Seed1.8 سابقہ Seed ورژنز سے کیسے مختلف ہے؟

Seed1.8 ایجنٹک انضمام پر زور دیتا ہے (tool use، GUI agenting، multi-step workflows)، طویل سیاق (long-context) کی بہتر ہینڈلنگ، اور پچھلے Seed 1.x ماڈلز کے مقابلے میں طویل ویڈیو/موشن کے ادراک میں بہتری۔ اسے Seed لائن میں multimodal/agent اپ گریڈ کے طور پر پیش کیا گیا ہے.

Seed1.8 کن ان پٹ/آؤٹ پٹ طریقوں کی معاونت کرتا ہے؟

نیٹو ملٹی موڈل سپورٹ: متن + تصاویر + ویڈیو۔ آؤٹ پٹس میں قدرتی زبان میں جوابات، ساختہ آؤٹ پٹس (JSON/ایکشن پلانز)، کوڈ، اور ایجنٹک ورک فلو کے لیے بصری حصوں/ٹائم اسٹیمپس کے حوالے شامل ہیں۔ ماڈل کو واضح طور پر multimodal perception → reasoning → action کے لیے ڈیزائن کیا گیا ہے.

Seed 1.8 کے کون سے ویرینٹس موجود ہیں اور ہر ایک کب استعمال کریں؟

Seed1.8 ایک عمومی نوعیت کا ملٹی موڈل ایجنٹ ہے۔ متعلقہ ویرینٹس میں شامل ہیں: Seed-Code / Doubao-Seed-Code: بہت بڑے code contexts (کچھ SKUs 256K contexts کا دعویٰ کرتی ہیں) اور coding workflows کے لیے مخصوص۔ Seedance / Seedream: میڈیا/جنریشن کے لیے مخصوص ویرینٹس (ویڈیو/امیج جنریشن)۔ IDE/codebase کے کاموں کے لیے Seed-Code منتخب کریں؛ وسیع ملٹی موڈل ایجنٹ ٹاسکس کے لیے Seed1.8 منتخب کریں۔ پروڈکٹ ڈاکس میں SKU context windows اور صلاحیتوں کی تصدیق کریں.

Seed1.8 کے “thinking” یا inference موڈز کیا ہیں؟

قابلِ تنظیم “thinking” موڈز موجود ہیں — جو latency/compute کے مقابل گہرائیِ استدلال میں توازن بنانے کے لیے ڈیزائن کیے گئے ہیں (جب آپ کو interactivity اور حل کے معیار کے درمیان توازن درکار ہو تو مفید)۔ ان موڈز کو انٹرایکٹو UIs یا زیادہ گہرے batch reasoning کے لیے ٹیون کریں.

Bytedance

دستیاب

doubao-seed-1-8-251228

Doubao-Seed-1.8 API

Doubao-Seed-1.8 کو ملٹی موڈل ایجنٹ کے منظرناموں کے لیے بہتر بنایا گیا ہے۔ ایجنٹ کی صلاحیتوں کے لحاظ سے، ٹول کے استعمال اور پیچیدہ کمانڈز پر عمل درآمد میں نمایاں بہتری آئی ہے۔ ملٹی موڈل فہم کے حوالے سے، بنیادی بصری صلاحیتیں نمایاں طور پر بہتر ہوئی ہیں، جس سے انتہائی طویل ویڈیوز کو کم فریم ریٹ پر سمجھنا ممکن ہو گیا ہے۔ ویڈیو میں حرکت کی تفہیم، پیچیدہ مکانی سمجھ، اور دستاویز کی ساخت کی پارسنگ کی صلاحیتیں بھی بہتر کی گئی ہیں، اور ذہین کانٹیکسٹ مینیجمنٹ اب نیٹو سپورٹ کے ساتھ دستیاب ہے، جس کے ذریعے صارفین کانٹیکسٹ حکمتِ عملیاں ترتیب دے سکتے ہیں۔

ابتدائی قیمت

$0.2 / 10 لاکھ ان پٹ ٹوکنز

استعمال کی بنیاد پر بلنگ

API کی حالت

دستیاب

پروڈکشن اینڈ پوائنٹ

جوابی وقت

ایسنک کے لیے تیار

مشاہدہ شدہ API جوابی وقت

جاری کیا گیا

Jan 7, 2026

Bytedance

Playground

Doubao-Seed-1.8 کو ایک حقیقی درخواست کے ساتھ آزمائیں، اس کے پیرامیٹرز کا جائزہ لیں اور API ضم کرنے سے پہلے آؤٹ پٹ کی توثیق کریں۔

خلاصہ

Doubao-Seed-1.8 کا ایک عملی جائزہ، جس میں اہم رویہ اور انضمام کے نکات شامل ہیں۔

Seed 1.8 API کی تکنیکی خصوصیات

آئٹم	تفصیل / نوٹ
ماڈل نام / فیملی	Doubao-Seed-1.8 (Seed1.8) — ByteDance Seed / Volcano Engine
موڈالٹیز کی معاونت	متن، تصاویر، ویڈیو (ملٹی موڈل VLM صلاحیتیں)، ایکو سسٹم میں آڈیو ٹولنگ (آڈیو/ویڈیو جنریشن کے لیے الگ ماڈلز)۔
کانٹیکسٹ ونڈو (متن)	256K ٹوکنز
ویڈیو / بصری صلاحیت	طویل ویڈیو ریزننگ کے لیے ڈیزائن، مؤثر بصری انکوڈنگ اور بڑے ویڈیو-ٹوکن بجٹ کی معاونت (ماڈل کارڈ ویڈیو ٹوکن تجربات اور طویل ویڈیو بینچ مارکس رپورٹ کرتا ہے)۔
ان پٹ فارمیٹس	آزاد متن پرامپٹس؛ امیج اپلوڈز (اسکرین شاٹس، چارٹس، فوٹوز)؛ ویڈیو بطور ٹوکینائزڈ فریمز / سیگمنٹ انسپیکشن کے لیے ویڈیو ٹولز؛ فائل اپلوڈز (ڈاکومنٹس)۔
آؤٹ پٹ فارمیٹس	قدرتی زبان متن، ساختہ آؤٹ پٹس (structured-output beta)، فنکشن کالز / ٹول کالز، کوڈ، اور آرکیسٹریشن کے ذریعے ملٹی موڈل آؤٹ پٹس۔
سوچ / اِنفرنس موڈز	`no_think`, `think-low`, `think-medium`, `think-high` — درستگی بمقابلہ لیٹنسی/لاگت میں تبادلہ۔

