AI应用与工作流

豆包有哪些模型?App 功能、Doubao Seed 2.1 与 API 选型指南

豆包App的功能入口不等于固定API型号。本文区分普通用户与开发者入口,说明DoubaoSeed2.1、图像、视频、语音和向量模型,并提供测试、成本与版本迁移方法。

豆包模型选择双入口:普通用户按App任务入口使用,开发者按质量、延迟、成本、模态、工具和生命周期选择火山方舟模型
本页目录
  1. 先分清“豆包子模型”的三种含义
  2. 普通用户:先选任务入口,不必背 API 型号
  3. 开发者:当前模型家族怎样理解
  4. Pro、Turbo 还是专用模型?用六维表决策
  5. 四类常见项目怎样缩小候选范围
  6. 不要从旧教程复制 model ID
  7. 怎样做一轮可复现的模型对比
  8. 模型更新与下线:生产环境要过六道门
  9. 隐私、事实和授权边界
  10. 常见问题
  11. 豆包 App 能手动选择 Doubao-Seed-2.1 Pro 或 Turbo 吗?
  12. Pro 一定比 Turbo 好吗?
  13. 写作、翻译和编程是不是三个固定子模型?
  14. 模型列表多久更新一次?
  15. 怎样计算哪个模型更省钱?
  16. 编辑复核与纠错记录

直接答案:“豆包有哪些子模型”要先分清你在哪个入口使用。普通用户在豆包 App 或网页里通常按问答、搜索、图片、语音、文件和任务等功能入口使用,不能把这些入口长期等同于某个固定 API 型号;开发者在火山方舟里才需要按模型家族、版本 ID、质量、延迟、成本、模态和下线计划选型。截至 2026 年 7 月 16 日,火山引擎公开产品页列出的通用模型包括 Doubao-Seed-2.1 Pro、Turbo 和 Evolving,同时还有角色扮演、图像、视频、语音与向量模型。实际调用前仍应从控制台复制当前可用模型 ID。

豆包模型选择双入口:普通用户按App任务入口使用,开发者按质量、延迟、成本、模态、工具和生命周期选择火山方舟模型
先分产品入口,再谈模型:App 中看可见功能,API 中看明确型号、版本与生产指标。图:兰塞 AI 编辑部原创。

本文解决四个问题:普通用户是否需要选择底层模型;开发者当前能看到哪些模型家族;Pro、Turbo、图像、视频、语音和向量模型怎样按任务选择;模型版本更新或下线时怎样迁移。若你只是比较豆包、腾讯元宝和千问三个成品助手,请看站内的国产 AI 助手同任务评测指南;本文只处理豆包内部的入口和模型选型。

先分清“豆包子模型”的三种含义

用户说的“子模型” 实际是什么 应该怎样选择 常见误区
App 里的写作、搜索、图片或语音 面向用户的功能入口或工作模式 按任务、输入材料和结果形式选择 把入口名称当作永久固定的底层模型
火山方舟里的 Pro、Turbo、Character 可供开发者调用的模型家族或服务 按质量、延迟、价格、工具和并发验证 只看“旗舰”“轻量”等宣传词直接上线
带日期或版本后缀的 model ID API 请求实际使用的具体版本标识 从控制台或当前模型列表复制并留档 从旧教程复制 ID,长期不检查下线公告

豆包用户协议把豆包描述为以 AI 交互对话为核心、可能包含不同版本和多种服务形态的软件,并说明服务可能同时依托其他模型或服务。由此可以得出的稳妥结论是:消费者产品会组合能力并持续调整,普通用户不应仅凭界面入口反推某个永久不变的底层型号。这是对公开条款的编辑推断,不代表豆包公开了完整路由机制。

普通用户:先选任务入口,不必背 API 型号

如果你在豆包 App、PC 或网页中完成日常任务,最有效的选择方法是先判断输入和交付物。界面显示什么功能、是否支持某种文件、能否联网、是否有专家或任务模式,应以你当前版本和账号为准。不要因为一篇旧文章写了“写作子模型”就四处寻找同名按钮。

