Doubao-Seed-1.8

Tekniske spesifikasjoner for Seed 1.8 API

Hva er Doubao Seed 1.8?

Doubao Seed 1.8 er Seed-teamets 1.8-utgivelse: en enhetlig LLM+VLM som eksplisitt retter seg mot generalisert agentisk evne i den virkelige verden — dvs. persepsjon (bilder/video), resonnering, verktøyorkestrering (søk, funksjonskall, kodekjøring, GUI-forankring) og flerstegs beslutningstaking i én og samme modell. Designet vektlegger konfigurerbare “tenkemoduser” (avveininger mellom latens og dybde), effektiv visuell koding og innebygd støtte for lang kontekst og multimodale inndata slik at modellen kan operere som en autonom assistent/agent i produksjonsarbeidsflyter.

Hovedfunksjoner i Seed 1.8 API

1. Enhetlig multimodal agentisk modell. Integrerer persepsjon (bilde/video), resonnering (LLM) og handling (verktøy-/G U I-kall, kodekjøring) i én modell fremfor en splittet pipeline. Dette muliggjør kompakte agentarbeidsflyter og lavere orkestreringskompleksitet.
2. Ekstra lang kontekst og håndtering av lange videoer. Lang kontekst (produktsupport opp til 256k tokens) og spesifikke langtidsvideobenchmarks (Seed1.8 viser sterk effektivitet i bruk av videotokens). Modellen støtter selektive videoverktøy (VideoCut) for å fokusere resonnering på tidsstempler.
3. Agentisk GUI-automatisering og verktøybruk. Benchmarks og interne tester (OSWorld, AndroidWorld, LiveCodeBench, GUI-grounding-benchmarks) viser forbedringer i GUI-agentoppgaver og flerstegsautomatisering. Modellen kan generere GUI-forankringskommandoer og operere i simulerte OS-/nett-/mobilkontekster.
4. Konfigurerbare tenkemoduser for kontroll av latens/kostnad. Fire inferensmodi lar utviklere justere beregningstid ved kjøring for interaktive vs. høy-kvalitets batch-oppgaver. Dette er nyttig i produksjonssystemer med strenge latensbudsjetter.
5. Forbedret tokeneffektivitet (multimodal). Seed 1.8 demonstrerer sterkere tokeneffektivitet på multimodale benchmarks sammenlignet med forgjengerne (Seed-1.5/1.6-serien), og oppnår høy nøyaktighet med mindre tokenbudsjetter i flere langtidsvideo-oppgaver.
6. Konfigurerbare tenkemoduser: avvei inferensdybde mot latens/kostnad med distinkte moduser (no_think → think-high) for å finjustere til interaktiv produksjonsbruk.
7. Tekniske kapabiliteter

• Tokeneffektivitet: Seed1.8 viser markert tokeneffektivitet vs. forgjengere (Seed-1.5/1.6), og leverer sterkere nøyaktighet ved lavere tokenbudsjetter på lange videooppgaver (f.eks. oppnår konkurransedyktig nøyaktighet selv ved 32K videotokens). Dette muliggjør lavere inferenskost for lange inndata.
• Multimodal resonnering og persepsjon: Modellen oppnår SOTA på flere flerbilde-VQA- og bevegelse/persepsjon-oppgaver og tar andreplass eller nær SOTA på mange multimodale resonneringsbenchmarks; spesielt overgår den sin forgjenger på nesten alle målte visuelle/videodimensjoner.
• Agentisk verktøybruk og GUI-forankring: Dokumentert støtte for GUI-forankring og skjermbaserte operasjonsbenchmarks (ScreenSpot-Pro, GUI-agenting) med sterke forankringsscorer (f.eks. forbedringer over Seed-1.5-VL på ScreenSpot-Pro).
• Parallell / trinnvis resonnering: Økt beregning ved testtid (parallell tenkning) gir målbare gevinster på matte-, koding- og multimodale resonneringsbenchmarks

Utvalgte offentlige benchmark-høydepunkter for Seed1.8

• VCRBench (visual commonsense reasoning): Seed1.8 scoret 59.8 (Pass@1 rapportert i modellkorttabellen), en forbedring over Seed-1.5-VL og konkurransedyktig med toppmodeller
• VideoHolmes (videoresonnering): Seed1.8 65.5, overgår Seed-1.5-VL og nærmer seg pro-nivå konkurrentmodeller.
• MMLB-NIAH (multimodal lang kontekst, 128k): Seed1.8 oppnådde 72.2 Pass@1 ved 128k kontekst i MMLB-NIAH, og overgår noen samtidige pro-modeller.
• Motion & Perception-suiten: SOTA i 5 av 6 evaluerte oppgaver; eksempler inkluderer TVBench, TempCompass og TOMATO der Seed1.8 viser betydelige gevinster i temporal persepsjon.
• Agentiske arbeidsflyter: På BrowseComp og andre agentiske søk-/kode-benchmarks rangerer Seed1.8 ofte nær eller over konkurrerende pro-modeller

