火山引擎发布豆包Doubao-Seed-2.0-lite：全模态理解新标杆

字节跳动旗下火山引擎正式推出豆包大模型家族首款全模态理解模型——Doubao-Seed-2.0-lite。该模型原生支持视频、图像、音频与文本的统一理解，同时在智能体（Agent）能力、代码生成（Coding）及图形用户界面（GUI）交互方面实现系统性升级。在同等算力投入条件下，该模型为企业规模化部署全模态推理任务提供了更高性价比的技术路径。

在视觉理解维度，新版本实现显著跃升，尤其在物理、医疗等专业性强、逻辑复杂的高阶学科推理任务中，表现优于今年二月发布的Doubao-Seed-2.0-pro。其在细粒度感知与具身理解等核心技术方向已达当前行业领先水平。通过深度融合语音理解能力，模型可直接应对音画同步的复杂业务场景，具备精准定位视频中特定事件发生时刻、并完成多步骤逻辑推演的能力。

在音频理解基准测试中，该模型于语音识别、跨语言翻译等任务上超越Gemini-3.1-Pro。多轮对话中的指令理解与执行稳定性明显增强，任务反思能力与多智能体协同调度机制亦同步优化。代码生成能力覆盖前端网页开发、三维场景构建及游戏逻辑实现；GUI能力则打通从界面识别、意图理解到操作执行的完整闭环。

该模型已在多个垂直领域落地应用：在电竞领域，可同步解析比赛画面与实时语音指令，自动生成高光时刻图谱、失误分析报告及带时间戳的战术复盘；在在线教育场景中，能动态识别教师授课状态、学生响应行为等多维教学信号，并输出结构化课堂表现评估；在跨境电商业务中，可自主完成商品信息检索、卖点拆解，并生成适配多语言市场的推广短视频。