大模型這兩年的升級(jí)太密了。幾乎每隔兩周就有一家廠商宣布所謂重磅發(fā)布，自媒體也經(jīng)常動(dòng)輒顛覆世界。導(dǎo)致大家多少都有點(diǎn)審美疲勞。長期關(guān)注這個(gè)領(lǐng)域的朋友，想必已經(jīng)產(chǎn)生了某種抗體。

但這次豆包大模型 Seed 2.0，確實(shí)讓我有點(diǎn)不一樣的感受。

不一樣的點(diǎn)，不在跑分，不在測評(píng)，而在我最關(guān)心的：能不能真的幫你干活。

之前我寫過一些簡單的 Agent 和編程工具測試（ ），回頭看，大模型可以完成一些簡單的編程和創(chuàng)意工作，但離真正的生產(chǎn)力工具還有距離。更像一個(gè)聰明但不太靠譜的實(shí)習(xí)生——你說什么它都能接話，但你沒法把一項(xiàng)完整的工作放心交給它，或者說要達(dá)成目的需要的成本并不低。

這次 Seed 2.0 的變化，核心不只是代碼理解能力更強(qiáng)了，更關(guān)鍵的是它的 Skills 調(diào)用能力。模型不只是「接收指令、給出回復(fù)」，而是能拆解一個(gè)復(fù)雜任務(wù)里有哪些步驟、需要調(diào)什么工具，然后自己串起來跑完。

聽起來抽象。我拿兩個(gè)自己做的東西來說。

第一個(gè)是，小紅書長圖文排版生成器。

做自媒體的人都知道，小紅書的長圖文排版是個(gè)體力活。一篇長文要切成多張 3:4 的圖片，風(fēng)格要統(tǒng)一，斷行不能難看，配圖要穿插，最后還得逐張導(dǎo)出。市面上有工具能做，但大多只覆蓋最基礎(chǔ)的需求。

我讓豆包用 Seed 2.0 做了一個(gè)排版生成器。

這是我的 Prompt：

幫我做一個(gè)工具，小紅書長圖文排版生成器。不僅支持將長文本自動(dòng)按照段落和高度切分為多張 3:4 或 9:16 的圖片，還具備專業(yè)級(jí)的排版細(xì)節(jié)。它內(nèi)置了智能的「避頭尾法則」，確保數(shù)字（如 10,000）、小數(shù)點(diǎn)（如 99.9%）、連續(xù)英文單詞以及括號(hào)等符號(hào)不會(huì)出現(xiàn)突兀的斷行。在視覺設(shè)計(jì)上，工具去掉了傳統(tǒng)的封面的大標(biāo)題，在每一頁頂部加入了具有雜志感的幾何線條和動(dòng)態(tài)頁碼指示器（圓點(diǎn)隨頁數(shù)變化并高亮當(dāng)前頁），同時(shí)提供了 10 種精選的護(hù)眼莫蘭迪色系（如拿鐵咖、羊皮紙等）供一鍵切換。此外，它還支持智能圖文穿插功能，用戶可以上傳圖片并通過占位符插入正文，圖片會(huì)自動(dòng)應(yīng)用高級(jí)彌散陰影和大圓角，用戶還可以通過滑塊自由控制圖片在排版中的全局縮放大小，并能一鍵開啟“段落垂直居中”功能，完美解決字?jǐn)?shù)較少時(shí)的頁面留白問題，最后支持一鍵打包下載所有生成的高清圖片。

而這是豆包 Seed 2.0 在 3 分鐘內(nèi)幫我寫好代碼完成的網(wǎng)頁工具。功能相當(dāng)完整并且準(zhǔn)確。

過程里可以看到代碼陸續(xù)寫出來。

這個(gè)任務(wù)之所以能說明問題，在于它不是一次簡單的問答。模型需要同時(shí)處理幾件事：理解文本結(jié)構(gòu)，執(zhí)行排版規(guī)則（數(shù)字、百分比、英文單詞不能在中間斷行），管理視覺樣式（我設(shè)了十種莫蘭迪色系可以一鍵切換），處理圖文穿插邏輯，最后支持批量導(dǎo)出。

過程中，考察的是文本理解→排版規(guī)則→樣式系統(tǒng)→圖片處理→批量導(dǎo)出，一整條 Skills 鏈的協(xié)同調(diào)用。而它真的做出來了。不是 demo 級(jí)別的「做出來」，是經(jīng)過幾次迭代后，我可以在小紅書實(shí)際用上了的那種「做出來」。某種意義上，人人都可以在 3 分鐘內(nèi)有一個(gè)自己隨意微調(diào)的錘子便簽了。

