豆包最新发布，Seed-2.1-pro-0915实测来了！

最近，让 Agent 持续进化，成了 AI 顶尖大厂共同探索的方向。Anthropic 已经让 Claude 参与 AI 研发，OpenAI 也在推进自动化研究员。它们正在尝试把研发过程自动化，让 AI 参与改进下一代 AI。

豆包从模型这一层给出了另一种路径：持续升级 Seed-Evolving，让接入它的 Agent 也能用上更强的 Coding 和多模态能力。开发者沿用同一个 Model ID，就能获得后续更新。

Doubao-Seed-Evolving，是一个无限进步的模型。

前几天，豆包将这段时间迭代中表现最佳的版本，正式发布为 Seed-2.1-pro-0915。

我们通过 Doubao-Seed-Evolving 接口实测这一最新版本。把它接进 Coding Agent 后，我们用 Blender 做了一段白模运镜，试了四个游戏，还把一个去年留下的全栈项目交给它改造。

1. 多模态实测：通过代码跑出电影级镜头

先看这轮测试里最有视觉冲击力的一段成片。它不是直接靠一段提示词生成的。在交给 Seedance 2.5 转绘之前，Seed-Evolving 先用 Blender 脚本做了一版白模运镜。

这段成片的镜头，完整沿用了白模预演的运镜和画面构图。

它把 3D 场景写成 Blender Python 脚本（bpy），程序化搭出素体汽车、素体人、街道布景，运镜设计成三段式：低角度侧面跟拍、4.8 米半径圆弧环绕、车头 45 度斜前推近特写，全程 8 秒 192 帧。中途它还自己修了 Blender 5.2 的 API 变更问题（Action 改为分槽结构后旧写法报错），修完重跑成片。

白模把整段镜头都提前演了一遍。确认运镜没有问题后，我再把视频和提示词一起交给 Seedance。下面是当时使用的提示词：

严格复刻参考视频的运镜轨迹与节奏。第一段（0-3 秒）摄影机在车身侧面低机位平行跟拍，由车尾缓慢横移至车头；第二段（3-6 秒）摄影机以车辆为中心缓慢环绕半圈，从右侧绕至左前方并逐渐抬升；第三段（6-8 秒）摄影机推近至车头 45 度斜前方，定格在格栅与车灯特写。镜头运动平缓流畅，不得改变运镜方向与速度。
主体：画面中央是一台真实存在的量产赛道级超跑，低趴宽体车身，符合现实空气动力学的碳纤维前唇与固定式尾翼，哑光深灰金属漆车身搭配简洁的橙色赛车拉花，大尺寸锻造多辐轮毂配红色刹车卡钳与打孔刹车盘，真实的轮胎纹理，车身表面挂着细密水珠与湿润反光，轮胎处有淡淡的真实刹车热烟。移除画面中所有站立人物。
环境：夜晚真实城市街道赛道，雨后湿滑的深色柏油路面自然反射路灯与霓虹灯光，两侧是真实的高层楼宇与护栏后虚化的观众人群，暖色路灯与冷色店铺招牌交错，赛道边缘有真实的发光指示灯带，空气中漂浮淡淡雾气，整体为真实街景而非概念布景。
光影：真实电影级自然光，以街灯与店铺招牌等实际光源照明，车身呈现真实金属漆反射与柔和轮廓光，地面为湿润路面的自然漫反射而非镜面反射，背景曝光自然偏暗。画质：照片级真实感，真实摄影机稳定器拍摄质感，35mm 电影镜头自然景深与轻微镜头眩光，细微自然的胶片颗粒，真实动态模糊，无 CG 感、无概念车塑料感，写实汽车广告大片。

只用文字描述运镜，生成结果常常和脑海里的画面差一点。现在代码先给出可调整的镜头参照，视频模型再完成最终画面。偏差少了，反复生成的测试成本也低了一些。

最终，这个在 X 上爆火的“白模预演＋AI 转绘”，Doubao-Seed-Evolving 交出了不错的效果：白模把机位和运动轨迹定了下来，最终成片能够充分理解其中的视频信息，并精准传递给Seedance 2.5，让运镜有了具体的控制依据，电影级的画面可控性大大增强。

2. Coding 实测：四个3D游戏，效果全面

接下来是四个 3D 游戏。说实话，开始之前，我不太确定它能否全部做出来。3D游戏很适合验收模型的产出效果。因为有时代码即使跑通了，画面和操作仍可能有问题，上手之后一下就能发现。

每项任务中，我只提供一份PRD。模型需要在 Coding Agent 的单次 prompt 限制下完成开发循环，并自行判断何时结束。游戏完成后，我再上手试玩。下面的视频都是实际产物，我们一起来看看吧。

坦克大战

第一个任务是用 Three.js 做坦克对战。除了玩家控制，还要有能正常交战的敌方坦克。子弹和碰撞自然不能出错。在这个 case 里面，豆包的发挥我感觉是几个 case 里面最好的，整个游戏的体验度还是比较丝滑的。