你的任务 先找的功能入口 输入时补充什么 结果怎样验收
查最新政策、产品或新闻 问答/搜索/联网能力 地区、日期、只要一手来源 打开原始来源,核对日期与适用范围
总结 PDF、图片或表格 文件或多模态理解 页码、字段、不得猜测的内容 逐条回到原文件定位,不把摘要当原文
写邮件、方案或脚本 通用对话/创作 读者、目的、素材、结构、禁写项 检查事实、重复、版权和是否可执行
生成图片或视频 图片/视频创作 主体、场景、镜头、比例、禁止元素 检查人物、文字、商标、授权和连续性
语音输入、会议或口语交互 语音/会议 语言、说话人、专名和隐私边界 抽查错字、说话人、时间戳和敏感信息

不同设备和版本的功能可能不同。豆包隐私政策也明确提示,特定版本可能只支持部分功能,并列出对话、文件、音频、浏览器任务、Cookie 与系统权限等不同场景的数据处理说明。上传客户资料、身份证件、未公开代码或学校数据前,应先确认组织规则和最小必要范围;若数据必须留在自有环境,可先阅读本地部署与云端大模型决策指南

开发者:当前模型家族怎样理解

火山引擎豆包产品页是查看当前主力模型和公开价格的入口;火山方舟模型列表和控制台用于确认具体可调用型号。以下是 2026 年 7 月 16 日的功能快照,不是永久清单:

模型/家族 更适合先测试的任务 选择时优先看 不要直接假设
Doubao-Seed-2.1 Pro 复杂推理、Agent、代码和视觉理解等高难任务 目标任务正确率、工具成功率、长链路失败点 “旗舰”不代表每个简单任务都更快或更省
Doubao-Seed-2.1 Turbo 大批量通用生成、分类、抽取和延迟敏感任务 P50/P95 延迟、吞吐、单位合格结果成本 价格更低不等于你的总成本必然更低
Doubao-Seed-Evolving 希望跟随 Coding 与 Agent 能力持续优化的场景 版本变化、回归测试、结果稳定性 持续演进型号适合不做版本治理的固定流程
Doubao-Seed-Character 角色一致性、虚拟陪伴和拟人对话 人设遵循、安全边界、长期一致性 拟人表达等于真人、专业建议或事实可靠性
Seedream 图像家族 文生图、图生图和视觉创作 提示遵循、文字、参考一致性、单张合格成本 一次生成即可满足商用版权与品牌要求
Seedance 视频家族 视频生成与多模态创作 时长、输入类型、运动稳定、镜头与费用 产品页展示能力在所有账号和地区完全相同
语音模型 识别、合成、声音复刻和实时语音 语言、延迟、错字率、授权、音频规格 获得音频就自动获得声音主体授权
Embedding/向量模型 语义检索、聚类、召回和多模态索引 领域召回率、向量维度、索引成本和迁移 向量模型能直接完成回答、推理或事实核验

火山引擎当前公开价显示,Doubao-Seed-2.1 Pro 与 Evolving 的在线推理标价为每百万输入 Tokens 6 元、输出 30 元,Turbo 为输入 3 元、输出 15 元;命中缓存和缓存存储另有计费项。这里只用于说明 Pro 与 Turbo 的成本层级,不是报价承诺。购买或测算前应重新打开产品页,并把批量、缓存、并发保障、插件和多模态输入等费用纳入。

Pro、Turbo 还是专用模型?用六维表决策

不要问“哪个豆包模型最好”,要问“哪个候选在我的真实任务上,以可接受的延迟和成本达到验收线”。先选 2~3 个候选,再使用同一批测试样本比较。

维度 记录指标 示例停止条件
质量 事实正确、字段完整、格式通过、人工接受率 关键事实错误或漏掉必填字段
延迟 首 Token、P50、P95、超时率 P95 超过业务预算或高峰大量超时
成本 输入/输出 Tokens、重试、插件、多模态和缓存 单位合格结果成本高于人工或现有方案
模态 文本、图片、视频、音频、PDF 的实际支持 核心输入只能降质转换或无法解析
工具 函数调用、结构化输出、联网、知识库成功率 危险工具误调用或参数经常不合法
生命周期 版本日期、公告、替代型号、迁移窗口 无回滚方案或临近停止服务仍未验证替代版本

