主要观点总结
Datawhale大会火山引擎Force原动力大会上，火山引擎展示了其AI云原生技术栈，发布了包括豆包大模型1.6、PromptPilot提示词优化平台和MCP服务等一系列成果。这些新技术和工具旨在帮助企业和开发者打造智能体（Agent），并加速从模型到智能体的范式演进。其中豆包大模型变得更强大、更全面、更便宜；PromptPilot解决了大模型应用落地的痛点；MCP服务则构建了一站式Agent开发与部署环境。此外，TRAE和扣子平台也进行了升级，助力企业高效构建AI开发范式。
关键观点总结
关键观点1: 火山引擎提出AI云原生理念，旨在让应用以AI智能体为中心构建和生长的新模式。
随着AI的发展，必须围绕AI云原生重构未来的技术架构。这意味着AI不再是附属的插件，而是应用的内核，从开发之初就与数据、工具和环境深度融合。
关键观点2: 豆包大模型1.6的发布，标志着火山引擎AI云原生架构的模型基座有了重大突破。
豆包大模型在各种权威评测中表现优异，具备复杂推理、多模态理解、GUI操作等多项能力。而且，它还具有原生多模态理解和图形界面操作能力，可以像人类一样读取网页、点击按钮、填写表单，完成一系列跨软件的任务执行。
关键观点3: PromptPilot平台解决了大模型应用落地的痛点。
PromptPilot能够自动理解需求、生成高质量的Prompt，并优化模型输出。它将Prompt调试效率提升了300%，极大降低了企业定制AI应用的门槛。
关键观点4: MCP服务的推出解决了Agent从理念到产品的链路断层问题。
MCP服务作为一个超级连接器，将火山引擎的各类云服务能力进行封装，供Agent以类似调用函数的方式使用。此外，它还通过标准化协议把不同的Agent开发工具和平台贯通起来，形成了一个统一的生态。
关键观点5: TRAE和扣子平台的升级，助力企业高效构建AI开发范式。
TRAE作为国内首个AI原生IDE产品，不仅解决了开发各环节跳端效率低的问题，还提供了代码补全、局部代码生成等功能。扣子平台则升级成为覆盖Agent低代码开发、全代码开发、Agent调优和Agent协作的全生命周期平台。
正文
思考版：豆包目前最强的思考模型 Doubao-Seed-1.6-thinking；
极速版：以及具备超低延迟和出色的视觉理解能力的 Doubao-Seed-1.6-flash 模型；
在众多权威测评集上，豆包大模型 1.6 得分均位居
国际第一梯队
。在推理能力、多模态理解能力、GUI 操作能力上具备领先优势。
更令人称道的是豆包 1.6 的
原生
多模态理解和图形界面操作能力
。简单来说，豆包1.6不仅“看图说话”，还能
看图行动
——驱动智能体在浏览器、Excel 等软件中进行交互操作。这样的能力让智能体可以像人类一样读取网页、点击按钮、填写表单，完成一系列跨软件的任务执行。
这意味着我们可以利用豆包 1.6 完成复杂业务流程的案例：例如自动打开电影网站、筛选当日北京上映电影并按评分排序，最后选定高分影片下单购票，全程由
AI 自主完成。这种多模态理解与图形界面操作能力，标志着豆包 1.6 已为智能体赋予了感知环境并采取行动的“大脑”，突破了传统纯文本模型的桎梏。
除了更“强”，豆包 1.6 也变得更“便宜”。
在
Agent
大量消耗
Tokens
的场景下，成本是规模化应用的阿喀琉斯之踵。为此，豆包大模型 1.6 采用了
统一定价模式
，无论是否开启深度思考模式，无论是文本还是视觉，tokens 价格均一致，按照输入上下文长度区间定价。
随着模型能力的进步，AI
有望成为开发过程的“调度者”，通过调用不同的
Agent
和工具，让软件开发实现真正的
All-in-One
，显著降低开发门槛并提升效率。
豆包 1.6 正是这一理念的最佳注脚：多模态深度思考的强大模型、大幅降低的使用成本，以及与工程实践的紧密结合，使得规模化的
Agent
应用成为可能。
如果说豆包1.6是
Agent
的大脑，PromptPilot 则可以看作人与大模型沟通的嘴替。
在大模型应用落地过程中，开发者经常面临需求表达模糊、Prompt
调试低效的痛点。调教一条精妙的 Prompt 往往需要反复试错，这对初学者和领域专家都构成了门槛。
火山引擎推出的
PromptPilot
平台，正是为了解决这一难题。
有了它，用户不需要精通大模型原理，只需用行业术语或大白话描述需求场景，PromptPilot
就能自动理解需求、生成高质量的
Prompt，并优化模型输出。
