文：王智遠(yuǎn)| ID:Z201440

文：王智遠(yuǎn) | ID:Z201440

豆包2.0發(fā)了，該刷的都刷到了。參數(shù)、跑分、多模態(tài)升級(jí)，該看的都看了，刷完有個(gè)感覺(jué)，有些東西可以單獨(dú)拎出來(lái)聊。

先說(shuō)價(jià)格。百萬(wàn)tokens輸入，Lite版0.6元。0.6元是什么概念？得放在一塊比。

GPT-5.2標(biāo)準(zhǔn)版，輸入1.75美元/百萬(wàn)tokens。按現(xiàn)在匯率，折人民幣12.6元。Gemini 3 Pro，輸入2美元/百萬(wàn)tokens，折人民幣14.4元。

豆包的0.6元，不到它們的二十分之一。

官方說(shuō)法更直接，推理成本跟行業(yè)內(nèi)頂尖模型降低約一個(gè)數(shù)量級(jí)。一個(gè)數(shù)量級(jí)，就是十分之一。

這是戰(zhàn)略定價(jià)。

字節(jié)在干一件事，把Token價(jià)格打到地板，逼所有人重新算賬。自己招人搭模型劃算，還是直接調(diào)用API劃算？答案不用我說(shuō)。

再看內(nèi)部。Lite版0.6元，Pro版3.2元。

差五倍多，但Lite不是閹割版。官方說(shuō)它的綜合性能超越兩個(gè)月前發(fā)布的上一代主力模型豆包1.8。

拿主力級(jí)模型打價(jià)格戰(zhàn)，和其他廠商拿入門產(chǎn)品降價(jià)，不是一個(gè)打法。便宜。便宜到可以浪費(fèi)。浪費(fèi)才會(huì)產(chǎn)生新場(chǎng)景。新場(chǎng)景才會(huì)沉淀新數(shù)據(jù)。

所以，豆包2.0真正的對(duì)手是誰(shuí)？是開發(fā)者心里的那個(gè)念頭：要不我自己搭一個(gè)？

0.6元這個(gè)數(shù)，是算準(zhǔn)了你心里的賬。字節(jié)想把「自己搭模型」這個(gè)選項(xiàng)，從你的選擇題里刪掉。

便宜是便宜，這東西到底能干什么？這得看另一個(gè)細(xì)節(jié)：視頻理解。

豆包2.0有個(gè)指標(biāo)叫EgoTempo。這詞有點(diǎn)繞，翻譯一下：模型能看懂人的動(dòng)作、節(jié)奏、微表情。在這個(gè)指標(biāo)上，豆包的分?jǐn)?shù)超過(guò)了人類平均水平。

超過(guò)人類是什么概念？

以前AI看你，是照片?，F(xiàn)在AI看你，是直播。你揮一下高爾夫球桿，它能說(shuō)出你第幾秒手腕角度不對(duì)。你做一個(gè)健身動(dòng)作，它能實(shí)時(shí)糾正你膝蓋有沒(méi)有超腳尖。

字節(jié)把Seedance 2.0也發(fā)了，那是做視頻生成的。加上豆包2.0的視頻理解能力，一套組合拳：看得懂，還能生成。

把這個(gè)能力放到抖音里想想。

現(xiàn)在的推薦是你刷了什么、搜了什么、停留了多久，算法猜你喜歡什么。以后的推薦，是你今天穿什么衣服、做什么動(dòng)作、情緒怎么樣、接下來(lái)想干嘛，AI實(shí)時(shí)看著你，然后給你推東西。

這是從「猜」升級(jí)到「看」。

OpenAI做視頻理解，方向是讓AI看懂世界；Google Gemini做視頻理解，方向是空間定位和物理世界感知。字節(jié)做視頻理解，方向只有一個(gè)：讓AI看懂「你」。

那為什么要做這個(gè)方向呢？因?yàn)槎兑簟⒓粲?。因?yàn)樽止?jié)手里有全球最大的用戶視頻數(shù)據(jù)池，字節(jié)剛好匹配場(chǎng)景剛需。