例如客服分类任务可能优先比较 Turbo 与 Pro:若 Turbo 在 500 条真实脱敏样本上达到相同验收线,且延迟和单位合格结果成本更低,就没有必要因为 Pro 名称更强而默认使用 Pro。反过来,复杂工具链若 Turbo 的参数错误和重试显著增加,便宜的 Token 单价也可能形成更高总成本。

四类常见项目怎样缩小候选范围

下面不是替你做最终选择,而是把“全家桶式枚举”缩小为可测试的候选集。每个项目仍要用自己的数据、提示词、工具和并发条件验收;如果关键能力在当前账号不可用,应停止方案评审,不要用产品宣传页补齐不存在的权限。

项目 第一组候选 重点测试 容易遗漏的成本或风险
工单分类与字段抽取 Turbo 与 Pro 字段完整率、格式通过率、P95 延迟 重试、人工修正、峰值限流和脏数据
带检索和工具的业务 Agent Pro、Evolving 与已验证回退型号 工具参数、任务完成率、越权和中途恢复 搜索/插件费用、长链路 Tokens、错误动作影响
营销图或商品视频 Seedream 或 Seedance 对应当前版本 参考一致性、文字、运动、合格素材比例 失败重生、人工修图、素材和人物授权
语音客服或会议转写 识别、合成或实时语音对应服务 专名、方言、噪声、延迟和打断 音频存储、声音授权、敏感信息和质检工时

对开放式 Agent,“完成率”不能只看模型是否输出了自然语言答案,还要验证它是否调用了正确工具、参数是否在允许范围、外部动作是否真正成功、失败后是否停止或回滚。对图片和视频,“好看”也不是单一指标:应分别记录提示遵循、主体一致、文字错误、镜头连续、审核通过和每个合格成品的总成本。

不要从旧教程复制 model ID

火山方舟 Responses API 快速开始展示了具体模型 ID 的请求方式,也同时提供“浏览模型/完整模型列表”入口。正确流程是从自己的控制台或当前文档复制 ID,放入环境配置,并把版本信息写入发布记录;不要让业务代码散落几十个硬编码型号。

环境配置示例:值从火山方舟控制台复制,不从旧文章照抄
ARK_MODEL_PRIMARY=MODEL_ID_FROM_CONSOLE
ARK_MODEL_FALLBACK=VALIDATED_FALLBACK_ID

每次发布记录:
model_id / tested_at / prompt_version / dataset_version
quality_score / p95_latency / cost_per_accepted_result

代码模型也不等于完整编程产品。如果你主要在 IDE 中工作,应把模型能力、代码库上下文、终端权限、审查和团队管理一起评估,可参考AI 编程工具选型指南。若你在应用中编排多个模型和工具,LangChain 与 LangGraph 架构指南说明了模型层、工具层和状态流程的分工。

怎样做一轮可复现的模型对比

  1. 收集真实任务:从已获授权的历史任务中抽取 50~500 条,删除姓名、手机号、密钥和商业机密。
  2. 写明答案规则:为分类、抽取和计算准备标准答案;开放写作则准备事实、结构和禁写项评分表。
  3. 固定变量:候选模型使用相同提示词、工具、温度、输出长度、超时和重试策略。
  4. 保留原始记录:保存请求参数、响应、耗时、Token、错误码和人工判定,不只保存平均分。
  5. 按风险加权:把危险工具误调用、法律/医疗错误和隐私泄露设为阻断项,不能用其他高分抵消。
  6. 小流量灰度:离线通过后再切少量真实流量,并预设回滚阈值。

厂商发布说明可以用于了解候选方向,但不能代替你的测试。例如Doubao Seed 2.0 官方发布说明把 Pro、Lite、Mini 和 Code 分别定位到复杂任务、性价比、速度成本和编程场景;这些是官方产品定位,不是本站独立复现实测。到了 2.1 或后续版本,仍需重新比较。