Doubao Seed 1.8 کیا ہے؟

Doubao Seed 1.8 Seed ٹیم کی 1.8 ریلیز ہے: ایک متحد LLM+VLM جو واضح طور پر عمومی حقیقی دنیا کی ایجنسی کو ہدف بناتا ہے — یعنی ادراک (تصاویر/ویڈیو)، ریزننگ، ٹول آرکیسٹریشن (سرچ، فنکشن کالز، کوڈ ایگزیکیوشن، GUI گراؤنڈنگ) اور کثیر مرحلہ فیصلہ سازی ایک ہی ماڈل کے اندر۔ ڈیزائن قابلِ ترتیب “سوچ کے موڈز” (لیٹنسی اور گہرائی کے درمیان توازن)، مؤثر بصری انکوڈنگ اور طویل کانٹیکسٹ و ملٹی موڈل ان پٹس کی نیٹو سپورٹ پر زور دیتا ہے تاکہ ماڈل پروڈکشن ورک فلو میں ایک خود مختار اسسٹنٹ/ایجنٹ کے طور پر کام کر سکے۔

Seed 1.8 API کی اہم خصوصیات

متحد ملٹی موڈل ایجنٹک ماڈل۔ ادراک (تصویر/ویڈیو)، ریزننگ (LLM)، اور ایکشن (ٹول/G U I کالز، کوڈ ایگزیکیوشن) کو ایک واحد ماڈل میں ضم کرتا ہے بجائے اس کے کہ علیحدہ پائپ لائن ہو۔ یہ کمپیکٹ ایجنٹ ورک فلو اور کم آرکیسٹریشن پیچیدگی کو ممکن بناتا ہے۔
انتہائی طویل کانٹیکسٹ اور طویل ویڈیو ہینڈلنگ۔ طویل کانٹیکسٹ (پروڈکٹ سپورٹ 256k ٹوکنز تک) اور مخصوص طویل ویڈیو بینچ مارکس (Seed1.8 طویل ویڈیو ٹوکن ایفیشنسی میں مضبوط کارکردگی دکھاتا ہے)۔ ماڈل منتخب ویڈیو ٹولز (VideoCut) کی معاونت کرتا ہے تاکہ ٹائم اسٹیمپس پر ریزننگ فوکس کی جا سکے۔
ایجنٹک GUI آٹومیشن اور ٹول استعمال۔ بینچ مارکس اور داخلی ٹیسٹس (OSWorld، AndroidWorld، LiveCodeBench، GUI گراؤنڈنگ بینچ مارکس) GUI ایجنٹ ٹاسکس اور کثیر مرحلہ آٹومیشن میں بہتری دکھاتے ہیں۔ ماڈل GUI گراؤنڈنگ کمانڈز آؤٹ پٹ کر سکتا ہے اور سمولیٹڈ OS/ویب/موبائل کانٹیکسٹس میں کام کر سکتا ہے۔
لیٹنسی/لاگت کنٹرول کے لیے قابلِ ترتیب سوچ کے موڈز۔ چار اِنفرنس موڈز ڈیولپرز کو ٹیسٹ ٹائم پر کمپیوٹ ٹیون کرنے دیتے ہیں تاکہ انٹرایکٹو بمقابلہ اعلیٰ معیار بیچ ٹاسکس کے لیے موزوں ہوں۔ یہ سخت لیٹنسی بجٹ والے پروڈکشن سسٹمز میں مفید ہے۔
ٹوکن ایفیشنسی میں بہتری (ملٹی موڈل). Seed 1.8 ملٹی موڈل بینچ مارکس پر اپنے پیش رو ماڈلز (Seed-1.5/1.6 سیریز) کے مقابلے میں مضبوط ٹوکن ایفیشنسی دکھاتا ہے، کئی طویل ویڈیو ٹاسکس میں کم ٹوکن بجٹ کے ساتھ اعلیٰ درستگی حاصل کرتا ہے۔
قابلِ ترتیب سوچ کے موڈز: اِنفرنس ڈَیپتھ بمقابلہ لیٹنسی/لاگت میں تبادلہ منفرد موڈز (no_think → think-high) کے ساتھ تاکہ انٹرایکٹو پروڈکشن استعمال کے لیے ٹیون کیا جا سکے۔
تکنیکی صلاحیتیں

