Doubao-Seed-1.8

Especificações técnicas da API Seed 1.8

O que é o Doubao Seed 1.8?

Doubao Seed 1.8 é a versão 1.8 da equipe Seed: um LLM+VLM unificado que visa explicitamente a agência generalizada no mundo real — ou seja, percepção (imagens/vídeo), raciocínio, orquestração de ferramentas (busca, chamadas de função, execução de código, GUI grounding) e tomada de decisão em múltiplas etapas dentro de um único modelo. O design enfatiza “modos de pensamento” configuráveis (compromissos entre latência e profundidade), codificação visual eficiente e suporte nativo para contexto longo e entradas multimodais para que o modelo possa operar como um assistente/agente autônomo em fluxos de trabalho de produção.

Principais recursos da API Seed 1.8

1. Modelo agêntico multimodal unificado. Integra percepção (imagem/vídeo), raciocínio (LLM) e ação (tool/G U I calls, execução de código) em um único modelo em vez de um pipeline dividido. Isso possibilita fluxos de trabalho de agente compactos e menor complexidade de orquestração.
2. Contexto ultralongo e tratamento de vídeos longos. Contexto longo (suporte de produto até 256k tokens) e benchmarks específicos de vídeos longos (Seed1.8 demonstra forte eficiência de tokens de vídeo). O modelo suporta ferramentas seletivas de vídeo (VideoCut) para concentrar o raciocínio em timestamps.
3. Automação de GUI agêntica e uso de ferramentas. Benchmarks e testes internos (OSWorld, AndroidWorld, LiveCodeBench, benchmarks de GUI grounding) mostram melhorias em tarefas de agente de GUI e automação em múltiplas etapas. O modelo pode emitir comandos de GUI grounding e operar em contextos simulados de SO/web/mobile.
4. Modos de pensamento configuráveis para controle de latência/custo. Quatro modos de inferência permitem aos desenvolvedores ajustar o compute em tempo de teste para tarefas interativas vs. lotes de alta qualidade. Útil para sistemas de produção com orçamentos estritos de latência.
5. Eficiência de tokens aprimorada (multimodal). Seed 1.8 demonstra maior eficiência de tokens em benchmarks multimodais em comparação com predecessores (séries Seed-1.5/1.6), alcançando alta precisão com orçamentos menores de tokens em várias tarefas de vídeo longo.
6. Modos de pensamento configuráveis: troque profundidade de inferência vs latência/custo com modos distintos (no_think → think-high) para ajuste fino em uso de produção interativo.
7. Capacidades técnicas

• Eficiência de tokens: Seed1.8 mostra eficiência de tokens acentuada vs predecessores (Seed-1.5/1.6), entregando maior precisão com menores orçamentos de tokens em tarefas de vídeo longo (por exemplo, precisão competitiva mesmo em 32K tokens de vídeo). Isso permite menor custo de inferência para entradas longas.
• Raciocínio & percepção multimodal: O modelo atinge SOTA em vários VQA multi-imagem e tarefas de movimento/percepção e obtém segundo lugar ou próximo ao SOTA em muitos benchmarks de raciocínio multimodal; especificamente supera seu predecessor em praticamente todas as dimensões visuais/de vídeo medidas.
• Uso de ferramentas agênticas & GUI grounding: Suporte documentado para GUI grounding e benchmarks de operação baseada em tela (ScreenSpot-Pro, GUI agenting) com pontuações robustas (por exemplo, melhorias sobre Seed-1.5-VL no ScreenSpot-Pro).
• Raciocínio paralelo/em etapas: Aumentar o compute em tempo de teste (pensamento paralelo) gera ganhos mensuráveis em benchmarks de matemática, codificação e raciocínio multimodal

Destaques selecionados de benchmarks públicos do Seed1.8

• VCRBench (raciocínio de senso comum visual): Seed1.8 obteve 59.8 (Pass@1 reportado na tabela do model card), uma melhoria sobre Seed-1.5-VL e competitivo com modelos de topo
• VideoHolmes (raciocínio em vídeo): Seed1.8 65.5, superando o Seed-1.5-VL e se aproximando de modelos concorrentes de nível profissional.
• MMLB-NIAH (multimodal, contexto longo, 128k): Seed1.8 alcançou 72.2 Pass@1 em 128k de contexto no MMLB-NIAH, superando alguns modelos profissionais contemporâneos.
• Conjunto de Movimento & Percepção: SOTA em 5 de 6 tarefas avaliadas; exemplos incluem TVBench, TempCompass e TOMATO, onde o Seed1.8 apresenta ganhos substanciais em percepção temporal.
• Fluxos de trabalho agênticos: Em BrowseComp e outros benchmarks de busca/código agênticos, Seed1.8 frequentemente fica próximo ou acima de modelos profissionais concorrentes

