Thông số kỹ thuật của API Seed 1.8
| Hạng mục | Thông số / ghi chú |
|---|---|
| Model name / family | Doubao-Seed-1.8 (Seed1.8) — ByteDance Seed / Volcano Engine |
| Modalities supported | Văn bản, hình ảnh, video (khả năng VLM đa phương thức), công cụ âm thanh trong hệ sinh thái (mô hình riêng cho tạo âm thanh/video). |
| Context window (text) | 256K tokens |
| Video / visual capacity | Được thiết kế cho suy luận video dài, hỗ trợ mã hóa thị giác hiệu quả và ngân sách token video lớn (thẻ mô hình báo cáo các thử nghiệm token video và benchmark video dài). |
| Input formats | Prompt văn bản tự do; tải lên hình ảnh (ảnh chụp màn hình, biểu đồ, ảnh); video dưới dạng khung đã token hóa / công cụ video để kiểm tra phân đoạn; tải lên tệp (tài liệu). |
| Output formats | Văn bản ngôn ngữ tự nhiên, đầu ra có cấu trúc (structured-output beta), function calls / tool calls, mã, và đầu ra đa phương thức thông qua điều phối. |
| Thinking / inference modes | no_think, think-low, think-medium, think-high — đánh đổi độ chính xác với độ trễ/chi phí. |
Doubao Seed 1.8 là gì?
Doubao Seed 1.8 là bản phát hành 1.8 của đội Seed: một LLM+VLM hợp nhất nhắm tới khả năng tác tử tổng quát trong thế giới thực — tức là tri giác (hình ảnh/video), suy luận, điều phối công cụ (tìm kiếm, lời gọi hàm, thực thi mã, grounding GUI) và ra quyết định nhiều bước trong một mô hình duy nhất. Thiết kế nhấn mạnh các “chế độ suy nghĩ” có thể cấu hình (đánh đổi giữa độ trễ và chiều sâu), mã hóa thị giác hiệu quả và hỗ trợ gốc cho ngữ cảnh dài cùng đầu vào đa phương thức để mô hình có thể hoạt động như trợ lý/tác tử tự động trong các quy trình sản xuất.
Tính năng chính của Seed 1.8 API
- Mô hình tác tử đa phương thức hợp nhất. Tích hợp tri giác (hình ảnh/video), suy luận (LLM) và hành động (tool/G U I calls, thực thi mã) trong một mô hình thay vì pipeline tách rời. Điều này cho phép luồng tác tử gọn nhẹ và giảm độ phức tạp điều phối.
- Ngữ cảnh siêu dài & xử lý video dài. Ngữ cảnh dài (hỗ trợ sản phẩm tới 256k tokens) và các benchmark video dài chuyên biệt (Seed1.8 cho thấy hiệu quả token mạnh trên video dài). Mô hình hỗ trợ công cụ video chọn lọc (VideoCut) để tập trung suy luận vào các mốc thời gian.
- Tự động hóa GUI dạng tác tử & sử dụng công cụ. Benchmark và thử nghiệm nội bộ (OSWorld, AndroidWorld, LiveCodeBench, các benchmark grounding GUI) cho thấy cải thiện trong nhiệm vụ tác tử GUI và tự động hóa nhiều bước. Mô hình có thể xuất lệnh grounding GUI và vận hành trong ngữ cảnh hệ điều hành/web/di động mô phỏng.
- Chế độ suy nghĩ có thể cấu hình để kiểm soát độ trễ/chi phí. Bốn chế độ suy luận cho phép nhà phát triển tinh chỉnh mức tính toán lúc chạy cho tác vụ tương tác so với lô chất lượng cao. Điều này hữu ích cho hệ thống sản xuất có ngân sách độ trễ nghiêm ngặt.
- Cải thiện hiệu quả token (đa phương thức). Seed 1.8 thể hiện hiệu quả token mạnh hơn trên các benchmark đa phương thức so với tiền nhiệm (Seed-1.5/1.6), đạt độ chính xác cao với ngân sách token nhỏ hơn trong nhiều tác vụ video dài.
- Chế độ suy nghĩ có thể cấu hình: đánh đổi độ sâu suy luận so với độ trễ/chi phí với các chế độ riêng biệt (
no_think→think-high) để tinh chỉnh cho sử dụng tương tác trong sản xuất. - Năng lực kỹ thuật
- Hiệu quả token: Seed1.8 cho thấy hiệu quả token vượt trội so với tiền nhiệm (Seed-1.5/1.6), đạt độ chính xác cao hơn với ngân sách token thấp hơn trên các tác vụ video dài (ví dụ, đạt độ chính xác cạnh tranh ngay cả ở 32K video tokens). Điều này giúp giảm chi phí suy luận cho đầu vào dài.
- Suy luận & tri giác đa phương thức: Mô hình đạt SOTA trên nhiều tác vụ VQA đa hình ảnh và chuyển động/tri giác, đồng thời đạt hạng nhì hoặc gần SOTA trên nhiều benchmark suy luận đa phương thức; cụ thể vượt tiền nhiệm ở hầu như mọi chiều đo thị giác/video.
- Sử dụng công cụ tác tử & grounding GUI: Hỗ trợ được ghi nhận cho grounding GUI và các benchmark thao tác trên màn hình (ScreenSpot-Pro, GUI agenting) với điểm grounding cao (ví dụ, cải thiện so với Seed-1.5-VL trên ScreenSpot-Pro).
