豆包1.8好用么？Seed-1.8实测测评！
2025-12-19 11:38
175
12月18日，在火山引擎2025冬季Force原动力大会上，火山引擎总裁谭待正式发布了豆包大模型1.8。
据介绍，豆包1.8有更强的Agent能力、升级的多模态理解和更灵活的上下文管理。据大会上公布的数据，截至今年12月，豆包大模型日均调用量已经超过50万亿，相比去年12月增长超过十倍，对比发布初则是实现了417倍的增长。
Seed-1.8重回第一梯队其实没有什么悬念，但惊喜之处在于，这一次Seed团队掌握了高效推理能力，Seed-1.8(medium)可以仅使用5K Token就达到Seed-1.6需要15K Token才能获得的智力，搭配2块钱的起步价，对常规任务来说，性价比十分优秀，与DeepSeek系列殊途同归。而high档位的推理可以充分利用更多思考预算去冲击更高智力，十分逼近北美御三家。
考虑到Seed-1.8同样优秀的视觉理解，多模态能力，字节家也有只差半代的生图，生视频模型。把Seed看做小号Gemini并不为过。
逻辑成绩：
1、表格为了突出对比关系，仅展示部分可对照模型，不是完整排序。
2、题目及测试方式，参见：大语言模型-逻辑能力横评25-11月榜(Gemini 3/GPT-5.1/Opus 4.5)，新增#53、#54题。
下面对比Seed-1.8与前代Seed-1.6，以及能力接近的其他模型。没有明确说明时，Seed-1.8指的是high档位。
改进：
长链推理：
复杂长链推理问题中，模型需要保持长时间高精度工作，准确召回上文出现的中间数据，抑制幻觉。长链推理是头部模型的决战场地。Seed-1.8可以在比1.6翻倍的CoT过程中保持高度专注，逐步验证和排除不同解分支，最终准确找到正确解。如果Seed团队愿意，或许也可以进一步拉高思考预算，推出一版类似GPT 5.2 Pro那样的研究用模型，来解决更复杂困难的科学问题。不过现实的一面是，Seed-1.8在复杂问题上体现的人类思辨能力较少，大部分是依托强专注力进行暴力穷举。而上位的Gemini 3 Pro，GPT-5.2取得更高成绩，只需要Seed-1.8 60%的Token，证明了更强的硬智力水平。
信息提取：
在信息提取类问题上，Seed-1.8表现尚佳，精度高，但代价是推理并不高效，会在CoT中完整复述原文细节来做记录和标记，一个10K文本的简单信息抓取问题，Seed-1.8需要花费2倍Token来完成。这意味着，如果增加输入文本长度，Seed-1.8未必可以保持高精度抓取。并且当Seed-1.8的思考档位降低，CoT长度限制提高时，其抓取精度就会大幅下降。不开推理模式，提取能力几乎不可用。作为对比，Gemini 3 Pro只使用4K Token来处理相同问题。
编程能力：
编程能力是豆包系列模型的传统短板，但最近也有起色，上个月发布的Code模型就代表了Seed团队在编程方向上的探索成果。而Seed-1.8基本继承了Code模型的编程能力，在编程基本功测试中成绩相近。但需要指出，Seed-1.8离头部编程特优模型差距还十分显著，尤其工程思维不足。用于从0到1 vibe coding构建可以一用，但难以作为复杂工程的主模型使用。
不足：
多轮能力：作为一款针对Agent优化的模型，其多轮能力理所当然是有提高的。但这只是跟前代Seed-1.6比，从几乎不可用提升到基本可用水平。但如果跟多轮标杆模型比较，则还存在明显不足，无法稳定的跟踪任务目标，无法稳定的缩小与目标的差距。轮次到十几轮后，思路开始发散。
空间智力：在涉及平面二维或三维空间的问题上，Seed-1.8显著缺乏训练。较为简单的空间物体旋转（#4题），Seed-1.8表现和前代差别不大。复杂的空间形状问题，Seed-1.8没有正确思路，无法稳定解答。而GPT-5 Mini是有思路，只是精度不高。Gemini 3 Pro/Flash则明显在这类问题上有独到优势。
赛博史官曰：
Gemini 2.5 Pro展示了强大统一的多模态模型在应用场景里的可能性，Gemini 3 Pro/Flash则将这种可能性进一步巩固，形成独特的护城河。反观国模产品线，大部分还在文本模型生态圈中厮杀。字节Seed团队从去年就明确要做统一多模态的决策无疑是正确的，只不过Seed模型的历史欠账太多，即便有多模态，也难担大任。Seed-1.8还有遗憾，并不完美。而随着短板一个个被补齐，多轮强化，编程特训，知识扩充，Seed模型这颗属于下一个时代的恒星也终将被点亮。字节系积累的无尽的互联网资源将化作核聚变原料，支撑这颗恒星爆发出耀眼的光芒。
0
好文章，需要你的鼓励