另外，有一個(gè)細(xì)節(jié)值得琢磨。

豆包2.0在多模態(tài)基準(zhǔn)測(cè)試?yán)铮琓VBench、MotionBench這些和運(yùn)動(dòng)、時(shí)序相關(guān)的指標(biāo)，都跑在前面，說(shuō)明字節(jié)強(qiáng)化的是「這段視頻里發(fā)生了什么變化」。

變化才是關(guān)鍵。

你刷抖音，看的不是靜止的照片，是動(dòng)的、活的、有節(jié)奏的內(nèi)容。AI要能看懂這個(gè)，才能真的幫上忙。

所以我的第二個(gè)感受，字節(jié)在做的事，是把AI從「問(wèn)答機(jī)器人」變成「盯著你看的私教」；盯著你看還能給出建議，這事得有場(chǎng)景才做得到。

能看懂人，然后呢？能干活的AI長(zhǎng)什么樣？

這就得聊Agent了。豆包2.0發(fā)的不只模型，還有Code版，專做編程的那個(gè)版本，字節(jié)的AI編程工具。

我記得有個(gè)演示，5輪對(duì)話，搭一個(gè)「馬年廟會(huì)」互動(dòng)頁(yè)面。11個(gè)NPC，性格各不相同，會(huì)聊天、會(huì)招呼顧客、會(huì)現(xiàn)場(chǎng)砍價(jià)；煙花升空時(shí)的祝福語(yǔ)，孔明燈上的題詞，都是AI即時(shí)生成的。

每次進(jìn)去，互動(dòng)都不一樣。

以前這事需要一個(gè)團(tuán)隊(duì)：產(chǎn)品經(jīng)理畫原型、程序員寫代碼、美術(shù)畫圖、測(cè)試跑流程，幾周時(shí)間；現(xiàn)在一個(gè)人加一個(gè)AI，幾分鐘。

字節(jié)把這個(gè)項(xiàng)目的代碼和素材都開源了，放在GitHub上，讓開發(fā)者自己去試，這是在展示一件事：能干活的AI來(lái)了。

能干活的AI意味著什么？企業(yè)組織架構(gòu)要變。

再看另一個(gè)案例。飛書上搭了一個(gè)智能客服Agent，用OpenClaw框架加豆包2.0 Pro。

這個(gè)客服能干的事，跟客戶對(duì)話、回答問(wèn)題。遇到自己解決不了的難題，它會(huì)主動(dòng)拉群，把真人同事拽進(jìn)來(lái)。

幫客戶預(yù)約上門維修，修完了還主動(dòng)回訪，順手推薦春節(jié)優(yōu)惠產(chǎn)品。一套完整的服務(wù)流程，AI自己跑下來(lái)了。

另外，這里有個(gè)指標(biāo)值得看：HLE-Text，叫「人類的最后考試」。豆包2.0 Pro在這個(gè)測(cè)試?yán)锬昧?4.2分，大幅領(lǐng)先其他模型。

54.2分意味著什么？

在一些復(fù)雜任務(wù)上，AI的表現(xiàn)已經(jīng)接近人類專家的門檻了，智譜的GLM-5強(qiáng)調(diào)開源第一，DeepSeek V4被曝編程能力超Claude，字節(jié)的差異化在哪兒？

在全流程。

智譜讓你自己搭模型，DeepSeek讓你看代碼生成指標(biāo)，字節(jié)給你一套「工具加模型」的組合拳，TRAE加豆包Code。從想法到可運(yùn)行的應(yīng)用，幾步就走完了。

所以，這在賣「生產(chǎn)力」。中臺(tái)還要不要？PM和開發(fā)的邊界在哪？哪些崗位會(huì)被AI替掉？字節(jié)沒(méi)明說(shuō)。但給了一個(gè)樣板間，你自己看，自己琢磨。

能干活的AI來(lái)了。它的第一個(gè)活兒，可能替掉一些崗位。

所以，把這些事串起來(lái)，我有個(gè)判斷；以前AI競(jìng)賽，比誰(shuí)家模型強(qiáng)，參數(shù)、跑分、多模態(tài)，都是賽道上的指標(biāo)，現(xiàn)在字節(jié)換了個(gè)玩法。

比誰(shuí)門檻低、比誰(shuí)看得懂你、比誰(shuí)能替人干活。這叫什么？這叫重新畫起跑線，它換了一條賽道，讓你跑。剩下的，就看別人怎么跟了。