哈嘍！伙伴們，我是小智，你們的AI向導。歡迎來到每日的AI學習時間。今天，我們將一起深入AI的奇妙世界，探索“字節(jié)AI三連擊：定價革命+Trae普及+戰(zhàn)略卡位”，并學會本篇文章中所講的全部知識點。還是那句話“不必遠征未知，只需喚醒你的潛能！”跟著小智的步伐，我們終將學有所成，學以致用，并發(fā)現(xiàn)自身的更多可能性。話不多說，現(xiàn)在就讓我們開始這場激發(fā)潛能的AI學習之旅吧。

字節(jié)AI三連擊：定價革命+Trae普及+戰(zhàn)略卡位：

近日，字節(jié)分享了其對今年 AI 技術發(fā)展主線的思考，主要包括以下三個方面：

? 多模態(tài)的推理和思考。僅做文本的 reason 和 thinking 無法充分發(fā)揮模型能力，基于圖片、視頻等多模態(tài)數(shù)據，reason 和 thinking 能力才會真正爆發(fā)。但目前行業(yè)并沒有涌現(xiàn)這樣的能力。

? 視頻生成技術突破。在 2024 年底之前，全球視頻生成模型還屬于“玩具”，難以應用于實際生產環(huán)節(jié)。然而到了 2025 年，隨著類似 Veo 2 等模型的出現(xiàn)，視頻生成技術開始逐漸進入實際生產與生活，如消費領域、電商廣告短片制作等場景。

? 多步驟復雜任務。今年，多步驟復雜任務的處理能力會逐步成熟，但進程是緩慢的。直到目前，多數(shù)相關應用仍存在脫離實際需求的情況。字節(jié)預計到今年第四季度，這類能力會逐漸走向可用，可能達到放心讓 AI 助手嘗試完成價值約 50 元人民幣的簡單任務，準確率預計可達 80%-90%，開始具備實際使用的可能性。

基于上述考慮，6 月 11 日，字節(jié)跳動旗下火山引擎進行一系列的發(fā)布和更新，包括豆包大模型 1.6、視頻生成模型 Seedance 1.0 pro 等新模型，并升級了 Agent 開發(fā)平臺等 AI 云原生服務。

豆包 1.6 實行統(tǒng)一定價
大會上，字節(jié)發(fā)布了豆包大模型 1.6，包括 Doubao-Seed-1.6-thinking、Doubao-Seed-1.6、Doubao-Seed-1.6-flash，均支持多模態(tài)輸入，并實現(xiàn) 256K 超長上下文。

Doubao-Seed-1.6 支持 auto/thinking/non-thinking 三種思考模式。據介紹，在高考全國新一卷數(shù)學中，豆包大模型取得 144 分；在海淀模擬全卷考試中，理科取得 706 分，文科獲得 712 分。

豆包 1.6 系列模型支持多模態(tài)理解和圖形界面操作，能夠理解和處理真實世界問題。演示案例顯示，豆包 1.6 可自動操作瀏覽器完成酒店預定，識別購物小票并整理成 Excel 表格等任務。

各能力對比，從左到右：Doubao-Seedance-1.0-pro 250528、Doubao-Seed-1.6-flash 250615、Doubao-Seed-1.6-thinking 25061

火山引擎總裁譚待介紹，上下文長度是影響模型服務成本的關鍵因素，模型上下文長度對成本有累加特性。

譚待表示，深度思考、多模態(tài)和工具調用等模型能力提升，是構建 Agent 的關鍵要素。同時，由于 Agent 每次執(zhí)行任務都會消耗大量 tokens，模型使用成本也要降下來，才能推動 Agent 的規(guī)?；瘧?。