ٹوکن ایفیشنسی: Seed1.8 نے پیش رو ماڈلز (Seed-1.5/1.6) کے مقابلے میں نمایاں ٹوکن ایفیشنسی دکھائی، طویل ویڈیو ٹاسکس میں کم ٹوکن بجٹ پر مضبوط درستگی فراہم کی (مثلاً 32K ویڈیو ٹوکنز پر بھی مسابقتی درستگی حاصل)۔ یہ طویل ان پٹس کے لیے کم اِنفرنس لاگت ممکن بناتی ہے۔
ملٹی موڈل ریزننگ اور ادراک: ماڈل کئی ملٹی امیج VQA اور موشن/ادراک ٹاسکس پر SOTA تک پہنچتا ہے اور بہت سے ملٹی موڈل ریزننگ بینچ مارکس پر دوسرا مقام یا قریب-SOTA حاصل کرتا ہے؛ خاص طور پر یہ اپنے پیش رو ماڈل کو تقریباً ہر بصری/ویڈیو جہت پر بہتر کرتا ہے۔
ایجنٹک ٹول استعمال اور GUI گراؤنڈنگ: ScreenSpot-Pro، GUI ایجنٹنگ جیسے اسکرین بیسڈ آپریشن بینچ مارکس میں دستاویزی سپورٹ، مضبوط گراؤنڈنگ اسکورز کے ساتھ (مثلاً Seed-1.5-VL کے مقابلے میں ScreenSpot-Pro پر بہتری)۔
پیرالیل / مرحلہ وار ریزننگ: ٹیسٹ ٹائم کمپیوٹ بڑھانے (پیرالیل تھنکنگ) سے ریاضی، کوڈنگ، اور ملٹی موڈل ریزننگ بینچ مارکس پر قابلِ پیمائش فوائد حاصل ہوتے ہیں۔

Seed1.8 کے منتخب عوامی بینچ مارکس کی نمایاں جھلکیاں

VCRBench (visual commonsense reasoning): Seed1.8 نے 59.8 اسکور کیا (Pass@1 ماڈل کارڈ ٹیبل میں رپورٹ)، Seed-1.5-VL کے مقابلے میں بہتری اور ٹاپ ماڈلز کے ساتھ مسابقت۔
VideoHolmes (ویڈیو ریزننگ): Seed1.8 65.5، Seed-1.5-VL کو پیچھے چھوڑتے ہوئے اور پرو-گریڈ مقابل ماڈلز کے قریب پہنچتا ہوا۔
MMLB-NIAH (ملٹی موڈل طویل کانٹیکسٹ، 128k): Seed1.8 نے 128k کانٹیکسٹ پر 72.2 Pass@1 حاصل کیا، بعض ہم عصر پرو ماڈلز سے آگے۔
Motion & Perception suite: 6 میں سے 5 ٹاسکس میں SOTA؛ مثالیں TVBench، TempCompass اور TOMATO جہاں Seed1.8 زمانی ادراک میں نمایاں بہتری دکھاتا ہے۔
ایجنٹک ورک فلو: BrowseComp اور دیگر ایجنٹک سرچ/کوڈ بینچ مارکس پر Seed1.8 اکثر مقابِل پرو ماڈلز کے برابر یا آگے رہتا ہے۔

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

Seed1.8 بمقابلہ Seed-1.5-VL / Seed-1.6: ملٹی موڈل ادراک، طویل ویڈیوز کے لیے ٹوکن ایفیشنسی، اور ایجنٹک ایگزیکیوشن میں واضح بہتریاں۔
Seed1.8 بمقابلہ Gemini 3 Pro / GPT-5.x: بہت سے ملٹی موڈل بینچ مارکس پر Seed1.8 Gemini 3 Pro سے ہم پلہ یا بہتر ہے (کئی VQA / موشن ٹاسکس پر SOTA؛ MMLB-NIAH 128k رَن پر بہتر)۔ تاہم کارڈ بعض شعبہ جاتی علم ٹاسکس پر Gemini فیملی کے فائدوں کی بھی نشاندہی کرتا ہے — لہٰذا نسبت مختلف بینچ مارکس پر منحصر ہے۔
Seed-Code ویریئنٹ (Doubao-Seed-Code): پروگرامنگ/ایجنٹک کوڈ ٹاسکس کے لیے مخصوص (بڑی کانٹیکسٹ سپورٹ برائے کوڈ بیسز؛ مخصوص SWE بینچ مارکس)۔ Seed1.8 جنرلِسٹ ایجنٹک ملٹی موڈل ماڈل ہے، جبکہ Seed-Code پروگرامنگ پر مرکوز ویریئنٹ ہے۔

CometAPI پر Seedream 4.5 API کے عملی استعمال

ملٹی موڈل ریسرچ اسسٹنٹس اور دستاویزاتی تجزیہ: طویل دستاویزات، سلائیڈ ڈیکس، اور کثیر صفحہ رپورٹس سے اخذ، خلاصہ اور ریزننگ۔
طویل ویڈیو فہمی اور مانیٹرنگ: سیکیورٹی/اسپورٹس براڈکاسٹنگ اینالیٹکس، طویل میٹنگ خلاصہ سازی، اور اسٹریمنگ تجزیہ جہاں ماڈل کی طویل ویڈیو ٹوکن ایفیشنسی اہم ہے۔
ایجنٹک ورک فلو / آٹومیشن: کثیر مرحلہ ویب سرچ + کوڈ ایگزیکیوشن + ڈیٹا ایکسٹریکشن منظرنامے (مثلاً خودکار مسابقتی تجزیہ، ٹریول پلاننگ، داخلی بینچ مارکس میں دکھائے گئے ریسرچ پائپ لائنز)۔
ڈیولپر ٹولنگ (اگر Seed-Code استعمال ہو): بڑے کوڈ بیسز کا تجزیہ، IDE اسسٹنٹس، اور ٹیسٹنگ و مرمت کے لیے ایجنٹک کوڈ ایگزیکیوشن (Seed-Code مخصوص ویریئنٹ تجویز کردہ ہے)۔
GUI آٹومیشن اور RPA: اسکرین گراؤنڈنگ اور GUI ایجنٹ بینچ مارکس اشارہ کرتے ہیں کہ ماڈل ساختہ GUI ٹاسکس پچھلی Seed ریلیزز کے مقابلے میں بہتر انداز میں انجام دے سکتا ہے۔

