微新创想：火山引擎今日宣布Doubao-Seed-2.0-lite升级新版本
这是豆包大模型家族首款全模态理解模型
据介绍新版Doubao-Seed-2.0-lite支持视频图像音频文本的原生统一理解
AgentCoding与GUI能力也同步升级
进一步面向复杂业务场景增强多模态推理能力
在视觉理解方面Doubao-Seed-2.0-lite继续大幅提升
在物理HiPhO医疗MedXpertQA等高阶学科推理任务上
新版本表现已大幅超越今年2月发布的Doubao-Seed-2.0-pro
同时该模型在细粒度感知BabyVisionWorldVQA
以及具身理解ERQA等关键领域达到SOTA水平
更适合企业在高价值场景中进行规模化部署
此次升级的一大重点是融入语音理解能力
新版本可同时理解多种输入模态
并完成跨模态联合推理
能够直接处理那些必须音画结合才能判断的复杂业务需求
例如在视频理解场景下
Doubao-Seed-2.0-lite可以联合分析视频画面与音频信息
精准判断视频中的视听一致性
也就是看到的和听到的是否匹配
它还支持根据自然语言指令
在视频中精准定位特定事件发生的时间点
并能跨越多个时间段提取关键线索
持续追踪人物与事件发展
基于画面进行多步逻辑推理
还原事件关系与行为脉络
音频能力方面新模型支持19个语种的精准语音转写
以及中英文与其他14个语种互译
此外它还能捕捉语音中的情绪变化
环境背景声与音乐细节
输出更完整更接近人类认知的语义信息
根据公开评测集Doubao-Seed-2.0-lite在语音识别翻译等多项音频理解基准上优于Gemini-3.1-Pro
值得一提的是Doubao-Seed-2.0-lite还深度适配OpenClawHermes Agent等框架
强化深度搜索与Skill动态调用
可在执行任务过程中持续沉淀经验
实现越用越聪明
