<!-- Canonical: https://www.tokenmap.com.cn/research/doubao-seed-21-pro-engineering-tests -->

[返回全部研究](<https://www.tokenmap.com.cn/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。**

[视频](<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；

![图片展示了Doubao Seed 2.1 Pro在Terminal Bench 2.1、SWE-Pro、SciCode、Program Bench、NL2Repo-Bench等评测中的表现。其中，Doubao Seed 2.1 Pro在Terminal Bench 2.1评测中得分为71.0，排名靠前；在SWE-Pro评测中得分为57.5；在SciCode评测中得分为59.8；在Program Bench评测中得分为0/1/50.25；在NL2Repo-Bench评测中得分为47.0。该图片与上文提到的豆包2.1 Pro在代码评测中进入第一梯队的内容相呼应，直观呈现其评测成绩。](<https://cdn.tokenmap.com.cn/paper/website/media/798d718fb86382faf25bbe1a38922d58c313c96947421da840d2a889069ed4db.png>)

Agent 能力表现也不弱；

![这张图表是对豆包Seed 2.1 Pro等四款AI模型在多个权威评测基准中表现的对比。其中，豆包Seed 2.1 Pro在GDPVal评测中得分为87.9，MCP-Atlas评测中得分为83.8，均优于GPT-5.5、Claude-Opus-4.7、Gemini-3.1-Pro三款模型；在Agents' Last Exam、Toolathion、SeedClawBench、Apex Agents这几项评测中，得分也均位居四款模型前列，核心的多项评测得分均领先或优于其他三款对照模型，直观体现出该模型在代码及Agent相关评测中进入第一梯队的表现。](<https://cdn.tokenmap.com.cn/paper/website/media/63beeaafbe4e8342424d84532464ba491498b8a2afaec56b464d69183f20e6fe.png>)

在 OSWorld、MobileWorld 等 Agent 评测里，也排在全球前列。

![图片为Doubao Seed 2.1 Pro在多个评测基准中的表现对比表。包含Benchmark、Doubao-Seed-2.1 Pro、GPT-5.5、Claude -Opus -4.7、Gemini -3.1 -Pro五项内容。评测基准有OSWorld、MobileWorld (GUI -only)、CharXiv -RQ、MMMU -Pro、TOMATO、LVBench等。如在OSWorld评测中，Doubao -Seed -2.1 Pro得分为78.8，Claude -Opus -4.7为82.8。该图与上文提到的豆包2.1 Pro在Agent评测里排在全球前列相呼应，直观呈现其评测表现。](<https://cdn.tokenmap.com.cn/paper/website/media/4485b4f3c3c325477f201c54762d7000b695e7c5110f5d7eb81fde73e8fc74a4.png>)

## **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%。

![图片为价格对比柱状图，展示了不同大模型的价格（元/百万tokens）。Claude Opus 4.6 - 4.8价格最高，为8.08元；Doubao Seed 2.1 Pro价格为1.96元；Doubao Seed 2.1 Turbo价格最低，为0.98元；GLM 5.1/5.2价格为2.85元；Qwen 3.7 max价格为3.68元。该图与文档中介绍Doubao Seed 2.1 Pro价格的内容相关，直观呈现了其与其它模型的价格差异。](<https://cdn.tokenmap.com.cn/paper/website/media/9dbda56f953251d840201833f55916c2f874ba5c18ab2be4a3ef976365e73032.png>)