CometAPI کے ذریعے Doubao Seed 1.8 API کیسے استعمال کریں

Doubao seed1.8 فی الحال CometAPI کے ذریعے بطور ہاسٹڈ اِنفرنس API تجارتی طور پر دستیاب ہے۔ API ملٹی موڈل پے لوڈز (متن + تصاویر + ویڈیو فریگمنٹس / ٹائم اسٹیمپس) اور قابلِ ترتیب اِنفرنس موڈز کو سپورٹ کرتی ہے تاکہ لیٹنسی اور کمپیوٹ کے مقابلے میں جواب کے معیار پر کنٹرول ممکن ہو۔

Call patterns: API معیاری چیٹ/کمپلیشن طرز کی درخواستیں، اسٹریمنگ ریسپانسز، اور ایجنٹک فلو سپورٹ کرتی ہے جہاں ماڈل ٹول کالز (سرچ، کوڈ ایگزیکیوشن، GUI ایکشنز) جاری کرتا ہے اور بعد کے کانٹیکسٹ میں ٹول آؤٹ پٹس کو شامل کرتا ہے۔

Streaming & long-context handling: API اسٹریمنگ کو سپورٹ کرتی ہے اور طویل سیشنز کے لیے بلٹ اِن کانٹیکسٹ مینجمنٹ پرِمِٹِوز رکھتی ہے (100K+ کانٹیکسٹس / کثیر مرحلہ ایجنٹ ٹریسز کو ممکن بنانے کے لیے)۔

مرحلہ 1: API Key کے لیے سائن اپ کریں

cometapi.com پر لاگ اِن کریں۔ اگر آپ ہمارے صارف نہیں ہیں تو پہلے رجسٹر کریں۔ اپنے CometAPI کنسول میں سائن اِن کریں۔ انٹرفیس کی رسائی کریڈینشل API key حاصل کریں۔ پرسنل سینٹر میں API ٹوکن پر “Add Token” پر کلک کریں، ٹوکن key حاصل کریں: sk-xxxxx اور سبمٹ کریں۔

مرحلہ 2: Doubao Seed 1.8 API کو درخواست بھیجیں

“doubao-seed-1-8-251228” اینڈ پوائنٹ منتخب کریں تاکہ API درخواست بھیجی جائے اور ریکوسٹ باڈی سیٹ کریں۔ ریکوسٹ میتھڈ اور ریکوسٹ باڈی ہماری ویب سائٹ API ڈاک سے حاصل کیے جاتے ہیں۔ ہماری ویب سائٹ آپ کی سہولت کے لیے Apifox ٹیسٹ بھی فراہم کرتی ہے۔ اپنے اکاؤنٹ سے اصل CometAPI key کے ساتھ <YOUR_API_KEY> کو تبدیل کریں۔ Chat APIs کے ساتھ مطابقت۔

اپنا سوال یا درخواست کنٹینٹ فیلڈ میں درج کریں — ماڈل اسی کا جواب دے گا۔ API ریسپانس کو پروسیس کر کے جنریٹڈ جواب حاصل کریں۔

مرحلہ 3: نتائج حاصل کریں اور تصدیق کریں

API ریسپانس کو پروسیس کر کے جنریٹڈ جواب حاصل کریں۔ پروسیسنگ کے بعد، API ٹاسک اسٹیٹس اور آؤٹ پٹ ڈیٹا کے ساتھ جواب دیتی ہے۔

اکثر پوچھے جانے والے سوالات

قیمت

ایک ہی رن کے لیے اوپر دیے گئے فوری تخمینے کا استعمال کریں، پھر CometAPI اور سرکاری قیمت کے درمیان مکمل موازنہ دیکھیں۔

پہلی درخواست

—

تخمینی CometAPI استعمال کی لاگت

دس درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

پندرہ درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

Doubao-Seed-1.8 کی قیمتیں

[ماڈل کا نام] کے لیے مسابقتی قیمتوں کو دریافت کریں، جو مختلف بجٹ اور استعمال کی ضروریات کے مطابق ڈیزائن کیا گیا ہے۔ ہمارے لچکدار منصوبے اس بات کو یقینی بناتے ہیں کہ آپ صرف اسی کے لیے ادائیگی کریں جو آپ استعمال کرتے ہیں، جس سے آپ کی ضروریات بڑھنے کے ساتھ ساتھ اسکیل کرنا آسان ہو جاتا ہے۔ دریافت کریں کہ [ماڈل کا نام] کیسے آپ کے پروجیکٹس کو بہتر بنا سکتا ہے جبکہ اخراجات کو قابو میں رکھتا ہے۔

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
ان پٹ:$0.2/M آؤٹ پٹ:$1.6/M	ان پٹ:$0.25/M آؤٹ پٹ:$2/M	-20%

API

ایک کام کرنے والا اینڈ پوائنٹ اور کوڈ کی مثال کاپی کریں، پھر جب تمام پیرامیٹرز درکار ہوں تو مکمل API حوالہ کھولیں۔

ایک API، پروڈکشن کے لیے تیار ماڈل تک رسائی

ایک بار تصدیق کریں، ماڈل اینڈ پوائنٹ کال کریں اور فراہم کنندگان کے درمیان یکساں بلنگ اور مانیٹرنگ ورک فلو برقرار رکھیں۔

POST/v1/chat/completions

Doubao-Seed-1.8 کے لیے نمونہ کوڈ اور API

اب Doubao seed1.8، CometAPI کے ذریعے بطور ایک ہوسٹڈ اِنفرنس API تجارتی طور پر دستیاب ہے۔ یہ API ملٹی موڈل پیلوڈز کی حمایت کرتی ہے (متن + تصاویر + ویڈیو ٹکڑے / ٹائم اسٹیمپس) اور قابلِ ترتیب اِنفرنس موڈز فراہم کرتی ہے جن کے ذریعے تاخیر اور کمپیوٹ کو جواب کے معیار کے مقابل متوازن کیا جا سکتا ہے۔

