今天你王炸登場(chǎng)，明天它新帝登基。。。

到了 2025 年年末這個(gè)時(shí)候，世超其實(shí)對(duì)各類大模型的輪番轟炸有些麻了。

想要真讓大家眼前一亮，要么是實(shí)力碾壓，斷層領(lǐng)先其他模型，要么是能整出一些人們之前沒(méi)見過(guò)的新活。

就比如前段時(shí)間發(fā)布的豆包手機(jī)助手。

啥活都能干，這些活都還干得敞亮，其實(shí)是滿足了不少人，對(duì)曾經(jīng)幻想的“ AI 手機(jī)” 的期待的。

今天，豆包則是趁熱打鐵，在火山引擎的 FORCE 大會(huì)上，發(fā)布了全新的基礎(chǔ)模型： 豆包大模型 1.8。

這個(gè)新模型的優(yōu)化 ，幾乎可以說(shuō)全部是為一個(gè)目標(biāo)服務(wù)的：

它不僅僅是要做一個(gè)更強(qiáng)的聊天模型。

而是做Generalized Real-World Agency，想要做一個(gè)通用的，面向真實(shí)世界的 Agent 代理。

首先，必須得夸一句豆包團(tuán)隊(duì)的坦誠(chéng)。

在技術(shù)報(bào)告的各類基礎(chǔ)跑分環(huán)節(jié)，豆包表現(xiàn)得非常實(shí)事求是：跑不過(guò)就是跑不過(guò)，不硬吹。

在純粹的編程（LiveCodeBench）、高難數(shù)學(xué)（AIME）或者硬核科學(xué)推理這些項(xiàng)目上，Google 的 Gemini 3-Pro 依然是目前的行業(yè)天花板。

豆包大模型 1.8 在這些項(xiàng)目中確實(shí)略遜一籌。

但是，這個(gè)“略遜”還是很有含金量的。

在 Agent 能力的測(cè)試?yán)铮拱踔镣瓿闪藢?duì) Gemini 的逆襲。

在干活（GAIA測(cè)試），網(wǎng)上搜集資料（BrowseComp測(cè)試）這些測(cè)試上，豆包的新模型都取得了挺不錯(cuò)的成績(jī)。

甚至它豆包、作為一個(gè)中國(guó)公司推出的大模型，在搜集英文資料（BrowseComp-en）的能力上，還要領(lǐng)先 GPT、Gemini、Claude 這些外國(guó)公司一大截。

倒反天罡了屬于是。

咱們也簡(jiǎn)單的測(cè)試了一下真拿這玩意干活的效果。

當(dāng)然，常規(guī)的測(cè)試可能沒(méi)啥意思，于是我們決定試一下，復(fù)刻一個(gè)“豆包電腦”出來(lái)看看。

眾所周知，字節(jié)今年開源過(guò)一個(gè)好玩意 —— Agent TARS，有了這么個(gè)程序框架之后，你就可以讓大模型來(lái)直接控制我們的電腦了。

于是，我給這個(gè) Agent TARS 接入了一下豆包 1.8 新模型的 API，然后讓它先跑起一個(gè)簡(jiǎn)單的任務(wù)看看。

比如說(shuō)，讓豆包來(lái)幫我們完成一下多鄰國(guó)的打卡。

咱們簡(jiǎn)單描述一下需求，豆包就能自己在瀏覽器里找到多鄰國(guó)的網(wǎng)址，在我手動(dòng)登陸了賬號(hào)之后，它就能自己開始識(shí)別屏幕，一步一步的思考，完成我們要求的打卡任務(wù)。

在任務(wù)執(zhí)行的過(guò)程中，咱們還能隨時(shí)看到豆包它是怎么思考的。

比如在點(diǎn)擊了“襪子”完成了選擇之后，就會(huì)自動(dòng)思考，找到任務(wù)下一步的按鈕在哪。

它甚至還會(huì)試圖做聽力題。

最終，在差不多花了 16 分鐘后，豆包成功的幫我完成了今天的多鄰國(guó)打卡任務(wù)。

雖然確實(shí)有些慢是吧。。。

但是畢竟人家是在后臺(tái)運(yùn)行的，不影響我在前面繼續(xù)干活，所以其實(shí)慢點(diǎn)也沒(méi)太所謂。

再比如我可以讓它幫我自動(dòng)總結(jié)今天和具身智能有關(guān)的新聞，然后把這些新聞給保存到本地。

甚至可以直接問(wèn)它我這臺(tái)電腦的型號(hào)是什么，問(wèn)問(wèn)我電腦的存儲(chǔ)空間還剩多少。

它都能穩(wěn)健的通過(guò)命令行查詢基礎(chǔ)信息，然后再總結(jié)成人話回來(lái)告訴我們。

當(dāng)然，現(xiàn)在這個(gè)“豆包電腦” 只是世超自己花了十幾分鐘，拿著開源代碼跑出來(lái)的簡(jiǎn)單 demo，在成熟度，穩(wěn)定性上肯定和成熟的商業(yè)方案沒(méi)法比。