Seed 1.8 vs Gemini 3 Pro / GPT-5.x

• Seed1.8 vs Seed-1.5-VL / Seed-1.6: Klare forbedringer i multimodal persepsjon, tokeneffektivitet for lange videoer og agentisk eksekvering.
• Seed1.8 vs Gemini 3 Pro / GPT-5.x: På mange multimodale benchmarks matcher eller overgår Seed1.8 Gemini 3 Pro (SOTA på flere VQA-/bevegelsesoppgaver; bedre på MMLB-NIAH 128k-kjøring). Imidlertid viser kortet også områder der Gemini-familien beholder fordeler på enkelte disiplinære kunnskapsoppgaver — så den relative rangeringen er avhengig av benchmark.
• Seed-Code-variant (Doubao-Seed-Code): spesialisert for programmerings-/agentiske kodeoppgaver (stor kontekst for kodebaser; spesialiserte SWE-benchmarks). Seed1.8 er den generalistiske, agentiske multimodale modellen, mens Seed-Code er den programmeringsfokuserte varianten.

Praktiske brukstilfeller med Seedream 4.5 API på CometAPI

• Multimodale forskningsassistenter og dokumentanalyse: ekstraher, oppsummer og resonner på tvers av lange dokumenter, lysbildefremvisninger og fler-siders rapporter.
• Forståelse og overvåkning av lange videoer: sikkerhets-/sportskringkastingsanalyse, lange møtereferater og strømmende analyse der modellens langtidsvideo-tokeneffektivitet betyr noe.
• Agentiske arbeidsflyter / automatisering: flerstegs nettsøk + kodekjøring + datauttrekksscenarier (f.eks. automatisert konkurrentanalyse, reiseplanlegging, forskningspipeliner demonstrert i interne benchmarks).
• Utviklerverktøy (ved bruk av Seed-Code): analyse av store kodebaser, IDE-assistenter og agentisk kodekjøring for testing og reparasjon (Seed-Code er den anbefalte spesialiserte varianten).
• GUI-automatisering og RPA: skjermforankring og GUI-agentbenchmarks indikerer at modellen kan utføre strukturerte GUI-oppgaver bedre enn tidligere Seed-utgivelser.

Slik bruker du doubao Seed 1.8 API via CometAPI

Doubao seed1.8 tilbys kommersielt gjennom CometAPI som en hostet inferens-API. API-et støtter multimodale payloads (tekst + bilder + videofragmenter / tidsstempler) og konfigurerbare inferensmoduser for å avveie latens og beregning mot svarkvalitet.

Kallemønstre: API-et støtter standard forespørsler i chat/completion-stil, strømmende svar og agentiske flyter der modellen utsteder verktøykall (søk, kodekjøring, GUI-handlinger) og tar inn verktøyutdata som påfølgende kontekst.

Streaming og håndtering av lang kontekst: API-et støtter strømming og har innebygde konteksthåndteringsprimitiver for lange økter (for å muliggjøre 100K+ kontekster / flerstegs agentspor).

Trinn 1: Registrer deg for API-nøkkel

Logg inn på cometapi.com. Hvis du ikke er bruker ennå, registrer deg først. Logg inn på CometAPI-konsollen. Hent tilgangslegitimasjonen (API-nøkkel) for grensesnittet. Klikk “Add Token” ved API-tokenet i det personlige senteret, hent token-nøkkelen: sk-xxxxx og send inn.

Trinn 2: Send forespørsler til doubao Seed 1.8 API

Velg “doubao-seed-1-8-251228 ”-endepunktet for å sende API-forespørselen og sett forespørselsinnholdet. Forespørselsmetode og -innhold finnes i API-dokumentasjonen på nettstedet vårt. Nettsiden vår tilbyr også Apifox-test for enkel utprøving. Erstatt <YOUR_API_KEY> med din faktiske CometAPI-nøkkel fra kontoen din. Kompatibel med Chat-API-ene.

Sett inn spørsmålet eller forespørselen din i content-feltet — dette er hva modellen vil svare på. Prosesser API-responsen for å hente det genererte svaret.

Trinn 3: Hent og verifiser resultater

Prosesser API-responsen for å hente det genererte svaret. Etter prosessering svarer API-et med oppgavestatus og utdata.