Seed 1.8 API の技術仕様
| Item | Specification / note |
|---|---|
| Model name / family | Doubao-Seed-1.8 (Seed1.8) — ByteDance Seed / Volcano Engine |
| Modalities supported | テキスト、画像、動画（マルチモーダル VLM 機能）、エコシステム内の音声ツール（音声/動画生成は別モデル）。 |
| Context window (text) | 256K tokens |
| Video / visual capacity | 長尺動画の推論向けに設計。効率的な視覚エンコーディングと大規模な動画トークン予算をサポート（モデルカードで動画トークン実験および長尺動画ベンチマークを報告）。 |
| Input formats | 自由形式のテキストプロンプト；画像アップロード（スクリーンショット、チャート、写真）；動画はトークン化したフレーム/セグメント検査用の動画ツール；ファイルアップロード（ドキュメント）。 |
| Output formats | 自然言語テキスト、構造化出力（structured-output beta）、関数呼び出し/ツール呼び出し、コード、オーケストレーションによるマルチモーダル出力。 |
| Thinking / inference modes | no_think, think-low, think-medium, think-high — 精度とレイテンシ/コストのトレードオフ。 |
Doubao Seed 1.8 とは？
Doubao Seed 1.8 は Seed チームの 1.8 リリースで、LLM+VLM を統合し、現実世界での汎用的なエージェント性（画像/動画の知覚、推論、ツールオーケストレーション〔検索、関数呼び出し、コード実行、GUI グラウンディング〕、およびマルチステップ意思決定）を明示的にターゲットにしています。設計の要点は、構成可能な「思考モード」（レイテンシと深さのトレードオフ）、効率的な視覚エンコーディング、長いコンテキストとマルチモーダル入力のネイティブサポートで、モデルが本番ワークフローにおける自律型アシスタント/エージェントとして動作できるようにすることです。
Seed 1.8 API の主な特長
- 統合マルチモーダル・エージェントモデル。知覚（画像/動画）、推論（LLM）、アクション（ツール/GUI 呼び出し、コード実行）を分割パイプラインではなく単一モデルに統合。これにより、コンパクトなエージェントワークフローと低いオーケストレーション複雑性を実現。
- 超長コンテキストと長尺動画対応。長いコンテキスト（製品サポートは 256k tokens）と特定の長尺動画ベンチマーク（Seed1.8 は長尺動画でのトークン効率で強みを示す）。モデルはタイムスタンプに焦点を当てた推論のため、選択的な動画ツール（VideoCut）をサポート。
- エージェント的 GUI 自動化とツール利用。ベンチマークと内部テスト（OSWorld, AndroidWorld, LiveCodeBench, GUI グラウンディングのベンチマーク）において GUI エージェントタスクとマルチステップ自動化が改善。モデルは GUI グラウンディングコマンドを出力し、シミュレートされた OS/ウェブ/モバイル環境で動作可能。
- レイテンシ/コスト制御のための設定可能な思考モード。4 つの推論モードにより、対話型と高品質バッチタスクでテスト時の計算量を調整可能。厳しいレイテンシ予算を持つ本番システムで有用。
- トークン効率の改善（マルチモーダル）。Seed 1.8 は、長尺動画タスクのいくつかで小さなトークン予算でも高精度を達成し、前世代（Seed-1.5/1.6 シリーズ）と比べてマルチモーダルベンチマークでのトークン効率が向上。
- 設定可能な思考モード：推論の深さとレイテンシ/コストをトレードオフするために、明確なモード（
no_think→think-high）を用意し、対話型の本番利用に合わせて調整可能。 - 技術的能力
- トークン効率：Seed1.8 は前世代（Seed-1.5/1.6）に対して顕著なトークン効率の改善を示し、長尺動画タスクでより少ないトークン予算でも高い精度を達成（例：32K の動画トークンでも競争力ある精度）。これにより長い入力での推論コストを低減。
- マルチモーダル推論と知覚：複数画像 VQA や動作/知覚タスクで SOTA を達成し、多くのマルチモーダル推論ベンチマークで 2 位または SOTA 近傍を獲得；特に、測定されたほぼすべての視覚/動画次元で前世代を上回る。
- エージェント的ツール利用と GUI グラウンディング：ScreenSpot-Pro、GUI agenting などの画面ベース操作ベンチマークでのサポートを確認（例：ScreenSpot-Pro で Seed-1.5-VL を上回るグラウンディングスコア）。
- 並列/段階的推論：テスト時計算量の増加（並列思考）により、数学、コーディング、マルチモーダル推論ベンチマークで有意な向上を確認。
Seed1.8 の公開ベンチマークハイライト（抜粋）