POST

/v1/chat/completions

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "doubao-seed-1-8-251228",
    "max_completion_tokens": 65535,
    "reasoning_effort": "medium",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image_url",
            "image_url": {
              "url": "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
            }
          },
          {
            "type": "text",
            "text": "What is the main idea of the picture?"
          }
        ]
      }
    ]
  }'

cURL Code Example

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "doubao-seed-1-8-251228",
    "max_completion_tokens": 65535,
    "reasoning_effort": "medium",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image_url",
            "image_url": {
              "url": "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
            }
          },
          {
            "type": "text",
            "text": "What is the main idea of the picture?"
          }
        ]
      }
    ]
  }'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="doubao-seed-1-8-251228",
    max_completion_tokens=65535,
    extra_body={"reasoning_effort": "medium"},
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
                    },
                },
                {"type": "text", "text": "What is the main idea of the picture?"},
            ],
        }
    ],
)

print(completion.choices[0].message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY;
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

async function main() {
  const completion = await openai.chat.completions.create({
    model: "doubao-seed-1-8-251228",
    max_completion_tokens: 65535,
    reasoning_effort: "medium",
    messages: [
      {
        role: "user",
        content: [
          {
            type: "image_url",
            image_url: {
              url: "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
            }
          },
          {
            type: "text",
            text: "What is the main idea of the picture?"
          }
        ]
      }
    ],
  });

  console.log(completion.choices[0].message.content);
}

main();

صلاحیتیں

آرکیٹیکچر منتخب کرنے یا پروڈکشن ورک لوڈ کا تخمینہ لگانے سے پہلے اہم ماڈل حقائق کا جائزہ لیں۔

معاون صلاحیتیں

موجودہ ماڈل API کی جانب سے واپس کی گئی خصوصیات۔

text-to-text

ان پٹ اور آؤٹ پٹ

ان پٹس

text

آؤٹ پٹس

text

پروڈکشن پروفائل

فراہم کنندہ: Bytedance
سیاق و سباق: 256k
تجارتی استعمال: معاون

استعمال کے معاملات

Doubao-Seed-1.8 کو اس کی text صلاحیتوں سے مطابقت رکھنے والے پروڈکشن ورک فلوز کے لیے استعمال کریں، پھر طویل المدتی انضمام سے پہلے متبادلات کا موازنہ کریں۔

پروڈکشن چیٹ اور ایجنٹ ورک فلوز

کوڈنگ، تجزیہ اور منظم تخلیق

ایک API کے ذریعے بڑے پیمانے پر آٹومیشن

دیگر ماڈلز

معیار، تاخیر، صلاحیت اور قیمت کے فرق کے لحاظ سے CometAPI کے ذریعے دستیاب دیگر ماڈلز کا موازنہ کریں۔

ماڈل موازنہ کھولیں →

Google

Gemini 3.7 Flash

3.7 Flash سافٹ ویئر انجینئرنگ، علمی کام اور ویب ڈیولپمنٹ ورک فلو میں نمایاں بہتریاں فراہم کرتا ہے — جس کی تعارفی قیمت فی ملین ٹوکن 3.6 Flash کی اصل لاگت کا نصف ہے۔

ماڈل دیکھیں

DeepSeek

DeepSeek-V4-Flash-Vision

deepseek-v4-flash-vision-exp ماڈل متن کے ساتھ ساتھ تصاویر بھی قبول کرتا ہے، لہٰذا آپ ماڈل سے تصاویر کی وضاحت کرنے، اسکرین شاٹس سے متن پڑھنے، چارٹس کا تجزیہ کرنے، اور مزید کے لیے کہہ سکتے ہیں۔ حمایت یافتہ تصویری فارمیٹس: JPEG، PNG، GIF، اور WebP۔ فارمیٹ کا تعین حقیقی فائل کے مواد سے کیا جاتا ہے، نہ کہ فائل کے نام یا اعلان کردہ MIME type سے۔

ماڈل دیکھیں

DeepSeek

DeepSeek V4 Pro

DeepSeek V4 Pro، DeepSeek کا ایک بڑے پیمانے کا Mixture-of-Experts ماڈل ہے جس میں 1.6T کل پیرامیٹرز اور 49B فعال پیرامیٹرز ہیں، اور یہ 1M-token کانٹیکسٹ ونڈو کی حمایت کرتا ہے۔ یہ اعلیٰ درجے کی استدلال، کوڈنگ، اور طویل مدتی ایجنٹ ورک فلو کے لیے ڈیزائن کیا گیا ہے، اور علم، ریاضی، اور سافٹ ویئر انجینئرنگ کے بینچ مارکس پر مضبوط کارکردگی دکھاتا ہے۔

ماڈل دیکھیں

xAI

Grok 4.6

کوڈ اور دیگر تمام چیزوں کے لیے فلیگ شپ ماڈل: ایجنٹک ٹول کالنگ، انتہائی کم ہیلوسینیشنز، قابلِ تخصیص استدلال

ماڈل دیکھیں

Z.AI

GLM 5.3

GLM-5.3 ایک اگلی نسل کا اوپن سورس بڑا لسانی ماڈل ہے جو پیچیدہ کوڈنگ، طویل مدتی کاموں اور سائبر سیکیورٹی کے منظرناموں کے لیے بہتر بنایا گیا ہے۔ یہ GLM-5.2 کے مقابلے میں کوڈنگ کی صلاحیتوں اور ایجنٹ کی کارکردگی میں نمایاں بہتری فراہم کرتا ہے۔

ماڈل دیکھیں

Anthropic

Claude Fable 5

Claude Fable 5 تک رسائی بحال کر دی گئی ہے۔ یہ آپ کے سب سے بلند عزائم والے کوڈنگ اور پیشہ ورانہ کام میں 5ویں نسل کی ذہانت لے آتا ہے۔

