字节火山引擎正式发布豆包编程模型：成本降低62.7%

2025-11-11 16:41:24 | 唐薇 | 1751

11月11日，火山引擎正式发布豆包编程模型（Doubao-Seed-Code）：专为 Agentic 编程任务深度优化，在 SWE-Bench-Verified 官方榜单中刷新 SOTA，并兼容 Anthropic API 等主流开发环境。

同时，此次发布的编程模型价格进一步降低。官方表示，豆包编程模型综合使用成本相比业界平均水平降低62.7%，国内最低价。目前，该模型已通过火山方舟平台全量开放 API。面向开发需求量大的个人开发者，并且公布订阅制套餐包“Coding Plan”，“用得多省得多，首月低至9.9元。”官方提到。

Doubao-Seed-Code 面向 Agentic 编程任务进行了深度优化，在 Terminal Bench、SWE-Bench-Verified-Openhands、Multi-SWE-Bench-Flash-Openhands 等多项权威基准测试中表现优异，领先国内同类模型。

Doubao-Seed-Code 支持 256K 长上下文，可以轻松处理长代码文件、多模块依赖等复杂场景，更好支持端到端自主编程，在全栈开发中表现良好，前端能力尤为突出。同时，作为国内首个支持视觉理解能力的编程模型，它可参照 UI 设计稿、截图或手绘草图生成代码，或对生成页面进行视觉比对，自主完成样式修复和 Bug 修复，大幅提升前端开发效率。

面向开发者的实际需求，Doubao-Seed-Code 还针对 Anthropic API、TRAE 等主流开发生态做了兼容。对于使用 Claude Code 的团队，只需几行代码即可切换到 Doubao-Seed-Code，享受更高性价比的服务。

该系统内构建了覆盖十万容器镜像的庞大训练数据集，具备万级并发沙盒会话的能力，可以对上千卡的单个 RL 任务实现高效训练。基于这套系统，模型无需蒸馏或标注的冷启动数据，完全依靠端到端强化学习训练即可练就顶尖的 Agent 能力，优化路径更简洁高效。

训练结果显示，模型在 Multi-SWE-Bench 和 SWE-Bench-Verified 两个数据集上的表现稳定上升，展现出良好的泛化能力。在 SWE-Bench 基准测试中，仅依赖 RL 训练的 Doubao-Seed-Code 模型就可达到最优水平，表明纯强化学习在真实编程场景下具备潜力。

值得关注的是，与 TRAE 开发环境深度结合后，Doubao-Seed-Code 在 SWE-Bench Verified 榜单中达到 78.80% 的成绩，取得了新的 SOTA，充分验证了模型与工具深度适配后的协同效应。此外，官方表示，TRAE 中国版正式接入豆包编程模型。为了更好地支持企业级AI开发场景，TRAE（CN）企业版今日正式公测。

特别提醒：本网信息来自于互联网，目的在于传递更多信息，并不代表本网赞同其观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字、图片等内容的真实性、完整性、及时性本站不作任何保证或承诺，请自行核实相关内容。本站不承担此类作品侵权行为的直接责任及连带责任。如若本网有任何内容侵犯您的权益，请及时发送相关信息至bireading@163.com，本站将会在48小时内处理完毕。