字節跳動旗下火山引擎近日宣布，豆包大模型家族迎來重要升級，其全模態理解模型Doubao-Seed-2.0-lite正式發布。該模型突破傳統多模態技術框架，首次實現視頻、圖像、音頻、文本的原生統一理解，標志著人工智能在跨模態信息處理領域邁出關鍵一步。
在視覺理解維度，新模型展現出顯著優勢。針對物理、醫療等需要高階推理的復雜場景，其性能表現已超越此前發布的pro版本。特別是在細粒度感知與具身理解等前沿領域，該模型達到當前業界最高水平（SOTA），能夠精準識別圖像中的微觀特征，并建立與物理世界的動態關聯。音頻處理能力同樣實現突破，支持19種語言的語音轉寫，可完成中英文與14種語言的互譯任務，在語音識別準確率和翻譯流暢度兩項核心指標上均優于國際主流模型Gemini-3.1-Pro。
技術團隊同步推出Doubao-Seed-2.0-mini輕量化版本，通過優化計算架構將模型思考長度縮短30%，同時提升Token使用效率25%。這兩個版本均已部署至火山方舟平臺，開發者可通過標準化接口快速調用模型能力。此次升級特別強化了Agent協同與深度搜索功能，支持多智能體動態調度，可構建更復雜的任務處理流程。