鑒于此，豆包大模型 1.6 從上下文長度的維度進行了三檔定價，并對深度思考、多模態(tài)能力與基礎語言能力統(tǒng)一價格：

? 上下文長度在 1-32k 之間，輸入價格為 0.8 元 / 百萬 tokens，輸出價格為 8 元 / 百萬 tokens；

? 上下文長度在 32-128k 之間，輸入價格為 1.2 元 / 百萬 tokens，輸出價格為 16 元 / 百萬 tokens；

? 上下文長度在 128-256k 之間，輸入價格為 2.4 元 / 百萬 tokens，輸出價格為 24 元 / 百萬 tokens。

整體來看，豆包大模型 1.6 的綜合成本只有豆包 1.5 深度思考模型或 DeepSeek R1 的三分之一。

譚待介紹，火山引擎除了用技術優(yōu)化方案降低成本外，還結合自建數(shù)據中心與公有云資源，平衡初期投入與長期成本，目前其自建算力占比達 30%。

數(shù)據顯示，豆包大模型日均 tokens 使用量超過 16.4 萬億，較去年 5 月首次發(fā)布時增長 137 倍。

字節(jié)內部超過 80% 的工程師使用 Trae
5 月 28 日，字節(jié)被曝出于對防范數(shù)據泄露風險的考慮，自 6 月 30 日起，將在內部分批次禁用第三方 AI 開發(fā)軟件，包括 AI 編程工具 Cursor、 Windsurf 等，并將旗下編程助手 Trae 作為替代方案。消息被曝出來后，Trae 也一度成為話題中心。

這次大會上，字節(jié)跳動技術副總裁洪定坤透露，在字節(jié)內部，超過 80% 的工程師在使用 Trae 輔助開發(fā)。Trae 的整體月活用戶已經超過了 100 萬。

洪定坤自己親身體驗了 Trae 帶來的效率提升。端午假期后，洪定坤與兩名同事一起開發(fā)了一個相對復雜且完成度較高的英語學習應用，根據以往經驗，開發(fā)該應用可能需要幾周甚至一個月，但這次開發(fā)實際只用了三天。

據介紹，Trae 有兩個核心功能：代碼補全和預測編輯。AI 不僅能補全當前代碼，還能預測下一步可能需要修改的位置，并直接跳轉到那里。通過這種方式來大幅提升代碼生成和編輯的效率。

洪定坤團隊最早開發(fā)的產品是 Mascode，它以插件形式集成到 VSCode 或 JetBrains 等 IDE 中，幫助開發(fā)者提升效率。如今 Mascode 插件擁有大量用戶，但作為輕量級工具，它難以承載 AI 與 IDE 深度結合的完整體驗。

隨著模型能力提升，開發(fā)者對 IDE 的期待更高，希望它能支持更復雜的開發(fā)流程。因此，洪定坤團隊研發(fā)了“去 IDE”的 Trae——一個為 AI 量身打造的原生開發(fā)環(huán)境，不僅包含基礎功能，還支持代碼重構、批量修改和交互式問答等復雜任務。此外，Trae 還支持 100+ 優(yōu)質 MCP Servers，支持用戶自定義并分享智能體。

Trae 采用了自然語言編程的方式，但不同于簡單地將需求丟給 AI 完成，開發(fā)者仍然是主導開發(fā)的工程師。例如，開發(fā)者用 200 多字的提示詞描述后，AI 生成了約 300 行代碼，而開發(fā)者只需做少量優(yōu)化（不到 5%）。這種方式下，85% 的代碼由 AI 生成，“我更像是在與另一名工程師協(xié)作?！?/p>

Trae 的開發(fā)使用了內部模型“豆包 1.6”，其強大的編程能力是關鍵。團隊針對工程場景對模型進行了額外訓練，使其更適配開發(fā)需求。該模型將很快推送給“去 IDE”用戶，性能較 1.5 版有顯著提升。

編碼只是開發(fā)的一環(huán)，軟件開發(fā)還涉及文檔編寫、運維、調試、發(fā)布和 Debug 等。傳統(tǒng)開發(fā)中，編碼僅占不到 40% 的工作量。因此，除了編碼，團隊還花費大量時間在環(huán)境搭建、壓測和部署上。未來，我們希望 AI 能成為“調度者”，自動完成日志分析、分支管理、代碼提交和發(fā)布等任務，將復雜流程壓縮到幾小時內。

“需要強調的是，AI 與人的協(xié)作至關重要。完全依賴 AI 生成的代碼難以維護，且缺乏性能優(yōu)化?！焙槎ɡふf道，“例如，昨晚我們遇到一個 Bug，最終仍需人工介入修復。專業(yè)工程師應專注于創(chuàng)造性工作（如算法設計和性能優(yōu)化），而 AI 負責執(zhí)行和協(xié)作。真正的‘AI 工程師’是人與 AI 的高效結合。”