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": "<ARK_API_KEY>",
    "ANTHROPIC_BASE_URL": "https://ark.cn-beijing.volces.com/api/compatible",
    "ANTHROPIC_MODEL": "doubao-seed-2-1-pro-260628"
  }
}
```

这里把 `<ARK_API_KEY>` 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。

![图片展示的是Doubao Seed 2.1 Pro接入Claude Code的配置界面。界面中显示了Embedding API的版本为2.1，API Key为空，还提供了API Key的获取链接。下方有多个API Key选项，其中“doubao seed 2.1 pro 202402”被选中。此外，还有Open、False、Firefox等选项。该图片与文档中介绍接入Claude Code的操作步骤相关，用于辅助说明配置API Key等操作。](<https://cdn.tokenmap.com.cn/paper/website/media/06c034ac157b2607551e59d6fad03ce741ba66f39a012f74e6dff1377c21ccbe.png>)

## **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。

![图片展示的是Neon Logic的着陆页，背景为深色，右上角有“Syncview”按钮。画面中央是一只佩戴着红色发光眼镜的羊驼，下方文字为“Brain And Body”及“Built on the intersection of neuroscience and AI, continuously learning and adapting into new prompts into a single adaptive intelligence agent”。左上角显示“10 likes”，下方有“Copy full prompt”按钮。该图片与文档中先拿小项目热身的内容相关，展示了项目中涉及的视觉元素和设计 - 10 likes，下方有“Copy full prompt”按钮。该图片与文档中先拿小项目热身的内容相关，展示了项目中涉及的视觉元素和文字信息。](<https://cdn.tokenmap.com.cn/paper/website/media/9a420380c2ab8d291313d4b7c994d57f854f10c990c05c53e8b3a88978f64aa2.gif>)

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：

[视频](<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。

[视频](<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。

[视频](<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。

![图片展示了 addCriterion图片展示了Doubao Seed 2.1 Pro生成 PPT任务生成的13页HTML PPT概览。内容涵盖封面、发布会主题、里程碑数据、产品发布内容、Agent能力展示、极致性价比、生态规模、核心总结及结尾页等。设计可 自动生成PPT设计特点包括深色科技主题、毛玻璃背景、键盘导航、触屏支持、](<https://cdn.tokenmap.com.cn/paper/website/media/e21fb67795af5d77af3eb9ca16c8c3998248ab2fb486926c52d2a59cb6fa3a1f.png>)

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：

[视频](<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。

![这张修复说明截图展示了针对演讲者模式PPT相关问题的修复内容，核心包含两部分。一是第5页bug修复，原因setTimeout相关问题导致页面多轮返回时状态异常、Active类名移除后空白，修复后能正常清除原生问题，同时新增了鼠标滚轮翻页支持。二是演讲者模式的完整实现内容，说明第5页可通过F5或ESC键进入该模式，明确了不同功能区域的对应作用，还列出了完整快捷键列表。该截图对应文档中“做PPT出过问题，但能修好”的相关案例，直观呈现了对演讲者模式相关问题的修复成果。](<https://cdn.tokenmap.com.cn/paper/website/media/e0310e05d06a9f9bda018e049b2639d4da6ae9a328b51e8e51ac2b6a0b52b5b9.png>)

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：

![这张图片展示了名为“愤怒的小鸟 - Angry Bird”的游戏项目前端代码文件index.html的内容，文件中包含HTML基础结构、页面样式引入链接、游戏相关的功能区域容器与元素的代码定义，如游戏容器、得分区域、小鸟与小猪相关的元素标记、操作按钮，还有游戏玩法的文字说明，以及引入游戏逻辑脚本的代码。这段代码对应的页面正是文档中提及的修复样式bug前的素态代码预览文件，能直观体现该游戏项目原有的代码结构，为修复其代码预览样式缺失的bug提供了基础参考。](<https://cdn.tokenmap.com.cn/paper/website/media/425c80a06288e52bc41aaac83213275feffaed99e9e6f1bcfa5d04ab08bf75dc.png>)

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：

![这张图片展示的是带有高亮、缩进和块样式处理后的HTML代码文件界面，是文档中提到的修复后效果的示例，代码中包含了HTML的基本结构、CSS类调用以及自定义脚本引用等内容，整体代码逻辑清晰，样式标注明确，符合开发者阅读代码所需的基础格式要求。](<https://cdn.tokenmap.com.cn/paper/website/media/6ccf9c2d650afb5d15ed7d5979ab9d46b916b88b836f638457917740963aa21d.png>)

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：

![这张图片是Doubao Seed 2.1 Pro作为桌面翻译工具的功能实现情况的文档截图，清晰列出了项目相关的多项内容：包括Electron Main主进程的各类功能实现、Preload桥接的说明、基于React和TypeScript渲染层的功能模块，还以清单形式展示了核心特性的文档描述与对应实现状态，其中托盘、悬浮按钮、全局快捷键等关键模块的实现状态项旁都标注有绿色的对勾，印证了完成度，符合文档中提到的该桌面翻译工具并非空壳的实测情况。](<https://cdn.tokenmap.com.cn/paper/website/media/76bc9938b388cd2c0e8097ab7d4f18fde0157c82f34d82f399fa7ee2e8848e4d.png>)

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。

![这张图片是桌面翻译工具的设置及功能选项界面，界面里包含“Pause Translation”“Trigger Mode”“Target Language”“Settings”“Clear Cache”“Quit”这几个核心选项，其中“Pause Translation”左侧带有蓝色暂停标识，属于操作类功能选项，其余选项搭配不同标识，整体呈现该翻译工具的功能操作与设置入口，对应文档中关于豆包桌面翻译工具的相关实测内容，展示了该工具的功能操作菜单界面，体现其具备的设置及操作能力。](<https://cdn.tokenmap.com.cn/paper/website/media/4e6993fcebfb60ccce6cd63a1a9f383b9a08d0bc4f401186d099a2cac283691e.png>)

设置页也比较完整。

![图片展示的是Doubao Seed 2.1 Pro的Click图片所在文档中“做桌面翻译工具：这个最像产品”部分的内容。图片中呈现了Click Translator的API配置、触发模式、翻译设置等参数，如API Base URL为https://ark-in-beijing.v...、Model为doubao - seed - 2 - 1 - pro - 260428等...等，还有Target Language、Translation Style、Max Auto - Translate Characters等翻译相关设置，以及Privacy & Storage部分的隐私和存储选项。该图片直观呈现了Doubao Seed 2.1 Pro在桌面翻译工具方面的功能设置情况。](<https://cdn.tokenmap.com.cn/paper/website/media/4c494452759c6ee1b77e832e1cbb4d18195c536d80ca04d4a70cb2f99a6d45ca.png>)

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。

[视频](<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。

## 继续探索

[全部研究](<https://www.tokenmap.com.cn/research>)

[!\[图片\](<https://cdn.tokenmap.com.cn/paper/website/media/099524a655650974a30da3bf36f06912bb90f60b4979560d140e7bb700aabe91.png>)

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。](<https://www.tokenmap.com.cn/research/coding-agent-execution-trajectories>)

[!\[图片\](<https://cdn.tokenmap.com.cn/paper/website/media/ade857cef09291a717028457f79933984766492797dac06e4a5ca5f9dc01792f.png>)

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。](<https://www.tokenmap.com.cn/research/deepseek-glm-kimi-task-comparison>)

[!\[图片\](<https://cdn.tokenmap.com.cn/paper/website/media/095a36acfe7e49eed1d1170b57b615449862657efe666d207a6f8d27bd689ba4.png>)

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。](<https://www.tokenmap.com.cn/research/llm-knowledge-and-generation>)