做完排版器我又試了一個(gè)挺有意思的：古文翻譯器。

Prompt是：

輸入一段明清小說的原文，預(yù)置三種現(xiàn)代漢語翻譯：魯迅風(fēng)格、曹禺風(fēng)格、知乎風(fēng)格。

需求本身不復(fù)雜，好玩的是風(fēng)格遷移的質(zhì)量。魯迅的冷峻克制、曹禺的戲劇張力、知乎體的「謝邀，人在古代，剛下馬車」，模型要做出有辨識(shí)度的區(qū)分，加入了一些常用語和翻譯風(fēng)格。

這代表了未來的可能性：每個(gè)人都可以擁有一套自己定制的出版工作室。你喜歡什么翻譯風(fēng)格，就讓這個(gè)工作室給你怎么翻譯。

以上兩個(gè)例子更接近我作為創(chuàng)作者的使用場景。而大模型的升級(jí)是全方位的。哪怕不做工具、不寫內(nèi)容，日常生活里也能感受到區(qū)別。

豆包 APP 有「專家模式」，現(xiàn)在大家應(yīng)該都能體驗(yàn)到。多模態(tài)理解上的表現(xiàn)又上了一個(gè)檔次。

我試了一張纜車照片。很普通的旅行照，沒有任何文字標(biāo)識(shí)，只有纜車和白茫茫的一片地。它準(zhǔn)確識(shí)別出這是日本山形縣的藏王溫泉滑雪場。這不只是圖像識(shí)別，它需要結(jié)合地形特征、纜車樣式、植被分布做綜合推理。

另外，前幾天去吃的居酒屋，也能準(zhǔn)確翻譯菜單，這倒沒有難度。難點(diǎn)在于，它不光翻譯準(zhǔn)確，還能根據(jù)當(dāng)下的位置和季節(jié)給出推薦。

相當(dāng)于有個(gè)日本本地的朋友直接幫你推薦點(diǎn)菜。

另外一個(gè)亮點(diǎn)則是，大容量有豐富細(xì)節(jié)的視頻也能看懂了。豆包目前支持 500MB 以內(nèi)的視頻分析，這是個(gè)新功能。

我拿自己滑雪的視頻試了一下。幾分鐘的視頻，沒有旁白沒有字幕。它不僅看懂了我在做什么動(dòng)作，還針對姿勢給出了相當(dāng)專業(yè)的改進(jìn)建議：膝蓋屈曲不足、上半身過直，重心偏高；重心轉(zhuǎn)移不充分，外側(cè)雪板承重不足。并且給出了針對性的建議。

這些判斷需要同時(shí)理解運(yùn)動(dòng)軌跡、身體姿態(tài)和雪道坡度，還要有滑雪運(yùn)動(dòng)的專業(yè)知識(shí)。這相當(dāng)程度上解決了我們不知道，一些現(xiàn)實(shí)世界里的場景，該怎么跟 AI 表述（或者表述很麻煩）的問題。

最后再談兩句額外的觀察。近期圍繞模型蒸餾的討論很多，豆包其實(shí)沒有把重點(diǎn)放在蒸餾這條路上，看它的技術(shù)風(fēng)格能感受到一種不太常見的取向。豆包強(qiáng)調(diào)的還是指令遵循，強(qiáng)調(diào)長尾知識(shí)，強(qiáng)調(diào)真實(shí)世界的復(fù)雜工作流。當(dāng)然，也因?yàn)樨?cái)大氣粗，可以放量并且建立雄厚的用戶群和用戶場景，就有了大量面向真實(shí)場景的評(píng)測基準(zhǔn)，以體驗(yàn)為驅(qū)動(dòng)而不是以刷分為驅(qū)動(dòng)。

這未必是絕對意義上唯一正確的路，不過這條更慢的路，的確走出了一些不一樣的東西。

說回來，距離大模型能完全替代很多生產(chǎn)力場景，還有距離。高精度、長協(xié)作、深經(jīng)驗(yàn)的工作，目前還做不到可以放心交付。包括剛剛提到的場景，真正能應(yīng)用，還需要反復(fù)調(diào)試和人工的判斷。不過可以說，目前的大模型距離，讓我們走進(jìn)滿是 AI 的工作室，已經(jīng)算摸到門把手了。

這次用做的小紅書排版工具，我在日常工作里真的用了起來，每周都會(huì)打開。一個(gè)能做出可用工具的 AI，相比于 2 年前，又是一次潛移默化但很重要的進(jìn)化。一個(gè)能知道我看到的是什么、我拍到的是什么的 AI，也比只能聊天獲取信息的 AI ，也是進(jìn)化。這就是為什么說，這次真的有點(diǎn)不一樣。

各位對方舟的 Coding Plan 感興趣的朋友，點(diǎn)擊閱讀原文，可以直接跳轉(zhuǎn)。

* 本文使用火山方舟體驗(yàn)中心及豆包 APP （基于 Seed 2.0）進(jìn)行測試，代碼相關(guān) Demo 基于火山方舟 Coding Plan（集成 Seed 2.0 Code）實(shí)現(xiàn)。

* 封面圖由 豆包（Seedream 4.5） 生成