實測豆包1.8：字節在Agent上，來了波狠的

今天，火山引擎2025冬季FORCE大會正在上海舉辦。

而地點，正是上海世博中心。旁邊500米的地方，有一個標志性的斗拱建筑，叫「中國館」。

它以“斗冠”為形，配以“中國紅”，形成了獨特的東方之冠。

我用剛剛發布的豆包1.8模型復刻了一下，長這樣。

提示詞：參照 中國館.jpg 的外觀造型，用Three.js構建一個可交互的【上海世博園·中國館】的3D頁面。（工具來自TRAE）

幾乎是完全還原，模擬了中國館的倒梯形結構。

我還用它做了一個關于“華”字的3D游戲，很燃、很炸……快把我鍵盤都擼冒煙了。

提示詞：參考 中國館.jpeg 的結構和顏色，創建一個形似“華”字的3D游戲頁面。“華”字被拆解成霓虹構件。屏幕中央是一個巨大的、旋轉的 3D 線框“華”字。含有“華”字的成語（如：風華正茂、才華橫溢、樸實無華、春華秋實）像彈幕一樣襲來，玩家需要輸入漢字來“充能”，讓中間的“華”字越來越亮，最終爆發成粒子煙花。

豆包1.8，有點東西。

模型介紹

簡單介紹一下，剛剛發布的豆包大模型1.8。

1）更強的Agent能力

新一代模型，大幅增強了工具調用（Tool use）能力，比如Search、Computer use、Browser use等，擅長執行復雜的任務規劃和流程理解。

同時，它的Coding能力也有所提升，相信你已在開篇的2個前端case中看到。

而且，它的長文和多輪指令遵循也有所提升。在benchmark中，相比上一代模型有大幅提升。

所以，這是一個非常適合復雜場景的企業級Agent部署的模型。

2）更精準的多模態理解

同Gemini 3 Pro、GLM-4.6V一樣，豆包1.8的多模態理解能力這次也得了顯著增強。

尤其是視覺理解方面，不僅視覺理解的Tokens消耗更少，同步還理解精度更高，單次視頻理解幀數從640幀提升至1280幀。

同時，思考長度也支持自調節，各模式下思考更精簡，Tokens更節省。

3）更靈活的上下文管理

上下文窗口支持256k，尤其擅長超長文本處理、復雜/多步流程任務。

據官方介紹，豆包1.8是國內首個支持原生API進行上下文管理的模型，僅需API傳參就可以靈活清理上下文，減少輸入tokens，大幅降低成本。

中譯中就是，豆包1.8把上下文管理從開發者的負擔，直接變成了模型API自帶的能力，既省tokens，又省開發工程。

一句話總結：豆包1.8在模型層面做了很多“工程友好性”的事情，同時也大幅優化了自身在多模態、Agentic方面的能力，非常適合企業級Agent的部署。

豆包1.8實測

下面，我們來看一些實測案例。

首先第一個，是我自己參加豆包1.8內測時做的。

需求，是這樣的。

假設我是一名總經理助理，現在收到5份AI項目的立項報告，我需要幫老板從中找出最合適的項目，并給出充分的理由。

這5份報告，各不相同，有pdf，有word，還有ppt。

真的，光看見這不同的格式，我頭都大了……還要自己進行項目分析、總結，這不得又要熬幾個晚上才能把方案肝出來吧。

于是，我把5份報告直接丟給豆包1.8。

輸入提示詞：

簡短、明確、有說服力。

最終，豆包1.8給出的推薦項目是BT Code。

給出的理由是：BT Code項目瞄準了零編程人員的藍海市場，能夠快速釋放中小企業和非技術人群的軟件開發需求。其清晰的免費+增值商業模式確保了商業化可行性，在2000萬預算下可實現快速落地和規模化。

全部分析結果，寫成了一個HTML網頁。

全過程不到2分鐘，直出結果，這下不用熬夜了。

整個過程，我也錄了個視頻，大家可以看下。

而且，這版豆包的coding能力很強，比如我做的這個3D城市，效果就很驚艷。

優化措施：對所有重復出現的元素（如汽車、燈光）采用“實例化網格”技術進行優化處理。

這次，豆包大模型直接從1.6跳到了1.8。

這背后，不難看出字節對這一模型的重視。

多模態+Agent有沒有得搞？肯定有得搞，企業要把AI從Demo搬進產線，這是繞不過的基座選擇。

而字節，一直擅長在性能、價格和速度之間交付最均衡的模型，豆包1.8就是如此。

假裝在活動現場，圖片來自@蒼何

更關鍵的是他們的戰略姿態：喊All in AI，就真的All in，不扭扭捏捏，不左右互搏。

在新舊交替的窗口期，方向比速度更重要。

唯有篤定了方向，才能從從容容、游刃有余。

否則，就只能是匆匆忙忙、連滾帶爬。