- VCRBench（視覚的常識推論）: Seed1.8 は 59.8（モデルカードの Pass@1）を記録。Seed-1.5-VL より改善しトップモデルと競合。
- VideoHolmes（動画推論）: Seed1.8 は 65.5。Seed-1.5-VL を上回り、プロ級競合モデルに迫る。
- MMLB-NIAH（マルチモーダル長コンテキスト、128k）: Seed1.8 は 72.2 Pass@1（128k コンテキスト）を達成し、一部の同時代のプロモデルを上回る。
- Motion & Perception スイート: 評価された 6 タスク中 5 で SOTA；たとえば TVBench、TempCompass、TOMATO などで時間的知覚に大幅な改善。
- エージェント的ワークフロー: BrowseComp ほかの検索/コード系エージェントベンチマークで、多くの場合競合のプロモデルと同等または上回る順位。
Seed 1.8 vs Gemini 3 Pro / GPT-5.x
- Seed1.8 vs Seed-1.5-VL / Seed-1.6: マルチモーダルな知覚、長尺動画でのトークン効率、エージェント的実行で明確な改善。
- Seed1.8 vs Gemini 3 Pro / GPT-5.x: 多くのマルチモーダルベンチマークで Seed1.8 は Gemini 3 Pro に「匹敵または上回る」（いくつかの VQA/動作タスクで SOTA；MMLB-NIAH 128k 走行で優位）。一方で、分野知識に関する特定領域では Gemini 系が優位な箇所もモデルカードに示されており、相対順位はベンチマーク依存。
- Seed-Code バリアント（Doubao-Seed-Code）: プログラミング/エージェント的コードタスクに特化（大規模コードベースのコンテキスト、特化した SWE ベンチマーク）。Seed1.8 は汎用エージェント的マルチモーダルモデル、Seed-Code はプログラミング特化バリアント。
CometAPI 上の Seedream 4.5 API による実用ユースケース
- マルチモーダル研究アシスタント＆ドキュメント解析：長いドキュメント、スライド、複数ページのレポートから抽出・要約・横断推論。
- 長尺動画の理解とモニタリング：セキュリティ/スポーツ配信の分析、長時間会議の要約、ストリーミング分析（長尺動画でのトークン効率が重要）。
- エージェント的ワークフロー/自動化：マルチステップのウェブ検索 + コード実行 + データ抽出（例：自動競合分析、旅行計画、内部デモの研究パイプライン）。
- 開発者向けツール（Seed-Code を使用する場合）：大規模コードベース解析、IDE アシスタント、テストと修復のためのエージェント的コード実行（プログラミング特化の Seed-Code を推奨）。
- GUI 自動化と RPA：画面グラウンディングおよび GUI エージェントのベンチマークが、過去の Seed リリースより構造化 GUI タスクでの性能向上を示唆。
CometAPI 経由で doubao Seed 1.8 API を使う方法
Doubao seed1.8 は、現在 CometAPI からホスト型推論 API として商用提供されています。この API はマルチモーダルペイロード（テキスト + 画像 + 動画フラグメント/タイムスタンプ）と、レイテンシと計算量・回答品質をトレードオフする構成可能な推論モードをサポートします。
呼び出しパターン：API は標準的なチャット/補完スタイルのリクエスト、ストリーミングレスポンス、ツール呼び出し（検索、コード実行、GUI アクション）をモデルが発行し、その出力を後続コンテキストとして取り込むエージェント的フローをサポートします。
ストリーミングと長コンテキスト処理：API はストリーミングをサポートし、長いセッション向けのコンテキスト管理プリミティブを内蔵（100K+ コンテキスト/マルチステップのエージェントトレースを実現）。
ステップ 1: API キーを取得
cometapi.com にログインします。未登録の場合はまず登録してください。CometAPI console にサインインします。インターフェースのアクセストークン（API キー）を取得します。パーソナルセンターの API トークンで “Add Token” をクリックし、トークンキー sk-xxxxx を取得して送信します。
ステップ 2: doubao Seed 1.8 API にリクエストを送信
“doubao-seed-1-8-251228 ”エンドポイントを選択して API リクエストを送信し、リクエストボディを設定します。リクエストメソッドとリクエストボディは当社サイトの API ドキュメントから取得できます。当社サイトは検証用の Apifox テストも提供しています。<YOUR_API_KEY> をアカウントの実際の CometAPI キーに置き換えてください。Chat API と互換性があります。
質問やリクエストを content フィールドに挿入します—モデルはこの内容に応答します。API レスポンスを処理して生成された回答を取得します。
ステップ 3: 結果を取得して検証
API レスポンスを処理して生成された回答を取得します。処理後、API はタスクステータスと出力データを返します。