查資料做視頻寫代碼甚至畫 CAD，豆包這動手能力真有點離譜了

但說句實話，跑分這東西就跟簡歷一樣。紙面上看著好看，真坐到工位上頂不頂用，那是另外一碼事。那咱不說廢話，接下來直接上強度，看看它到底能做些啥。有的，這模型現在連畫復雜的 CAD 圖紙，都能硬啃下來。而且，它干這活兒的方式，也強到離譜。

大伙兒有沒有發現，現在不管哪家公司發新模型，底下提問最常見的就一種類型：“這事兒到底能不能干？”好像跑分越高越強的思維，已經過時了。

但我說實話，這群 AI 和機器人公司全學壞了，就愛擱春節亮相，搞得世超和同事連春晚都看不進去了。

這不，就在春節放假前，咱大伙最愛用的豆包，先是丟了一個王炸視頻模型 Seedance 2.0，接著又在春節來臨之際推出了豆包大模型 2.0（Doubao-Seed-2.0）系列。

你別說，這發得真是時候。。世超本來說趕在節前水一篇稿子放假，結果一上手，發現稿子寫不完了。

因為這小子，干起活來還真有點東西。。能干的活，兩三天根本研究不明白，于是整個春節假期，我基本全耗在研究怎么壓榨它的勞動力上了。

現在，這套“壓榨流程”總算完工了，今天就來給大伙兒交個作業。咱們不整虛的，一切全從哥們的實際需求出發。

當然了，例行公事的成績單咱還是得掃一眼。

這次字節的“Seed”家族更新得還蠻全面，除了核心的豆包 Seed 2.0，還有主攻視頻生成的 Seedance 2.0，以及搞定圖像的 Seedream 5.0 Lite，在火山引擎上都能試用，而且Seed 2.0系列的API已全部上線。

就拿核心的 2.0 Pro 來說，空間理解、運動感知和視頻理解這幾個科目，直接跑贏了 Gemini 3 Pro。

數學和推理分數拿下了 IMO 等硬核競賽的金牌水平，全球最高，信息搜索和工具調用能力也拉升了一大截，只輸一手 GPT 5.2。

首先，這玩意的 Agent 能力非常強，也就是抄家伙干活的能力。

眾所周知，差評編輯部是一個多模態的團伙，文字，圖片，視頻，樣樣精通。。所以我們每次用 AI 都挺麻煩的，各種 AI 工具擅長的東西都不一樣，有的作圖強，有的視頻強，我們需要把窗口切來切去，文件傳來傳去，很影響效率。

但在春節假期期間，我用seed-2.0-pro 再配合 seedance、seedream，搭建了一個多模態的 AI 助手，并把它連接到了飛書。

現在，我只需要把任何格式的東西用飛書發給它，再給它提要求，它就能按要求和文件類型，處理我發過去的文件。

具體實現方法，簡單來說，就是本地部署一個 OpenClaw，然后給它接上火山引擎上 Seed-2.0-Pro 的 API，再在飛書開發者后臺創建一個機器人，接入我們的 OpenClaw，最后再在飛書給它發消息，讓它自己配置個 Skill ，用 Skill能自行調用圖片、視頻生成能力即可。

只要機器人配置好，咱什么東西都能在里面搓了。比如，你們剛剛看到的切屏表情包，就是我用這個神秘妙妙工具做的。

或者，咱可以對已生成的圖片進行修改，也就一句話的事兒。比如我可以給它一張過年期間的全家福，讓它改得喜慶一點。

結果。。不對，居然翻車了？？不能說是一模一樣，只能說是毫無血緣關系。

按說豆包的 seedream 4.5，是很強的生圖模型了，難道其中還有什么玄機。。于是我打算盤問一下它的工作流程。

然后它告訴我沒把原圖傳過去，原因是“圖生圖傳base64太大了調用失敗”。這我哪聽得懂？直接讓它自己幫我解決。

結果，它一通操作，檢查問題-提出方案-解決問題，一套流程下來，還真給我調試好了。。

這番交互下來，我還是挺滿意的。因為一個模型犯錯其實是不可避免的，這和用戶的提示詞、當前的上下文都脫不開關系，而真正重要的是它知錯就改的能力，在你需求描述越來越精確后，它能精準捕捉需求，并快速解決錯誤。

當然除了圖片，視頻也是可以在同一個對話框生成的。比如我可以發個圖片過去，讓它轉成視頻。

這是成品：

如果你需要，還可以一鍵轉成 GIF，它自己調用工具生成：

所以這個機器人，現在不僅能改文案，還能幫美編作圖，給后期配素材，還能給編輯配 GIF 圖，只能說爽飛了啊，誰還分得清機器人和同事啊？

好了，那如果你需求沒那么垂直，只想體驗跟 Seed 2.0 對話怎么辦？很簡單，直接上火山引擎，在模型廣場里找到 Doubao-Seed-2.0 全系列，點擊立即體驗就能用。