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

• Seed1.8 vs Seed-1.5-VL / Seed-1.6: Melhorias claras em percepção multimodal, eficiência de tokens para vídeos longos e execução agêntica.
• Seed1.8 vs Gemini 3 Pro / GPT-5.x: Em muitos benchmarks multimodais, Seed1.8 se iguala ou supera o Gemini 3 Pro (SOTA em várias tarefas de VQA/movimento; melhor no MMLB-NIAH com contexto 128k). Entretanto, o card também mostra áreas em que a família Gemini mantém vantagens em certas tarefas de conhecimento disciplinar — logo a ordem relativa depende do benchmark.
• Variante Seed-Code (Doubao-Seed-Code): especializada para tarefas de programação/código agêntico (contexto grande para bases de código; benchmarks de SWE especializados). Seed1.8 é o modelo multimodal agêntico generalista, enquanto o Seed-Code é a variante focada em programação.

Casos de uso práticos pela Seedream 4.5 API no CometAPI

• Assistentes de pesquisa multimodal & análise de documentos: extrair, resumir e raciocinar sobre documentos longos, apresentações e relatórios de múltiplas páginas.
• Compreensão & monitoramento de vídeos longos: análises de segurança/esportes, sumarização de reuniões longas e análise de streaming onde a eficiência de tokens de vídeo do modelo é relevante.
• Fluxos de trabalho agênticos / automação: cenários de múltiplas etapas de busca na web + execução de código + extração de dados (por exemplo, análise competitiva automatizada, planejamento de viagens, pipelines de pesquisa demonstrados em benchmarks internos).
• Ferramentas para desenvolvedores (se usar Seed-Code): análise de grandes bases de código, assistentes de IDE e execução agêntica de código para testes & reparo (Seed-Code é a variante especializada recomendada).
• Automação de GUI & RPA: benchmarks de grounding de tela e agentes de GUI indicam que o modelo pode executar tarefas estruturadas de GUI melhor do que versões anteriores do Seed.

Como usar a doubao Seed 1.8 API via CometAPI

Doubao seed1.8 é exposta comercialmente por meio da CometAPI como uma API de inferência hospedada. A API dá suporte a payloads multimodais (texto + imagens + fragmentos de vídeo / timestamps) e modos de inferência configuráveis para equilibrar latência e compute versus qualidade da resposta.

Padrões de chamada: A API suporta solicitações no estilo chat/completion padrão, respostas em streaming e fluxos agênticos em que o modelo emite tool calls (busca, execução de código, ações de GUI) e ingere saídas das ferramentas como contexto subsequente.

Streaming & tratamento de contexto longo: A API suporta streaming e possui primitivas de gerenciamento de contexto integradas para sessões longas (para habilitar contextos 100K+ / rastros de agente multi-etapas).

Passo 1: Cadastre-se para obter a chave de API

Faça login em cometapi.com. Se você ainda não é nosso usuário, registre-se primeiro. Entre no seu CometAPI console. Obtenha a credencial de acesso (API key) da interface. Clique em “Add Token” no token de API no centro pessoal, obtenha a chave do token: sk-xxxxx e envie.

Passo 2: Envie solicitações para a doubao Seed 1.8 API

Selecione o endpoint “doubao-seed-1-8-251228 ” para enviar a solicitação de API e defina o corpo da solicitação. O método e o corpo da solicitação são obtidos na documentação da API do nosso site. Nosso site também oferece teste no Apifox para sua conveniência. Substitua <YOUR_API_KEY> pela sua chave CometAPI real da sua conta. Compatibilidade com as APIs de Chat.

Insira sua pergunta ou solicitação no campo de conteúdo — é a isso que o modelo responderá. Processe a resposta da API para obter a resposta gerada.

Passo 3: Recupere e verifique os resultados

Processe a resposta da API para obter a resposta gerada. Após o processamento, a API responde com o status da tarefa e os dados de saída.