ماڈل دیکھیں

Uptime

پروڈکشن میں جانے سے پہلے لائیو ہارٹ بیٹ ڈیٹا، اینڈ پوائنٹ کی دستیابی اور مشاہدہ شدہ جوابی اوقات کا جائزہ لیں۔

دریافت جاری رکھیں

ماڈلز کا موازنہ کریں اور اپنی تحقیق جاری رکھیں

Bytedance

دستیاب

doubao-seed-1-8-251228

Doubao-Seed-1.8 API

ابتدائی قیمت

$0.2 / 10 لاکھ ان پٹ ٹوکنز

استعمال کی بنیاد پر بلنگ

API کی حالت

دستیاب

پروڈکشن اینڈ پوائنٹ

جوابی وقت

ایسنک کے لیے تیار

مشاہدہ شدہ API جوابی وقت

جاری کیا گیا

Jan 7, 2026

Bytedance

Playground

خلاصہ

Doubao-Seed-1.8 کا ایک عملی جائزہ، جس میں اہم رویہ اور انضمام کے نکات شامل ہیں۔

Seed 1.8 API کی تکنیکی خصوصیات

آئٹم	تفصیل / نوٹ
ماڈل نام / فیملی	Doubao-Seed-1.8 (Seed1.8) — ByteDance Seed / Volcano Engine
موڈالٹیز کی معاونت	متن، تصاویر، ویڈیو (ملٹی موڈل VLM صلاحیتیں)، ایکو سسٹم میں آڈیو ٹولنگ (آڈیو/ویڈیو جنریشن کے لیے الگ ماڈلز)۔
کانٹیکسٹ ونڈو (متن)	256K ٹوکنز
ویڈیو / بصری صلاحیت	طویل ویڈیو ریزننگ کے لیے ڈیزائن، مؤثر بصری انکوڈنگ اور بڑے ویڈیو-ٹوکن بجٹ کی معاونت (ماڈل کارڈ ویڈیو ٹوکن تجربات اور طویل ویڈیو بینچ مارکس رپورٹ کرتا ہے)۔
ان پٹ فارمیٹس	آزاد متن پرامپٹس؛ امیج اپلوڈز (اسکرین شاٹس، چارٹس، فوٹوز)؛ ویڈیو بطور ٹوکینائزڈ فریمز / سیگمنٹ انسپیکشن کے لیے ویڈیو ٹولز؛ فائل اپلوڈز (ڈاکومنٹس)۔
آؤٹ پٹ فارمیٹس	قدرتی زبان متن، ساختہ آؤٹ پٹس (structured-output beta)، فنکشن کالز / ٹول کالز، کوڈ، اور آرکیسٹریشن کے ذریعے ملٹی موڈل آؤٹ پٹس۔
سوچ / اِنفرنس موڈز	`no_think`, `think-low`, `think-medium`, `think-high` — درستگی بمقابلہ لیٹنسی/لاگت میں تبادلہ۔

Doubao Seed 1.8 کیا ہے؟

Seed 1.8 API کی اہم خصوصیات

متحد ملٹی موڈل ایجنٹک ماڈل۔ ادراک (تصویر/ویڈیو)، ریزننگ (LLM)، اور ایکشن (ٹول/G U I کالز، کوڈ ایگزیکیوشن) کو ایک واحد ماڈل میں ضم کرتا ہے بجائے اس کے کہ علیحدہ پائپ لائن ہو۔ یہ کمپیکٹ ایجنٹ ورک فلو اور کم آرکیسٹریشن پیچیدگی کو ممکن بناتا ہے۔
انتہائی طویل کانٹیکسٹ اور طویل ویڈیو ہینڈلنگ۔ طویل کانٹیکسٹ (پروڈکٹ سپورٹ 256k ٹوکنز تک) اور مخصوص طویل ویڈیو بینچ مارکس (Seed1.8 طویل ویڈیو ٹوکن ایفیشنسی میں مضبوط کارکردگی دکھاتا ہے)۔ ماڈل منتخب ویڈیو ٹولز (VideoCut) کی معاونت کرتا ہے تاکہ ٹائم اسٹیمپس پر ریزننگ فوکس کی جا سکے۔
ایجنٹک GUI آٹومیشن اور ٹول استعمال۔ بینچ مارکس اور داخلی ٹیسٹس (OSWorld، AndroidWorld، LiveCodeBench، GUI گراؤنڈنگ بینچ مارکس) GUI ایجنٹ ٹاسکس اور کثیر مرحلہ آٹومیشن میں بہتری دکھاتے ہیں۔ ماڈل GUI گراؤنڈنگ کمانڈز آؤٹ پٹ کر سکتا ہے اور سمولیٹڈ OS/ویب/موبائل کانٹیکسٹس میں کام کر سکتا ہے۔
لیٹنسی/لاگت کنٹرول کے لیے قابلِ ترتیب سوچ کے موڈز۔ چار اِنفرنس موڈز ڈیولپرز کو ٹیسٹ ٹائم پر کمپیوٹ ٹیون کرنے دیتے ہیں تاکہ انٹرایکٹو بمقابلہ اعلیٰ معیار بیچ ٹاسکس کے لیے موزوں ہوں۔ یہ سخت لیٹنسی بجٹ والے پروڈکشن سسٹمز میں مفید ہے۔
ٹوکن ایفیشنسی میں بہتری (ملٹی موڈل). Seed 1.8 ملٹی موڈل بینچ مارکس پر اپنے پیش رو ماڈلز (Seed-1.5/1.6 سیریز) کے مقابلے میں مضبوط ٹوکن ایفیشنسی دکھاتا ہے، کئی طویل ویڈیو ٹاسکس میں کم ٹوکن بجٹ کے ساتھ اعلیٰ درستگی حاصل کرتا ہے۔
قابلِ ترتیب سوچ کے موڈز: اِنفرنس ڈَیپتھ بمقابلہ لیٹنسی/لاگت میں تبادلہ منفرد موڈز (no_think → think-high) کے ساتھ تاکہ انٹرایکٹو پروڈکشن استعمال کے لیے ٹیون کیا جا سکے۔
تکنیکی صلاحیتیں