- Suy luận song song / theo bước: Tăng tài nguyên tính toán lúc chạy (tư duy song song) mang lại cải thiện đo được trên các benchmark toán, lập trình và suy luận đa phương thức
Các điểm nhấn benchmark công khai được chọn của Seed1.8
- VCRBench (visual commonsense reasoning): Seed1.8 đạt 59.8 (Pass@1 được báo cáo trong bảng thẻ mô hình), cải thiện so với Seed-1.5-VL và cạnh tranh với các mô hình hàng đầu
- VideoHolmes (suy luận video): Seed1.8 65.5, vượt Seed-1.5-VL và tiệm cận các mô hình đối thủ cấp độ pro.
- MMLB-NIAH (multimodal long-context, 128k): Seed1.8 đạt 72.2 Pass@1 ở ngữ cảnh 128k trong MMLB-NIAH, vượt một số mô hình pro đương thời.
- Motion & Perception suite: SOTA ở 5/6 tác vụ được đánh giá; ví dụ gồm TVBench, TempCompass và TOMATO nơi Seed1.8 cho thấy cải thiện đáng kể về tri giác thời gian.
- Luồng tác tử: Trên BrowseComp và các benchmark tìm kiếm/mã tác tử khác, Seed1.8 thường xếp gần hoặc trên các mô hình pro cạnh tranh
Seed 1.8 so với Gemini 3 Pro / GPT-5.x
- Seed1.8 vs Seed-1.5-VL / Seed-1.6: Cải thiện rõ rệt về tri giác đa phương thức, hiệu quả token cho video dài và khả năng thực thi tác tử.
- Seed1.8 vs Gemini 3 Pro / GPT-5.x: Trên nhiều benchmark đa phương thức Seed1.8 tương đương hoặc vượt Gemini 3 Pro (SOTA trên một số tác vụ VQA/chuyển động; tốt hơn trên lần chạy MMLB-NIAH 128k). Tuy nhiên, thẻ cũng cho thấy các khu vực mà dòng Gemini vẫn có lợi thế trên một số tác vụ kiến thức chuyên ngành — do đó thứ tự tương đối phụ thuộc vào từng benchmark.
- Biến thể Seed-Code (Doubao-Seed-Code): chuyên cho nhiệm vụ lập trình/mã tác tử (ngữ cảnh lớn cho codebase; benchmark SWE chuyên biệt). Seed1.8 là mô hình tác tử đa phương thức hướng tổng quát, còn Seed-Code là biến thể tập trung vào lập trình.
Các trường hợp sử dụng thực tế bởi Seedream 4.5 API trên CometAPI
- Trợ lý nghiên cứu đa phương thức & phân tích tài liệu: trích xuất, tóm tắt và suy luận trên tài liệu dài, bộ slide và báo cáo nhiều trang.
- Hiểu video dài & giám sát: phân tích an ninh/thể thao phát sóng, tóm tắt cuộc họp dài và phân tích streaming nơi hiệu quả token video dài của mô hình có ý nghĩa.
- Luồng tác tử / tự động hóa: kịch bản đa bước gồm tìm kiếm web + thực thi mã + trích xuất dữ liệu (ví dụ, phân tích cạnh tranh tự động, lập kế hoạch du lịch, các pipeline nghiên cứu được minh họa trong benchmark nội bộ).
- Công cụ cho nhà phát triển (khi dùng Seed-Code): phân tích codebase lớn, trợ lý IDE và thực thi mã tác tử cho kiểm thử & sửa lỗi (Seed-Code là biến thể chuyên dụng được khuyến nghị).
- Tự động hóa GUI & RPA: các benchmark grounding và tác tử GUI cho thấy mô hình có thể thực hiện nhiệm vụ GUI có cấu trúc tốt hơn các bản Seed trước.
Cách sử dụng doubao Seed 1.8 API qua CometAPI
Doubao seed1.8 hiện được cung cấp thương mại qua CometAPI như một API suy luận được lưu trữ. API hỗ trợ payload đa phương thức (văn bản + hình ảnh + phân đoạn/timestamp video) và các chế độ suy luận có thể cấu hình để đánh đổi độ trễ và tính toán so với chất lượng câu trả lời.
Mẫu gọi: API hỗ trợ yêu cầu kiểu chat/completion tiêu chuẩn, phản hồi streaming và luồng tác tử nơi mô hình phát lệnh gọi công cụ (tìm kiếm, thực thi mã, hành động GUI) và nạp đầu ra công cụ làm ngữ cảnh tiếp theo.
Streaming & xử lý ngữ cảnh dài: API hỗ trợ streaming và có các nguyên thủy quản lý ngữ cảnh tích hợp cho phiên dài (để kích hoạt ngữ cảnh 100K+ / vệt tác tử nhiều bước).
Bước 1: Đăng ký lấy API Key
Đăng nhập cometapi.com. Nếu bạn chưa là người dùng, vui lòng đăng ký trước. Đăng nhập vào CometAPI console. Lấy khóa API truy cập của giao diện. Nhấp “Add Token” tại mục API token trong trung tâm cá nhân, nhận khóa token: sk-xxxxx và gửi.
Bước 2: Gửi yêu cầu tới doubao Seed 1.8 API
Chọn endpoint “doubao-seed-1-8-251228” để gửi yêu cầu API và thiết lập request body. Phương thức yêu cầu và request body lấy từ tài liệu API trên website của chúng tôi. Website cũng cung cấp Apifox để bạn thử nghiệm. Thay thế <YOUR_API_KEY> bằng CometAPI key thực tế từ tài khoản của bạn. Tương thích với các API Chat.
Chèn câu hỏi hoặc yêu cầu của bạn vào trường content — đây là nội dung mà mô hình sẽ phản hồi. Xử lý phản hồi API để lấy câu trả lời được tạo.
Bước 3: Truy xuất và xác minh kết quả
Xử lý phản hồi API để lấy câu trả lời được tạo. Sau khi xử lý, API sẽ phản hồi trạng thái tác vụ và dữ liệu đầu ra.