主要观点总结
本文介绍了火山引擎在 2023 年 6 月举办的开发者大会上发布的一系列 AI 相关产品和技术进展，包括 Agent 开发工具的更新以及多模态大模型的能力提升等。展现了火山引擎致力于打造覆盖 Agent 全生命周期的开发工具链和构建完整的生态闭环的努力。
关键观点总结
关键观点1: 火山引擎提出“AI 云原生”理念，并进行了三次迭代升级，旨在让 AI 从推理阶段开始就在云基础设施中得到原生支持。
火山引擎通过提出“AI 云原生”理念，将 AI 融入云基础设施，为大规模 AI 推理提供原生支持。该理念已经进行了三次迭代升级，旨在不断提升模型能力，以支持复杂的自主行为。
关键观点2: 火山引擎发布了豆包大模型的多个版本，包括支持深度思考、多模态理解等功能，并提供了按输入长度区间定价的模型调用方式。
火山引擎的豆包大模型在深度思考、多模态理解等方面有了显著提升，可以处理更复杂任务。同时，为了降低企业调用成本，推出了按输入长度区间定价的模型调用方式。
关键观点3: 火山引擎围绕“AI 云原生”理念，推出了 Agent 全栈开发工具链，包括提示词工具 PromptPilot、大模型生态广场 MCP Servers、TRAE 等平台与工具。
为了简化 Agent 开发过程，火山引擎提供了一系列工具，如提示词工具 PromptPilot、大模型生态广场 MCP Servers 和 TRAE 等。这些工具旨在解决 Agent 开发中的复杂性，确保开发者能够充分利用强大的模型，并获得平台、数据、安全等全方位的支持。
关键观点4: 开源技术方面，火山引擎展示了多个已开源的聚焦具体任务并显著提升生产力的 Agent 开发框架，如 veRL 强化学习框架、Deep Research 开源框架 DeerFlow 和 UI-TARS GUI Agent 框架等。
火山引擎在开源技术方面也取得了显著进展，推出了多个聚焦具体任务的 Agent 开发框架。这些框架旨在提高开发效率，降低开发门槛，并赋能开发者复用已验证方案，加速 AI 应用的落地与生产力革新。
正文
系统设计：
架构围绕 LLM 推理能力或 RL 策略网络构建，重点设计工具集成、记忆机制和决策流程（如 Chain-of-Thought 或RL 环境）。
编码实现：
LLM 在运行时动态生成逻辑/决策（ Prompt 工程驱动），或通过 RL 训练生成策略网络，开发者聚焦工具实现和流程编排。
测试验证：
核心评估 LLM 输出的质量、安全性和工具调用准确性，或 RL Agent 的累积奖励，进行 Prompt 鲁棒性和对抗性测试。
部署迭代：
部署模型和编排框架，通过更新 Prompt、工具、知识库（RAG）、微调模型或重训 RL策略实现持续学习和优化。
开发者工作的重心从“编写具体业务逻辑的代码”转向“设计、训练、引导和约束 AI 的行为”，让 AI 自己去理解、推理、决策和执行任务。
这就要求模型能力需要大幅提升，以支持复杂的自主行为。
模型演进：多模态 + 深度思考的底层能力
火山引擎最新发布的豆包大模型 1.6 系列，由三个版本组成：
-
Doubao-Seed-1.6：
All-in-One 的综合模型，是国内首个支持256K 上下文的思考模型，支持深度思考、多模态理解、图形界面操作等多项能力。支持选择开启或关闭深度思考、自适应思考三种方式，其中自适应思考模式可根据提示词难度自动决定是否开启思考，提升效果的同时大幅减少 tokens 消耗。
-
Doubao-Seed-1.6-thinking：
豆包大模型 1.6 系列在深度思考方面的强化版本；在代码、数学、逻辑推理等基础能力上进一步提升；支持 256K 上下文。
-
Doubao-Seed-1.6-flash：
豆包大模型1.6系列的极速版本，支持深度思考、多模态理解、256K 上下文；延迟极低，TOPT 低至 10ms；视觉理解能力比肩友商旗舰模型。
如今，豆包大模型的深度思考、多模态理解、图形界面操作等多种能力进一步提升，可以像人类一样理解和处理真实世界问题。
其多模态能力支持文本、图像、视频等多模态数据的协同理解与生成，已广泛应用在电商识图、自动驾驶数据标注、门店巡检等场景。
图形界面（GUI）操作能力基于视觉深度思考与精准定位，可以打开网页、填写表单、浏览器图片，下单预订等等。从大会现场演示案例来看，豆包 1.6 系列可自动操作浏览器完成酒店预订、识别购物小票并整理成 Excel 表格等任务。
此外，火山引擎还发布了豆包视频生成模型 Seedance 1.0 pro，支持文字与图片输入，可生成多镜头无缝切换的 1080P 高品质视频。在国际知名评测榜单 Artificial Analysis 上，Seedance 在文生视频、图生视频两项任务上均排名首位，超越 Veo3、可灵2.0 等优秀模型。
与此同时，豆包大模型一如既往地坚持低价策略。
Agent 任务对 Token 的消耗极高，一个复杂任务可能需要 20 万 Token。因此火山引擎提出了按“输入长度”区间定价，深度思考、多模态能力与基础语言模型统一价格。
在 0—32K 输入区间，豆包 1.6 的输入价格为 0.8 元/百万 tokens、输出价格为 8 元/百万 tokens，综合成本是豆包 1.5 深度思考模型或 DeepSeek R1 的三分之一。当前，超过 80% 的企业调用请求集中在 32K tokens 以内。
至于 Seedance 1.0 pro 模型，其每千 tokens 是 0.015 元，每生成一条 5 秒的 1080P 视频，要 3.67 元。
豆包大模型的定价模式，意味着无论用户是否开启深度思考或多模态功能，Token 价格都完全一致，这让企业无需为非必要功能支付额外成本。
事实证明，这些底层能力的持续优化和效率提升，正在转化为显著的技术红利，让开发者能更低成本、更高效率地构建复杂 Agent 应用，推动 AI 从技术能力向产业价值的大规模转化。