ٹوکن ایفیشنسی: Seed1.8 نے پیش رو ماڈلز (Seed-1.5/1.6) کے مقابلے میں نمایاں ٹوکن ایفیشنسی دکھائی، طویل ویڈیو ٹاسکس میں کم ٹوکن بجٹ پر مضبوط درستگی فراہم کی (مثلاً 32K ویڈیو ٹوکنز پر بھی مسابقتی درستگی حاصل)۔ یہ طویل ان پٹس کے لیے کم اِنفرنس لاگت ممکن بناتی ہے۔
ملٹی موڈل ریزننگ اور ادراک: ماڈل کئی ملٹی امیج VQA اور موشن/ادراک ٹاسکس پر SOTA تک پہنچتا ہے اور بہت سے ملٹی موڈل ریزننگ بینچ مارکس پر دوسرا مقام یا قریب-SOTA حاصل کرتا ہے؛ خاص طور پر یہ اپنے پیش رو ماڈل کو تقریباً ہر بصری/ویڈیو جہت پر بہتر کرتا ہے۔
ایجنٹک ٹول استعمال اور GUI گراؤنڈنگ: ScreenSpot-Pro، GUI ایجنٹنگ جیسے اسکرین بیسڈ آپریشن بینچ مارکس میں دستاویزی سپورٹ، مضبوط گراؤنڈنگ اسکورز کے ساتھ (مثلاً Seed-1.5-VL کے مقابلے میں ScreenSpot-Pro پر بہتری)۔
پیرالیل / مرحلہ وار ریزننگ: ٹیسٹ ٹائم کمپیوٹ بڑھانے (پیرالیل تھنکنگ) سے ریاضی، کوڈنگ، اور ملٹی موڈل ریزننگ بینچ مارکس پر قابلِ پیمائش فوائد حاصل ہوتے ہیں۔

Seed1.8 کے منتخب عوامی بینچ مارکس کی نمایاں جھلکیاں

VCRBench (visual commonsense reasoning): Seed1.8 نے 59.8 اسکور کیا (Pass@1 ماڈل کارڈ ٹیبل میں رپورٹ)، Seed-1.5-VL کے مقابلے میں بہتری اور ٹاپ ماڈلز کے ساتھ مسابقت۔
VideoHolmes (ویڈیو ریزننگ): Seed1.8 65.5، Seed-1.5-VL کو پیچھے چھوڑتے ہوئے اور پرو-گریڈ مقابل ماڈلز کے قریب پہنچتا ہوا۔
MMLB-NIAH (ملٹی موڈل طویل کانٹیکسٹ، 128k): Seed1.8 نے 128k کانٹیکسٹ پر 72.2 Pass@1 حاصل کیا، بعض ہم عصر پرو ماڈلز سے آگے۔
Motion & Perception suite: 6 میں سے 5 ٹاسکس میں SOTA؛ مثالیں TVBench، TempCompass اور TOMATO جہاں Seed1.8 زمانی ادراک میں نمایاں بہتری دکھاتا ہے۔
ایجنٹک ورک فلو: BrowseComp اور دیگر ایجنٹک سرچ/کوڈ بینچ مارکس پر Seed1.8 اکثر مقابِل پرو ماڈلز کے برابر یا آگے رہتا ہے۔

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

Seed1.8 بمقابلہ Seed-1.5-VL / Seed-1.6: ملٹی موڈل ادراک، طویل ویڈیوز کے لیے ٹوکن ایفیشنسی، اور ایجنٹک ایگزیکیوشن میں واضح بہتریاں۔
Seed1.8 بمقابلہ Gemini 3 Pro / GPT-5.x: بہت سے ملٹی موڈل بینچ مارکس پر Seed1.8 Gemini 3 Pro سے ہم پلہ یا بہتر ہے (کئی VQA / موشن ٹاسکس پر SOTA؛ MMLB-NIAH 128k رَن پر بہتر)۔ تاہم کارڈ بعض شعبہ جاتی علم ٹاسکس پر Gemini فیملی کے فائدوں کی بھی نشاندہی کرتا ہے — لہٰذا نسبت مختلف بینچ مارکس پر منحصر ہے۔
Seed-Code ویریئنٹ (Doubao-Seed-Code): پروگرامنگ/ایجنٹک کوڈ ٹاسکس کے لیے مخصوص (بڑی کانٹیکسٹ سپورٹ برائے کوڈ بیسز؛ مخصوص SWE بینچ مارکس)۔ Seed1.8 جنرلِسٹ ایجنٹک ملٹی موڈل ماڈل ہے، جبکہ Seed-Code پروگرامنگ پر مرکوز ویریئنٹ ہے۔

CometAPI پر Seedream 4.5 API کے عملی استعمال

ملٹی موڈل ریسرچ اسسٹنٹس اور دستاویزاتی تجزیہ: طویل دستاویزات، سلائیڈ ڈیکس، اور کثیر صفحہ رپورٹس سے اخذ، خلاصہ اور ریزننگ۔
طویل ویڈیو فہمی اور مانیٹرنگ: سیکیورٹی/اسپورٹس براڈکاسٹنگ اینالیٹکس، طویل میٹنگ خلاصہ سازی، اور اسٹریمنگ تجزیہ جہاں ماڈل کی طویل ویڈیو ٹوکن ایفیشنسی اہم ہے۔
ایجنٹک ورک فلو / آٹومیشن: کثیر مرحلہ ویب سرچ + کوڈ ایگزیکیوشن + ڈیٹا ایکسٹریکشن منظرنامے (مثلاً خودکار مسابقتی تجزیہ، ٹریول پلاننگ، داخلی بینچ مارکس میں دکھائے گئے ریسرچ پائپ لائنز)۔
ڈیولپر ٹولنگ (اگر Seed-Code استعمال ہو): بڑے کوڈ بیسز کا تجزیہ، IDE اسسٹنٹس، اور ٹیسٹنگ و مرمت کے لیے ایجنٹک کوڈ ایگزیکیوشن (Seed-Code مخصوص ویریئنٹ تجویز کردہ ہے)۔
GUI آٹومیشن اور RPA: اسکرین گراؤنڈنگ اور GUI ایجنٹ بینچ مارکس اشارہ کرتے ہیں کہ ماڈل ساختہ GUI ٹاسکس پچھلی Seed ریلیزز کے مقابلے میں بہتر انداز میں انجام دے سکتا ہے۔