對了，剛咱跑分里提到一個 BrowseComp，就是考察大模型搜索犄角旮旯里信息的能力的。剛好世超也蠻需要這個功能的，咱再來試試。

剛好世超最近在研究數學，發現一個很神奇的問題，為什么圓周率π（約 3.14）的平方和g（重力加速度，約 9.8）的值那么近似？我研究了很大篇幅的資料，也沒找到令我滿意的答案。

于是我把我自己的想法（約 3000 字）一股腦發給了它，讓它通過手里的知識庫和互聯網工具一一解答。

答案真是夯爆了啊，不僅解答了我的疑問，還補充了說明了彩蛋和冷知識，其實就是人類定義的問題，完全不是什么巧合。

有意思的是，我讓同樣擅長搜索的 Claude Opus 4.6 做了一遍這個題，然后把Seed 2.0 pro答案發了過去，它直接自愧不如了。

對了，不僅能處理文本，Seed 2.0 的多模態能力也是一等一的強。比方說，視頻理解這一項，昔日王者是 Gemini 3 pro，現在 Seed 2.0 pro 也能打一打了。

比如我直接傳了一個往日最佳視頻過去，讓 AI 進行笑點解析。

說的確實不賴，每個動作它都看清了，還能看懂烏鴉的神態。甚至能預測接下來的劇情走向。

這是 Gemini 的回答，感覺也大差不差了。

而世超覺得這個是真實用。現在視頻的缺點，就是你第一眼不知道它的重點是啥，是夯還是拉你得看完才知道，而現在你能直接下載視頻發給豆包，如果視頻又臭又長，你也不用浪費你寶貴的時間了。

那，還有其他硬核項目嗎，比如，寫代碼？

這次，字節跟 OpenAI 想到一塊兒去了，端出了專精編程的 Doubao-Seed-2.0-Code 模型。 可能他們也統一思路了，想讓 AI 成為真正的生產力，就必須專門出一個垂直模型，死磕寫代碼。

我這不會寫代碼的也試了試，我拿它擼了個手勢控制的飛機小游戲，我只需要在對話框里輸入幾句大白話需求，Seed 2.0 Code 就像接管了我的鍵盤一樣，唰唰把復雜的攝像頭捕捉和運動計算邏輯全寫完了。

現在我只要坐在屏幕前，對著攝像頭揮揮手，就能直接操縱游戲里的飛機閃轉騰挪。一個零基礎的人在五分鐘內搞定這種交互，只能說非常好用了。

看到這里，你可能以為，它也就搞搞自媒體、寫點小游戲了，還有別的活嗎？

比如操作 FreeCAD 建模，它不是給你丟一堆代碼給你，而是直接奪舍你的鼠標，自己在屏幕上去找菜單、點圖標。

最神的是，中間它操作太快沒點準，不小心點錯工具彈了個報錯框。

結果這貨在后臺觸發了一段“自我反思”：“我的，點錯了，不小心點到了 Pocket 工具，等我關了重來。。”

這一大圈折騰下來，世超最大的感受就是：豆包這次是真的在往“六邊形戰士”的方向死磕。

放在以前，大伙兒一聊起多模態體驗最牛的，第一反應就只有 Gemini，綜合能力強到斷層，你放眼望去，甚至連個能稍微抗衡一下的老二都找不出來。

但今天再看豆包，不管是文字、圖片還是視頻全都能接得住，理解能力也直逼第一梯隊。那肉眼可見的差距，正在被進化的速度慢慢填平。

而且最關鍵的是，它是真會自己動手啊。遇到盲區會搜資料，需要工具會抄家伙，甚至連 CAD 都能硬啃。這就導致在跟它一來一回的拉扯中，你會感覺它越來越像一個坐在你隔壁工位、隨叫隨到的同事了。

回過頭來看看這波 AI 浪潮，從最開始只會陪人聊天的文字窗口，到后來能看圖、能聽聲音，再到現在直接能長出了手和腳，這種從“對話工具”向“干活幫手”的跨越，意味著硅基生命替碳基生命打黑工的齒輪，已經徹徹底底轉動起來了。

往后看，各家搞軍備競賽，光靠在 PPT 上吹參數已經唬不住人了。大家真正在意的，到底是誰能替大伙兒扛下那些讓人頭禿的臟活累活。

所以咱能做的，也只有多配合它踏踏實實干活，繼續等它進化完全的那天吧。