动态场景。 豆包 2.1 Pro更新版的通用Agent能力也有明显增强。特别是金融投研、办公自动化等需要多轮调用工具、联网调研的长程场景，模型强化了证据溯源、权威信源检索、时效判断和数据核验的能力，幻觉有效降低，复杂长程任务推进更稳。例如，在核查财报信息任务中，新版模型能够大范围检索跨语种内容、交叉比对不同来源信息、形成可回溯的尽调报告。研究方法与交付报告质量更接近专家水平。 据火山引擎介绍，豆包 2.1 Pro更新版的Token效率也进一步优化，推理轮次和工具调用次数有所降低。特别是图像推理和视频推理的Token消耗，比上一代减少30%以上，大幅降低企业和开发者的使用成本。
编辑｜冷猫、Panda 国庆、中秋双节快到了，出游的地方想好了吗？ 这件事，AI 已经能帮上忙。我们只给了模型一段话，它依靠出色的多模态编程能力，交出了一份可交互的 3D 山西旅行导览。 提示词：收集整理山西旅游相关知识和信息，绘制一份 3D 山西旅行景点地图/导览，可移动并可交互点击，了解各个景点在哪，主要看点是什么，有什么游玩 tips。画面清晰、好看、有趣。 结果相当惊艳！打开页面，首先是一张汇集山西代表性景点的山水风格首页。进入地图后，模型按照山西的海拔起伏搭出了 3D 地形，配色清爽耐看，整体信息也大致准确，还推荐了 4 条主题旅游路线。 这是字节前两天上线的 新版豆包 2.1 Pro（版本号：0915） ，API 已在火山方舟全量上线，豆包工作同步接入。 官方公布的更新方向有四个： 多模态 Coding、Agent 专业任务交付、面向 3D 与专业图文的多模态理解 ，以及 Token 效率 。其中最受关注的是 多模态编程 ，也就是让模型看着设计稿、图纸、录屏写代码，再根据运行画面继续修改。 过去几天，我们围绕该模型做了一轮集中实测。 跟着小王子 从一幅画开始 正巧，最近有位同事带了本《小王子》来编辑部，所以在这一轮实测中， 我们决定跟着小王子走一趟 ：给他建星球、盖房子，再帮他和地球保持联系。 第一站，是小王子的 B612 星球。 这是一颗很小的星球，上面有三座火山、几棵猴面包树和一朵玫瑰。我们的需求是：在这颗星球上设计一栋房子，整体做成一个可以摆在桌上的微缩星球摆件，并且能旋转、能看到昼夜变化。输入相关提示词，结果如下： 从模型生成效果看，成品的摆件感很足，玫瑰开放、昼夜交替，光影与色彩的过渡都很柔和。小王子说自己有一天看了 44 次日落，模型把昼夜循环的最高速度也设成了一天 44 次。 搭建过程中，模型会自己截图、上手操作场景，发现问题后再回头改代码。 模型自主截图操作示意，5 倍速。 星球有了，房子也得讲究一些 。 我们找来一张小王子城堡的外观五视图，让模型据此重建 3D 模型。 提示词：基于这张城堡的外观五视图，构建一个 3D 模型，要求同步生成室内布局，并且可以打开屋顶查看。 结果并非 100% 完美复刻，但整体过关，城堡各部分的空间关系还原得相当准确。提示词之外，模型还主动加上了自动旋转和墙体透视。 现在，小王子已经安好了家，我们该怎么联系他
Related stories
ByteDance's Doubao Work adds canvas feature and Doubao 2.1 Lite model
ByteDance's Doubao Work has introduced a new canvas feature for complex creative tasks, allowing users to manage materials, designs, and outputs on a single infinite canvas, with support for the new Seedream 5.0 Flash image model. The update also integrates the lightweight Doubao 2.1 Lite model, optimized for high-frequency office scenarios like Q&A, document writing, spreadsheet handling, and PPT creation, with improved response speed and quota consumption. The features are available in the latest client version, accessible via the 'Skills' menu or 'Creative Design' skill.
1 reports · 1 sources
Tencent launches Hy Image 3.5 Preview, claims parity with ByteDance's Seedream 5.0 Pro
Tencent launched Hy Image 3.5 Preview, its latest image-generation model, on the same day Alibaba began its AI conference. The company claims that during internal testing, the model achieved results on par with ByteDance's Seedream 5.0 Pro.
1 reports · 1 sources
ByteDance launches Doubao Work agent, merging Trae and Coze into Doubao
ByteDance has officially launched Doubao Work, a new agent product for productivity scenarios, deeply integrated with Feishu to leverage enterprise context. The company is also consolidating its coding platform Trae and agent-building tool Coze into Doubao, with plans to compete with Tencent's WorkBuddy. Doubao Work offers a 30-day free trial and can autonomously decompose tasks, call tools, and operate browsers and cloud computers.
3 reports · 3 sources
ByteDance Doubao Work adds multi-agent parallel execution, Mac GUI control
On September 2, ByteDance's Doubao Work productivity app launched two new features: multi-agent parallel execution, which splits a task across multiple sub-agents to reduce delivery time, and a Mac 'operate computer' capability that performs local GUI operations without MCP, API, plugins, or CLI. Both features are available on the Doubao Work desktop client, with the Mac GUI feature requiring user authorization and allowing users to take over or terminate tasks at any time.
News updates every hour. Subscribe in your RSS reader to get new stories automatically.
Subscribe