突发！豆包Seed-2.1-pro 0915 迎来重磅升级，一手实测

字节刚刚把 Doubao-Seed-2.1-pro 升级到了 0915 版本，这次升级主打生产级Agent能力和多模态coding能力强化，本来我以为是一个小版本更新，没想到进化非常夸张。

这次token效率也有了很大提高，跑复杂任务再也不怕余额顶不住了，用起来也划算很多。

废话不多说，直接看我的一手测试

先说背景

这次发布有两个变体：

Doubao-Seed-Evolving，

跟 Seed-2.1-pro-0915 是同一个模型。

一个滚动迭代，一个固定版本号。

你如果不想跟着更新，就用 pro-0915；

你如果希望自动用到最新的模型，就接 Seed-Evolving，不用换接口。

case 1:模拟火星登陆

这个case是我独家测试用例，prompt就一句话，

用HTML和three.js制作一个火星登陆模拟过程，全程要符合物理过程，逼真，发挥你最大的想象力，开始吧

让模型单shot完成测试，虽然prompt很简单，但是模型必须具有强大的Agent能力，多模态理解能力才能完成好测试。这个case我是一路从opus 4.8，fable5，GPT 5.6，GPT-6，glm5.3，kimi k3，deepseek v4 pro测试过来，如果可以完成，证明模型Agent能力和多模态能力达到了我心目中的一流水平。

Seed-2.1-pro-0915测试结果果然没有失望，看来字节没有吹捧，直接看结果：

整个测试用时1小时30分钟，和我之前测试kimi k3用时基本一样，这个测试由于涉及复杂的物理过程，3d建模，以及调用无头浏览器不断测试验证，各家模型都需要花费大量时间。

Seed-2.1-pro-0915在这个case上表现目前我能给到的分数是国产第一，Agent能力，多模态coding，以及前端的审美表现都是第一梯队水准。

需要说明的是这个case是在接入claude code中测试的。

case2:豆包工作+Seed-2.1-pro-0915 + Blender MCP+ seedance2.5

如题，前几天GPT-6 Astra+ Blender刷屏了，我当时也写了文章介绍

我想看看Seed-2.1-pro-0915的能力，就想着来一个轻量级的测试

过程大概是这样：

先用 Seed-2.1-pro + Blender MCP，

生成一个3D白模的预演视频。

白模就是没有材质的几何体，用来做构图参考。

运镜在哪、镜头在哪起，人物动作大概什么幅度，

这些在白模里先定好。

然后把这个白模视频作为参考，

输入给 Seedance，

生成最终的正式视频。

简单来说这个测试链路是： Seed-2.1-pro-0915 + Blender MCP → 3D白模预演 → Seedance 2.5 → 最终视频。

这个测试是在「豆包工作」里完成的

使用也很简单，如果你的电脑还没安装blender，可以先手动安装一下，不想手动安装也可以

直接告诉「豆包工作」1.安装最新的blender，2.安装官方的blender mcp，安装完就可以直接测试了，输入下面的提示词：

你现在是一个科幻动作片分镜导演。请调用 Blender mcp，帮我搭建一段 5 秒（150 帧，30 fps）的人物滑铲拔枪 3D 动作白模预演。注意不要做的太精细

具体要求如下：

1. 角色与场景设定：
   - 创建一个比例协调的铰接式人体白模（带头部、躯干、四肢活动关节），右手持握手枪道具。
   - 场景为一个狭长的未来风格走廊，两侧排列立柱，前方设有一个离地 1 米高的横向障碍闸门。

2. 人物动作流程：
   - 第 0-40 帧：人物快速正面冲刺接近障碍闸门。
   - 第 40-90 帧：在临近闸门瞬间，人物重心后仰，双腿前伸做出贴地滑铲动作，身体几乎贴着地面从 1 米高的闸门下方滑过；滑行过程中，右手抬枪对准前方瞄准。
   - 第 90-150 帧：滑过闸门后，人物借助惯性单脚蹬地转身半蹲停住，双手举枪连续做出后坐力射击动作。

3. 运镜控制设计：
   - 第 0-40 帧：摄像机置于闸门正后方，正对迎面冲过来的人物。
   - 第 40-80 帧（高难度运镜）：机位降至贴地 0.15 米，在人物滑铲穿过闸门的瞬间，镜头迎面后退，随后以极近距离贴着人物躯干斜上方拉过。
   - 第 80-150 帧：在人物转身停下的瞬间，镜头围绕人物展开一个完整的 360 度升降环绕拍摄，景深锁定在枪口与人物头部。

