豆包 2.1 Pro 0915：由「睇圖寫 code」到長時間 Agent 交付

火山引擎嘅 Doubao-Seed-2.1-pro 0915，可理解為一個針對企業及開發者落地嘅模型版本更新：唔係新消費者聊天 App，而係加強「睇得明視覺素材、做得到長流程工作、交付到工程結果」嘅能力。新版 API 在 2026 年 9 月 16 日全量上線火山方舟（Volcengine Ark）；豆包工作同步升級，開發工具 TRAE 亦已接入。8

今次主要加強咗乜？

官方將 0915 版嘅方向集中喺四方面：Agent 任務交付、多模態編程、多模態理解，以及 Token 效率。模型文件列出其支援深度思考、文字生成、多模態理解、GUI 任務處理、工具調用及結構化輸出；火山方舟頁面標示其上下文窗口最高為 1024k。3

對企業用家而言，重點並非單純「寫得快啲 code」，而係模型可配合工具、文件、畫面及較長上下文，處理跨步驟嘅分析或開發任務。

多模態 coding：唔止補全程式碼

0915 將視覺理解接入編程流程。官方及相關報道描述，模型可讀取設計稿、草圖、操作錄屏、工程圖紙，然後生成或修改前端、遊戲邏輯等程式；亦聲稱加強咗對大型程式庫入面跨檔案問題、模組關係及除錯驗證嘅理解。712

兩個最常被引用嘅示範包括：

• 面對一套約 28 萬行、文件極少嘅 Java ERP 系統，模型據報可根據操作錄屏及草圖理解需求，生成可運行嘅流動端頁面。8
• 在開源遊戲 Luanti 嘅測試中，官方稱多個子 Agent 處理 1,000 個真實歷史 issue，持續運行接近 36 小時，有 83% 任務達到「可合併」標準。9

不過，以上都係廠商披露嘅案例或測試結果，並非獨立審計。

Agent 點樣變得更可靠？

長時間 Agent 工作最怕「做到一半走樣」，又或者將工具回傳嘅資料誤當成已核實事實。0915 聲稱加強咗：

• 證據溯源；
• 權威來源檢索；
• 資料時效判斷；
• 數據核驗。

目標係減少幻覺，令金融研究、辦公自動化、網上檢索配合長篇報告等需要多輪工具調用嘅任務，結論更易追查、流程更穩定。513

文件、工程圖同影片睇得明幾多？

新版定位涵蓋文字、圖片、影片及文件理解；文件資料亦列明不支援音訊輸入。2 報道指其多模態理解加強咗 3D 物件、密集專業圖文、工程圖及影片推理處理，例如識別工程圖嘅尺寸標註與公差符號，或者從財報、研究報告中抽取表格及處理跨頁註腳。8

呢類能力對「由設計稿變介面」、「由圖紙輔助寫程式」，以及閱讀專業文件等情境尤其相關；但準確度會受原始素材質素、圖像清晰度、提示方式及後續人工覆核影響。

成本有冇改善？

火山引擎表示，0915 版喺圖片及影片推理時嘅 Token 消耗，比上一代少 30% 以上；報道亦指其透過減少推理輪次與工具調用次數，降低整體使用成本。713

對需要反覆截圖分析、讀影片或處理大量視覺文件嘅團隊，Token 效率直接影響 API 帳單。不過，實際節省幅度仍取決於工作流設計、輸入長度、快取命中率及工具調用模式。

83% 成績可唔可以當成通用 benchmark？

要審慎解讀。Luanti 嘅 83% 是一項特定工程任務嘅廠商披露結果，唔等同一個可以普遍重現嘅獨立基準測試。9 至於將 Doubao 2.1 Pro 與 GPT-5.5、Claude Opus 4.7 等前沿模型比較嘅部分，相關分析指出，所引述嘅多項分數屬廠商評測，截至 2026 年 9 月仍未見獨立重現。4

換句話講，0915 展示咗頗進取嘅產品方向，但未足以保證任何公司喺自己嘅程式庫、資料、提示詞、權限控制、安全規則同人工 code review 流程下，都可以複製相同結果。

總結

Doubao-Seed-2.1-pro 0915 係一次偏向企業交付嘅升級：將視覺素材、文件理解同長時間 Agent 工作接入開發流程，並嘗試用較低 Token 消耗支撐實際部署。對開發團隊最值得留意嘅，係「由錄屏、草圖或圖紙去到可運行輸出」嘅多模態編程能力；至於官方展示嘅高成功率，則應先以自家資料及流程做試點驗證，再決定是否大規模採用。379