CometAPI کے ذریعے Doubao Seed 1.8 API کیسے استعمال کریں

مرحلہ 1: API Key کے لیے سائن اپ کریں

مرحلہ 2: Doubao Seed 1.8 API کو درخواست بھیجیں

مرحلہ 3: نتائج حاصل کریں اور تصدیق کریں

اکثر پوچھے جانے والے سوالات

قیمت

پہلی درخواست

—

تخمینی CometAPI استعمال کی لاگت

دس درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

پندرہ درخواستیں

—

تخمینی CometAPI استعمال کی لاگت

Doubao-Seed-1.8 کی قیمتیں

Comet Price (USD / M Tokens)	Official Price (USD / M Tokens)	Discount
ان پٹ:$0.2/M آؤٹ پٹ:$1.6/M	ان پٹ:$0.25/M آؤٹ پٹ:$2/M	-20%

API

ایک API، پروڈکشن کے لیے تیار ماڈل تک رسائی

POST/v1/chat/completions

Doubao-Seed-1.8 کے لیے نمونہ کوڈ اور API

POST

/v1/chat/completions

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "doubao-seed-1-8-251228",
    "max_completion_tokens": 65535,
    "reasoning_effort": "medium",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image_url",
            "image_url": {
              "url": "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
            }
          },
          {
            "type": "text",
            "text": "What is the main idea of the picture?"
          }
        ]
      }
    ]
  }'

cURL Code Example

curl https://api.cometapi.com/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $COMETAPI_KEY" \
  -d '{
    "model": "doubao-seed-1-8-251228",
    "max_completion_tokens": 65535,
    "reasoning_effort": "medium",
    "messages": [
      {
        "role": "user",
        "content": [
          {
            "type": "image_url",
            "image_url": {
              "url": "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
            }
          },
          {
            "type": "text",
            "text": "What is the main idea of the picture?"
          }
        ]
      }
    ]
  }'

Python Code Example

from openai import OpenAI
import os

# Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
COMETAPI_KEY = os.environ.get("COMETAPI_KEY") or "<YOUR_COMETAPI_KEY>"
BASE_URL = "https://api.cometapi.com/v1"

client = OpenAI(base_url=BASE_URL, api_key=COMETAPI_KEY)

completion = client.chat.completions.create(
    model="doubao-seed-1-8-251228",
    max_completion_tokens=65535,
    extra_body={"reasoning_effort": "medium"},
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
                    },
                },
                {"type": "text", "text": "What is the main idea of the picture?"},
            ],
        }
    ],
)

print(completion.choices[0].message.content)

JavaScript Code Example

import OpenAI from "openai";

// Get your CometAPI key from https://api.cometapi.com/console/token, and paste it here
const api_key = process.env.COMETAPI_KEY;
const base_url = "https://api.cometapi.com/v1";

const openai = new OpenAI({
  apiKey: api_key,
  baseURL: base_url,
});

async function main() {
  const completion = await openai.chat.completions.create({
    model: "doubao-seed-1-8-251228",
    max_completion_tokens: 65535,
    reasoning_effort: "medium",
    messages: [
      {
        role: "user",
        content: [
          {
            type: "image_url",
            image_url: {
              url: "https://ark-project.tos-cn-beijing.ivolces.com/images/view.jpeg"
            }
          },
          {
            type: "text",
            text: "What is the main idea of the picture?"
          }
        ]
      }
    ],
  });

  console.log(completion.choices[0].message.content);
}

main();

صلاحیتیں

آرکیٹیکچر منتخب کرنے یا پروڈکشن ورک لوڈ کا تخمینہ لگانے سے پہلے اہم ماڈل حقائق کا جائزہ لیں۔

معاون صلاحیتیں

موجودہ ماڈل API کی جانب سے واپس کی گئی خصوصیات۔

text-to-text

ان پٹ اور آؤٹ پٹ

ان پٹس

text

آؤٹ پٹس

text

پروڈکشن پروفائل

فراہم کنندہ: Bytedance
سیاق و سباق: 256k
تجارتی استعمال: معاون

استعمال کے معاملات

پروڈکشن چیٹ اور ایجنٹ ورک فلوز

کوڈنگ، تجزیہ اور منظم تخلیق

ایک API کے ذریعے بڑے پیمانے پر آٹومیشن

دیگر ماڈلز

معیار، تاخیر، صلاحیت اور قیمت کے فرق کے لحاظ سے CometAPI کے ذریعے دستیاب دیگر ماڈلز کا موازنہ کریں۔

DeepSeek-V4-Flash-Vision

کوڈ اور دیگر تمام چیزوں کے لیے فلیگ شپ ماڈل: ایجنٹک ٹول کالنگ، انتہائی کم ہیلوسینیشنز، قابلِ تخصیص استدلال

Uptime

پروڈکشن میں جانے سے پہلے لائیو ہارٹ بیٹ ڈیٹا، اینڈ پوائنٹ کی دستیابی اور مشاہدہ شدہ جوابی اوقات کا جائزہ لیں۔

دریافت جاری رکھیں