但至少，豆包展現(xiàn)出來(lái)的一整個(gè)屏幕信息理解，關(guān)鍵問(wèn)題拆解的能力，還是挺讓人有信心的。

在這個(gè)框架上再打磨打磨，可能再過(guò)個(gè)半年，咱們真能看到“豆包電腦”問(wèn)世了。

所以，豆包怎么突然這么會(huì)干活了？

要搞明白這個(gè)問(wèn)題，咱就得回到開頭的技術(shù)報(bào)告上來(lái)看。

一方面，豆包在不斷強(qiáng)化模型對(duì)圖像的理解能力。

報(bào)告里寫得很清楚，Seed1.8 在同一套接口里同時(shí)支持搜索、代碼生成與執(zhí)行、以及 GUI 交互；檢索到的信息、代碼跑出來(lái)的結(jié)果、界面里點(diǎn)出來(lái)的狀態(tài)，都會(huì)回到下一步?jīng)Q策里，形成閉環(huán)。

他們非常在意真實(shí)環(huán)境的重要性。

因?yàn)檫@些 Agent 在真的來(lái)幫我們干活的時(shí)候，能看到的信息里根本沒(méi)有什么API。

有的只有各種各樣的截圖，各種各樣的文字，各種各樣的圖標(biāo)和各種各樣的按鈕。

可以說(shuō)是模型有多能理解屏幕，那就有多能把活給干完。

另一方面，他們同步增強(qiáng)了豆包的“記性”。

加強(qiáng)了模型的視覺理解能力，讓模型一次性能理解幀數(shù)翻倍，假設(shè)，讓豆包每隔六秒截一次屏幕的話，那么它可以一口氣理解整整一個(gè)小時(shí)內(nèi)，咱們拿電腦做了什么事情。

而且人家還能一邊看視頻，一邊調(diào)用工具，來(lái)回看視頻。

在官網(wǎng)上就展示了一個(gè)例子，模型可以先量子速讀整個(gè)視頻，然后再通過(guò) VIDEOCUT 這類工具仔細(xì)的回看一些片段，加倍理解整個(gè)視頻。

世超自己也試了一下，丟了一個(gè)高速上到處都是車的視頻上去，讓豆包幫我數(shù)數(shù)看有幾輛黃色的車。

這條視頻可能是因?yàn)橛悬c(diǎn)短的緣故，沒(méi)觸發(fā)剛剛說(shuō)的 VIDEOCUT 功能，但人家依舊可以穩(wěn)定的找到黃車。還把黃車出現(xiàn)的時(shí)間也給順便標(biāo)記了出來(lái)。

另外，他們還特別注意模型 “聽人話” 的能力。

不知道大家平時(shí)用 AI 的時(shí)候，會(huì)不會(huì)感覺有時(shí)候 AI 有時(shí)候會(huì)變的非常弱智，聽不懂一點(diǎn)指揮。

這是因?yàn)楝F(xiàn)在的大模型是靠海量人類數(shù)據(jù)“喂”出來(lái)的，對(duì)于很多經(jīng)典問(wèn)題，它們已經(jīng)形成了極強(qiáng)的肌肉記憶。

比如讓他畫一個(gè)人用左手寫字的圖片，模型可能會(huì)因?yàn)闆](méi)見過(guò)用左手寫字的數(shù)據(jù)集，然后直接畫成了用右手寫字。

在論文里也提到，豆包他們特意測(cè)試了一個(gè)叫做 Inverse IFEval 的測(cè)試集。

這個(gè)測(cè)試很有意思，有點(diǎn)像之前流行的弱智吧題集，它會(huì)設(shè)計(jì)一些非�！胺粗庇X” 的題目來(lái)讓大模型做答，我從它的題庫(kù)里隨便找了一個(gè)題來(lái)給大家看看：