它调用了 Blender MCP，在 Blender 完成了建模，搭完了整段预演。

建模：

最后把上面的白模视频和人物参考图丢给豆包工作，

让它直接调用seedance 完成视频生成，这是成品：

这个测试，我只选了5秒，因为我的预期是一次成功，虽然有第一个case打底，但是相比GPT-6 Astra 我对Seed-2.1-pro-0915的Agent能力和多模态能力内心多少还是有所保留的。

没想到测试过程非常丝滑，没有遇到任何卡顿，调用blender能力3d建模我是没看出和GPT-6 Astra 差哪里了

不知道字节做了什么训练，Seed-2.1-pro-0915这Agent能力和多模态coding能力进化太厉害了，必须给点个赞。

case 3:深度测试

有了前两个case，我对Seed-2.1-pro-0915能力信心大增，这次我准备整个深度测试，强度和难度都拉满

多Agent＋卫星影像视觉核验：详细调研国外数据中心建设是否有泡沫，主要涉及OpenAI、Anthropic、谷歌、微软、Meta、亚马逊六家公司

1.资本开支与现金流核验
2.具体项目物理建设卫星图核验
3.综合判断，交叉验证
4.html报告输出

直接把下面的提示词丢给Seed-2.1-pro-0915

你现在是一位资深的科技行业股权研究分析师，正在为机构投资者撰写一份关于"国外大型AI数据中心算力建设是否存在泡沫"的独立尽调报告。请完成以下工作：

一、资本开支与现金流核验

针对 OpenAI、Anthropic、谷歌、微软、Meta、亚马逊六家公司，检索并核实以下信息。每一项数据请标注来源和发布时间，并对数据可信度做出说明。无法核实的信息请明确标注"未核实"，不要编造。

1. 最近两个季度公开披露的资本开支实际值，以及管理层给出的下一财年资本开支指引
2. 同期的经营现金流和自由现金流。谷歌、微软、Meta、亚马逊有独立财报可查；OpenAI、Anthropic为非上市公司，请检索其披露的融资规模、估值和公开报道中的现金流状况，并明确标注这部分数据的不确定性更高
3. 涉及的债务融资安排，比如是否发债、发债规模、利率、期限
4. 是否存在循环投资或循环采购结构，比如英伟达对OpenAI的投资、OpenAI与Oracle及CoreWeave之间的云服务采购协议、微软对OpenAI的投资与Azure使用协议之间的关系。如果存在，请梳理这些公司之间的资金流向和合同关系

二、具体项目的物理建设核验

请重点核实以下两个项目：
1. 亚马逊为Anthropic在印第安纳州建设的Project Rainier数据中心集群
2. OpenAI、Oracle、SoftBank联合推进的Stargate项目，德州Abilene站点

请先尝试：如果你的工具集里可以访问卫星地图或地理影像相关的API或服务，请自主调用，获取这两个项目所在坐标的历史影像和最新影像，做时序对比，直接分析影像里的建筑物数量变化、施工进度、电力设施接入迹象。

如果你没有这类工具的访问权限，或者调用失败，请如实说明你无法直接获取卫星影像，不要假装自己看到了图像或编造画面细节。这种情况下，请转而检索权威新闻媒体（如The Information、Bloomberg、纽约时报、华尔街日报、路透社，或卫星影像分析机构如Planet Labs）已发布的、包含卫星影像报道的文章，基于报道中的文字转述和引用的影像描述进行分析，并明确标注这部分结论是基于文字转述，不是你直接的视觉核验。

无论通过哪种方式，请核实：
1. 影像或报道的时间跨度、拍摄机构或转载来源
2. 该项目当前的实际建设进度，与公司官方宣称的时间表和最终规模是否存在差距
3. 如果不同信源的进度描述存在矛盾，指出矛盾并说明你倾向于哪个信源，以及为什么

三、综合判断

基于以上财务数据和物理建设进度的交叉验证：
1. 资本开支增速与现金流增速之间的缺口有多大，这个缺口是被什么方式弥补的
2. 物理建设进度是否支撑得起这个资本开支规模，还是存在账面投资与实际建设脱节的迹象
3. 明确说明这是基于当前公开信息的一个风险分析框架，不是对"泡沫是否存在"的最终结论，并列出你认为最需要持续跟踪的三个信号