我之前也拿过这个 case 测试其他的模型，但是都会有一些问题：1. 要么是过于仿真模拟真实的坦克，导致方向盘转动会有一些控制上的难点，交互不是非常友好。2. 有的 AI 跑这个 case 的时候，甚至会出现开火打不中敌对坦克的情况，也就是碰撞检测有问题。

这一局它在游戏的真实感和玩家的体验之间做了不错的平衡把握。另外需要补充的是，豆包的这个障碍物是可以打掉的，有部分障碍物是可以破坏的，也有部分是不可以破坏的。不管是用户的体验还是游戏逻辑的设计，我觉得都非常符合正常游戏的标准。

Roguelike 地牢

地牢的要求复杂一些。地图要随机生成，角色还得在里面探索和战斗，寻路与掉落也要正常工作。

在这个 case 里面，还是能够感受到，豆包在空间计算上的能力发挥得还是比较让人满意的，至少没有出现穿墙或者与怪物对打的时候攻击失效。

而且这个 roguelike 豆包版本的通道设计得会稍微宽一些，没有那么艰难地控制角色通过这个区域边界通道，这是一个优势。我之前测试其他模型的时候，在这个 case 上面设计的通道就很窄，导致实际体验这个游戏的时候很难穿过通道，交互体验就会下降。

不过豆包的这个画面太暗了，而且游戏主角的面向方向不太正确，当我往前走，他的面向是往后的，有点奇怪了。另外一点就是，对手和武器的复杂度还有提升空间，因为它似乎只是一把剑，对手也都是一个丸子类似的怪物。

3D 塔防

塔防要围绕敌人的进攻波次安排整局节奏，同时处理建塔、经济和升级。

豆包的塔防是全自动刷新怪物的出现，打完一轮后自动出现下一轮。之前测试这个 case 的时候，有的模型它的设计就是要我手动点击下一波，它才会刷新下一轮的怪物出现，就感觉有点奇怪。虽然这是刷新机制上的设计，但是我还是感觉豆包的设计会更符合直觉一些，一定程度上体现出豆包在塔防游戏设计方面还是比较有认知的。

不过豆包的建筑都过于简略了，算不上酷炫精致。

地铁跑酷

跑酷参考 Subway Surfers。玩家在三条跑道向前奔跑，左右变道、跳跃、滑铲躲避障碍、收集金币道具，越远分越高。

但这里没有一轮写好。第一版的跳跃动作很怪，按下去不像真的跳了起来。我把问题反馈给它，第二轮才修到视频里的效果。豆包这个跑的速度还可以，不是很快，也不是很慢，属于中等的难度。而且豆包的这个 case 里面它还会随机刷新道具，感觉这部分的设计做的是比较不错的。

不过豆包还有一个问题，就是它第一版有一个跳跃的 bug，当我点击跳跃的时候，它的动作一点都不像跳跃，有一点怪异。所以相当于没有一轮就写好，我让它第二次修复才修好。

另外主角似乎是没法跳到车上去的，也没有那种斜向上的车能让我上车，感觉仿真的还是不到位，有点奇怪。

3. 生产级项目实测：多模态图片搜索与管理项目

最后，我拿出了 Smartlmager。它是我去年写的多模态图片搜索与管理项目。这个项目没有为测试重新整理过，代码里的历史问题和不满意的前端都还在。

开源地址：https://github.com/li-xiu-qi/Smartlmager

当时本来是想要做成一个多模态图片搜索引擎&管理系统的项目来着，可惜当时前端实力还是差点意思，做的感觉交互设计的不是很好。现在趁着豆包新模型发布，刚好让它来收拾一下，发现它做的还是挺不错的。

我不仅仅让它帮我改了一下前端，顺手还把后端也优化掉了。原来的后端是基于 Python 做的，因为需要有 AI 部分的推理，所以只能基于 Python 的生态来做。后来我就和豆包说，让它帮我把 AI 推理的部分另外起一个后端，非 AI 部分就用 Next.js 全栈去做就好了。下面可以给大家看看它的一个全栈改造效果。

它把我整个项目都梳理了一下，并且完成了迁移。我验收之后，发现基本上没有什么问题，而且前端改得也比较符合我的审美。总体来说，还是比较满意的一个状态。

测试之前，我其实没把握豆包能把这几个游戏做成什么样。

豆包作为国内的模型代表，在上面的四个 case 上表现到这样的程度，已经大大刷新了我对国产模型的刻板印象。

过去看多了「最直接、最不绕弯子地告诉你」这些梗，我对豆包的印象一直停在聊天上，做开发时很少想到它。这轮用下来，它绝对能接进日常使用的 Coding Agent 里了。

这次测的还只是 0915，Seed-Evolving 在短短两个半月里就更新了五次。

下一次再打开它，模型可能又一次进化了。

API调用地址：https://ark.volcengine.com/region:cn-beijing/promotion/model?agentMode=close&modelName=doubao-seed-evolving

一起“点赞”三连↓