评测结果还要按样本类型拆分。总体 95% 可能掩盖“普通样本 99%、高风险样本 60%”;平均延迟也可能掩盖高峰期 P95 失控。至少分别查看常规、长输入、模糊指令、工具失败、敏感请求和边界样本,并保留失败原文。只有当新模型在关键分组达到门槛、且失败模式可被业务接受时,才进入灰度。

对于无法自动判定的开放式结果,至少安排两名了解任务的复核者独立评分,并记录分歧原因;只留下一个“感觉更好”的结论,无法支持后续版本复测。

模型更新与下线:生产环境要过六道门

豆包API模型从发现登记、冻结基线、影子测试、小流量灰度、监控回滚到退役留档的六道迁移门
模型发布只是候选进入流程的起点。旧版本应在新版本通过同任务验证、灰度与回滚演练后再退役。图:兰塞 AI 编辑部原创。

火山方舟文档导航把模型发布公告和模型下线公告列为独立入口。这意味着版本治理不是可选的清理工作,而是生产接入的一部分。至少每周或每月自动检查一次公告,并把以下字段放进模型注册表:

字段 为什么要记录 谁负责
业务别名与实际 model ID 业务代码使用稳定别名,切换时集中修改 平台/后端
首次验证与最近复核日期 识别长期未复测的陈旧版本 模型负责人
测试集和提示词版本 保证新旧结果可比较 产品/评测
价格、限流与并发保障 防止只改模型后出现预算或容量事故 平台/财务
替代型号与停止服务日期 预留迁移、灰度和回滚时间 平台/运维
数据、权限与工具范围 防止新模型获得超出原设计的动作能力 安全/业务

隐私、事实和授权边界

  • 不要输入不必要的敏感信息:豆包隐私政策列出了不同功能可能处理的信息和权限。企业使用还要结合合同、账号配置和组织制度判断,不应把个人版界面当作企业数据处理协议。
  • 生成内容仍要核验:豆包社区公约提醒生成内容可能不准确,尤其是医疗、财务、法律等重要决策应谨慎核实。
  • 声音和素材要有权利:声音复刻、图片和视频功能可生成内容,不代表你已经获得真人声音、肖像、音乐、字体、商标或训练素材的使用许可。
  • 工具权限要最小化:能联网、读文件或执行任务的模型,应限制域名、目录、金额、发送对象和写入操作,并保留人工确认与审计记录。

常见问题

豆包 App 能手动选择 Doubao-Seed-2.1 Pro 或 Turbo 吗?

不要默认可以。豆包 App 的具体入口和可见模式以当前版本、设备、地区与账号为准;火山方舟控制台才是开发者确认可调用型号和 model ID 的主要入口。App 某个功能也可能组合模型、工具和检索服务。

Pro 一定比 Turbo 好吗?

不一定。Pro 更适合作为复杂任务候选,Turbo 更适合作为成本和延迟敏感任务候选,但最终选择要看同一真实测试集上的合格率、P95 延迟、重试和单位合格结果成本。

写作、翻译和编程是不是三个固定子模型?

不能这样概括。它们首先是任务类型或产品功能;开发者可能用同一通用模型完成多类任务,也可能为编程、语音、图像等场景选择专用模型。只有官方控制台或文档中出现的实际型号,才能作为 API 模型名称。

模型列表多久更新一次?

没有适合所有团队的固定周期。生产团队应订阅或定期检查发布与下线公告;文章和内部文档至少记录复核日期。临近下线、价格变化、质量异常或新增关键能力时应立即重测。

怎样计算哪个模型更省钱?

不要只比较输入 Token 单价。应计算“输入 + 输出 + 缓存 + 插件/多模态 + 重试 + 人工复核 + 失败影响”,再除以合格结果数。模型便宜但经常重试或需要大量人工修正,最终可能更贵。

编辑复核与纠错记录

本文由兰塞 AI 编辑流程于 2026 年 7 月 16 日复核。旧稿中的固定“写作/翻译/编程子模型”分类、无证据优劣表和官方数据说法已删除;新版依据豆包公开条款、火山引擎产品页、方舟模型列表、API 文档和公告入口,建立“产品入口—模型家族—具体版本—任务测试—生命周期”的可复核框架。本站的来源、更新与纠错原则见关于本站与编辑规范