四、输出要求

把以上内容整合为一份图文并茂的HTML网页，要求：
1. 六家公司的资本开支与自由现金流对比图表
2. 循环投资结构关系图
3. Project Rainier 和 Stargate 的卫星影像或影像分析区域，图片位置先留空，标注清楚每张对应的时间和来源，如果二里是通过转述完成的分析，在这里注明"基于媒体报道转述"
4. 关键事件时间线
5. 结尾附完整数据来源清单，每条结论标注对应的可信度

整个报告的基调是严谨、克制、证据优先，不要用夸张的措辞去暗示某个立场。

这个case晚上睡觉前我丢上去测试的。

全程auto mode，我没有管它。

第二天早上起来，它还在跑。

我等到中午，一共接近10个小时，报告出来了。

打开html的那一瞬间，我直接震惊了，

太tm专业，太详细了

直接看交付结果：

因为整个调研过程非常复杂，这里我只挑它利用多模态Agent能力进行卫星图核验的过程

调研刚开始，它先说了一句话

我没有商业卫星影像API的授权。

然后它自己去找了一条替代的路。

它试了NASA一个免费的公开影像接口，先测了一个分辨率375米的图层，发现看不清单栋楼，太粗。又测了一个30米分辨率的图层，能看清大型建筑的轮廓，但只有卫星路过当天才有数据。为了掐准哪天有数据，它又去接了一个专门查卫星过境日期的接口。

三个工具接完，它自己拼出了一条能用的影像获取流水线。

它说，30米是免费公开影像能做到的上限，看不清工地上的车辆和设备，后面所有结论都会按这个上限打折扣。

它自己判断需要什么工具，自己去找，找不到最好的就退而求其次，然后老实告诉我退到了哪一步。

工具搭好后，它同时派出5个子Agent去查六家公司的财务数据，自己拉了德州Abilene那个项目从2024年10月到2026年8月的7张真实卫星图，一张一张看。

2024年10月，地上是灌木牧场，几个小白块。

2025年4月，整块地推平了，还没有建筑。

2025年10月，变成11到12个大型结构，跟当时官方宣称"部分设施已经在跑负载"的时间点对上了。

2026年8月，变成14到15个结构，主体建筑数量没有再翻倍。

它还顺手纠正了一个可能的乌龙。

分析开始的时候它自己提出疑问，这块地到底是不是Stargate的场地，会不会跟别的项目搞混了。它去查了地图数据库里这块地的登记名称，确认清楚之后写下一句，网上有种说法是另一家公司在这里有一个更早就存在的老园区，但没有任何信源支持这个说法，判定不成立。

2026年3月，一家媒体报道这个项目的扩建计划被取消，涉事公司当天发声明否认，两边说法对不上。

它没有各打五十大板，也没有直接选边站。

它把两边的原话按时间摆出来，指出那份否认声明的措辞只覆盖了已有产能和已通电的部分，没有正面回应新增的部分是否被取消。

三周后，另一家公司官宣接手了这块被取消的容量。

最初那篇报道被印证了。

整个交付调研持续十个小时，我没点开进度条一次。

它自己判断该用什么工具，自己判断证据够不够，自己在信息不足的地方拒绝下结论。

让我印象最深的是Seed-2.1-pro-0915给出整个报告交付性质：

这是基于当前公开信息的一个风险分析框架，不是对"泡沫是否存在"的最终结论。报告刻意区分三类事实：已交割的现金、已签约但分期/附条件的义务、以及意向性框架。不提供证券买卖建议，不做目标价，不用夸张措辞暗示立场。所有判断均可被新的披露证伪——文末列出了最可能证伪本框架的三个跟踪信号。

这个case的成本挺高的，花了我256rmb。

但是相比报告来说，如果让几个专业人员合作调研我觉得没有一周搞不定。

这样一看就很便宜了。

豆包工作里可以直接用

模型在豆包工作里也同步了。

进 App，选"豆包 2.1 Pro（0915新版）"，就是这个版本。
TRAE 也接了。

写在最后

这两年我见证了太多模型的发布，也测试过太多的模型了

一开始，每次大模型发布都是一件大事，

新能力、新测试、新记录，很热闹。

现在这种升级节奏，变得更像软件更新：

能力在持续变强，但没有什么戏剧性的时刻，

就是某一天你去测，发现它比上次好了不少。

Seed-2.1-pro 这次的升级属于后者。

它不是那种让你"震惊"的发布，

但可以让你把它留在工作流里。

对我来说，这种才是有用的。

还没用过的，可以去试试看。

API 接入地址：火山方舟。

模型名：doubao-seed-evolving / Seed-2.1-pro-0915