籠子里同時(shí)有鴨和兔子, 一共有5個(gè)頭, 18個(gè)腳, 請(qǐng)用最簡(jiǎn)單的方法求出籠子里有幾種動(dòng)物？直接給出答案，不要包含推理和計(jì)算過(guò)程。

注意審題，這個(gè)題目看起來(lái)很像一個(gè)咱們小學(xué)奧數(shù)都學(xué)過(guò)的雞兔同籠的問(wèn)題。

但其實(shí)只是在問(wèn)你有幾種動(dòng)物而已，所以只要回答兩種就行了。

但是，就是這么個(gè)小學(xué)生認(rèn)真讀題都能搞定的問(wèn)題，就讓 GPT 都翻了車。

而豆包則在一系列嘰里咕嚕的思考過(guò)程后，成功看透了問(wèn)題的關(guān)鍵，搞明白了答案。

還有個(gè)好玩的是，豆包 1.8 的模型兼容性做的也很出色。

這兩年，大家也聽過(guò)了不少能通過(guò)命令行來(lái)直接控制你的電腦的 AI 工具。

這些工具好不好用，往往取決于兩個(gè)方面，一個(gè)是工具本身的任務(wù)拆解，項(xiàng)目分析，順序執(zhí)行的工程能力，另一個(gè)則是這個(gè)工具背后調(diào)用的模型本身的硬實(shí)力。

兩者同步率高，那就是 100% best match，發(fā)揮出 1 + 1 > 2 的實(shí)力，兩者要是配合的不好，那就開始拖后腿了。

而豆包這邊，對(duì)不同 Agent 框架的適應(yīng)性都不錯(cuò)。在報(bào)告中可以看到，它在 Trae、Claude Code、OpenHands 這些完全不同的框架下，代碼通過(guò)率都能穩(wěn)定在 64.8% 到 72.9% 之間 ，這說(shuō)明豆包這邊不挑工作環(huán)境，在哪都猛猛能干活。

最后，世超感覺在未來(lái)，隨著模型基礎(chǔ)能力的越來(lái)越強(qiáng)，各家 AI 大廠在研究 AI 道路上的不斷深入。

頂級(jí)模型之間的差異，也可能越來(lái)越明顯，各個(gè)都偏那么一點(diǎn)點(diǎn)科。

每家公司對(duì)AI開發(fā)的理解不同，會(huì)讓他們做出來(lái)的模型也各有各的風(fēng)味。

比如 Anthropic，認(rèn)為代碼即智能，只要讓 AI 寫出足夠強(qiáng)的代碼，那就能達(dá)到 AGI。

DeepSeek 則是認(rèn)為數(shù)學(xué)即智能，只要讓 AI 能解出復(fù)雜的數(shù)學(xué)題，那就能達(dá)到 AGI。

谷歌則是認(rèn)為理解即智能，只要讓 AI 能夠理解各種圖片和文字之間的位置關(guān)系，畫出好看的界面，那就可以達(dá)到 AGI。

而豆包解題思路，現(xiàn)在看起來(lái)很明確了。

Agent 即智能。

模型能力越強(qiáng)，模型越能幫我們操縱現(xiàn)實(shí)世界中的互聯(lián)網(wǎng)，就越能接近 AGI。

另外今天在豆包大模型的發(fā)布會(huì)上，世超還看到個(gè)離譜的數(shù)據(jù)。

現(xiàn)在豆包大模型的日均使用量，都能給干到 50 萬(wàn)億tokens了，對(duì)比去年剛發(fā)布的時(shí)候，翻了整整 417 倍。

有點(diǎn)離譜，只能說(shuō)這兩年來(lái)，AI 發(fā)展的實(shí)在是太快了。

各行業(yè)各業(yè)多少都要沾點(diǎn) AI 的邊。

大家對(duì) AI 的需求也越來(lái)越大，還真的蠻需要一個(gè)能好好干活的 AI 的。

條條大路通羅馬。未來(lái)究竟是誰(shuí)定義的路徑能率先觸碰 AGI 的圣杯？

咱們只能說(shuō)，拭目以待。

撰文：早起

編輯：江江 & 面線

美編：煥妍

圖片、資料來(lái)源：

AI畫不出左手，是因?yàn)槲覀兘o了它一個(gè)偏科的童年 - 數(shù)字生命卡茲克

Seed1.8 Model Card: Towards Generalized Real-World Agency

https://github.com/bytedance/UI-TARS-desktop