“看懂人的表达” 新版豆包2.1 Pro多模态编程再上新台阶

　　“开局一张图，剩下交豆包工作。”如今，这样的编程实践正在新版豆包2.1 Pro上演。

　　9月16日，豆包大模型升级至Seed-2.1-Pro-0915版本，更新围绕企业生产级需求展开，其多模态编程能力显著强化。草图、录屏、设计图、屏幕演示等，这些“人的表达”，正在被直接转化为可运行的代码。目前，新模型API已在火山方舟全量上线，并接入豆包工作。用户在豆包工作内选用“豆包2.1 Pro(0915新版)”，即可体验到全面升级的工作任务执行能力。

　　新版豆包2.1 Pro再加强

　　据介绍，此次升级，新版豆包2.1 Pro对前端开发和设计还原能力加强，借助VLM能力，3D相关建模和游戏场景效果明显提升。

　　例如，游戏开发工程师们肯定都知道，游戏中跳跃异常穿过天花板、小键盘误切快捷键、半透明实体不可见、背包部分物品无法取出……这些都是游戏开发中的常见问题，现在新版豆包2.1 Pro可对此开展自主修复。

　　在图片理解上，无论你扔过来的是草图还是截屏，新版豆包2.1 Pro都能看懂并执行。仅一段录屏加几张草图，模型就能为无文档的老ERP系统开发移动端页面。模型基于多模态Coding能力依据录屏与草图生成移动端页面，设计稿直接还原为可运行代码。

　　新版豆包2.1 Pro还可仅凭4张设计图，基于出色的空间和时序理解，分阶段还原出庭院场景的基础结构，再叠加水体、植被和镜头效果，最后构建风雨霜雪的四季状态，把静态设计图变成了可交互的动态3D场景。这些印证了新版豆包2.1 Pro无与伦比的构建可交互真实3D场景能力。

　　而且，所有操作全是自动的，从理解需求、修改代码到运行命令验证测试，新版豆包2.1 Pro都可以自主完成更完整的开发流程。

　　多模态正成为新编程界面

　　为什么要“死磕”多模态？实际上，在日常真实编程工作中，大量的工程知识不在文档里，而是在设计图、界面、录屏、老员工的操作习惯里，大量需求关联图像理解、图形界面开发与交互设计等，都涉及多模态理解生成能力。纯文本代码模型天然缺一条腿，多模态补的正是这条腿。

　　IDC也指出，多模态大模型技术仍是关键赛点，必须持续坚持自主创新，在技术、生态与商业化上走出自己的道路。

　　如今，新版豆包2.1 Pro从工作实践上着手，从程序员学习机器语言，深入理解代码、接口文档等，变成“机器看懂人的表达”。无论是你画的草图、录的操作、屏幕上的演示，新版豆包2.1 Pro都能看懂并执行，多模态正成为新编程界面。

　　而且，这是不可逆的趋势，多模态编程应用越来越广泛。据中国信通院发布的一份报告显示，智能体平台大幅降低中小企业AI应用开发门槛，业务人员无需深厚编程背景，即可通过拖拽方式设计复杂业务流程，大幅缩短了从需求到上线的周期。

　　新版豆包2.1 Pro多模态达全球第一梯队

　　豆包2.1 Pro本次更新历经3个月快速迭代，多模态编程能力达到国内领先水平。豆包2.1系列模型在视觉理解、Computer Use、Mobile Use等公开测试集上达到全球第一梯队。Seedance、Seedream、Seed Audio在视频、图像、音频创作领域领先。

　　重点是，加强并不加价！Seed-2.1-Pro-0915版本Token效率持续优化、综合使用成本进一步下降，特别是图像推理和视频推理的Token消耗比上一代减少30%以上，可更好地满足前端网页设计、游戏开发、3D建模等实际交付需求。(完)