米兰 能看懂、听懂！豆包Seed 2.0 Lite升级：首款全模态调治模子

发布日期：2026-05-07 04:06    点击次数：187

快科技5月6日音书，当天，火山引擎通知，Doubao-Seed-2.0-lite升级新版块，这是豆包大模子眷属首款全模态调治模子。

据先容，新版Doubao-Seed-2.0-lite撑执视频、图像、音频、文本的原生归并调治，Agent、Coding与GUI身手也同步升级，进一步面向复杂业务场景增强多模态推理身手。

在视觉调治方面，Doubao-Seed-2.0-lite无间大幅普及，在物理HiPhO、医疗MedXpertQA等高阶学科推理任务上，新版块推崇已大幅超过本年2月发布的Doubao-Seed-2.0-pro。

同期，该模子在细粒度感知BabyVision、WorldVQA，以及具身调治ERQA等要道鸿沟达到SOTA水平，更相宜企业在高价值场景中进行范围化部署。

加粗默示最优成果，下划线默示次优成果

伸开剩余60%

这次升级的一大重心是融入语音调治身手，新版块可同期调治多种输入模态，并完成跨模态聚积推理，大要平直科罚那些必须“音画衔尾”身手判断的复杂业务需求。

举例在视频调治场景下，米兰体育官网Doubao-Seed-2.0-lite不错聚积分析视频画面与音频信息，精确判断视频中的视听一致性，也即是“看到的”和“听到的”是否匹配。

它还撑执说明当然谈话教导，在视频中精确定位特定事件发生的手艺点，并能跳跃多个手艺段索要要道痕迹，执续跟踪东说念主物与事件发展，基于画面进行多步逻辑推理，归附事件关连与行径眉目。

音频身手方面，新模子撑执19个语种的精确语音转写，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心境变化、环境配景声与音乐细节，输出更竣工、更接近东说念主类瓦解的语义信息。

说明公开评测集，Doubao-Seed-2.0-lite在语音识别、翻译等多项音频调治基准上优于Gemini-3.1-Pro。

值得一提的是，Doubao-Seed-2.0-lite还深度适配OpenClaw、Hermes Agent等框架，强化深度搜索与Skill动态调用，可在践诺任务历程中执续千里淀教授，已毕“越用越聪惠”。

发布于：河南省球赛下注(中国)官方网站

• 米兰
• 豆包
• Seed
• 听东
• 看懂