視頻生成模型也主打性價比
字節(jié)判斷，視頻生成技術已經進入了更深度的創(chuàng)作階段。今天，字節(jié)正式發(fā)布最新的豆包視頻生成模型 Seedance 1.0 Pro。

據介紹，Seedance 1.0 Pro 具有三大特點：無縫的多鏡頭敘事、多動作的隨心運鏡、穩(wěn)定運動與真實美感。其中，無縫多鏡頭能力可以生成兩個以上鏡頭的自然切換，配合遠景、中景和近景的變化，大幅提升畫面信息量和敘事表現(xiàn)力。除了豐富的鏡頭語言，人物在畫面中的肢體動作和表情也更加生動流暢，能夠生成多主體、多動作及復雜運鏡的視頻內容。

通過后訓練階段采用的精細數(shù)據集、多維度獎勵模型和反饋學習算法，Seedance 1.0 Pro 在運動生動性、結構穩(wěn)定性和畫面質量等方面都有顯著提升。

此外，Seedance 1.0 Pro 的價格也具有一定性價比。Seedance 1.0 pro 模型價格為 0.015 元 / 千 tokens，生成一條 5 秒的 1080P 視頻只需 3.67 元。

換算來看，1 萬元預算可生成 2700 條 1080p 視頻；若選擇 780p 分辨率，則可生成 9700 多條。相比之下，對于 5 秒的 1080P 視頻，可靈 2.1 大師版和 2.0 大師版都是分別生成 1000 條，Veo 2 則僅生成 785 條。

目前，字節(jié)在電商、游戲、影視等領域進行了實踐探索。其中字節(jié)與網易合作，用《逆水寒》仙俠游戲進行測試，玩家可以創(chuàng)作角色故事并通過視頻生成演繹劇情。

此外，豆包實時語音模型如今全量上線方舟平臺，向所有企業(yè)客戶開放。端到端實時語音讓模型說話越來越擬人?；诖耍止?jié)進一步推出了播客模型，支持自然流暢的雙人對話，包含互相附和、插話、猶豫等真實播客互動節(jié)奏，同時支持多種輸入：一句話指令、網頁鏈接或長文本內容等。

智能體帶動強化學習算力攀升
當前，各廠商都在加速將企業(yè)基礎設施和云計算體系改造為更適配 AI 的形態(tài)。

在火山引擎智能算法負責人吳迪看來，其首要任務是選擇更強、更智能且性價比更高的模型；其次，需要將數(shù)據基礎設施與大模型能力深度融合，高效的數(shù)據檢索能顯著提升大模型表現(xiàn)，而知識庫與記憶庫的有機結合則有助于打造更智能的產品體驗；最后，Agent 落地涉及大量工具調用，對其效果的持續(xù)評估和迭代將是團隊的長期工作重點。

當前，字節(jié)已經有扣子開發(fā)平臺企業(yè)版、扣子空間、Hi Agent 等智能體構建平臺。這次大會上，圍繞 MCP 協(xié)議，火山引擎 MCP Hub 已與 AI 原生 IDE Tree、方舟體驗中心和扣子打通，支持一鍵選用 200 多個豐富 MCP 協(xié)議服務。吳迪表示，與云的深度連接是火山引擎 MCP 的顯著特色。

提示詞工程是 AI 應用開發(fā)的重要部分。吳迪團隊判斷：第一，模型越強，提出好問題的正向價值越大，優(yōu)質問題才能充分釋放模型潛力；第二，現(xiàn)實世界中許多高價值問題沒有標準答案，如各企業(yè)用大模型提升招聘效率時，用人標準各不相同；第三，長期來看，提示詞工程本質是搜索優(yōu)化問題，歷史經驗表明所有搜索問題終將由自動化系統(tǒng)和優(yōu)化算法解決。為此，吳迪團隊推出了 Prompt Pilot，支持開發(fā)者用自然語言表達模糊需求，通過簡單互動獲得初步增強的 prompt。

吳迪表示，過去幾個月，強化學習算力消耗快速攀升，模型訓練正從單純的深度學習作業(yè)演變?yōu)榫C合推理訓練環(huán)境、模擬虛擬機等要素的分布式系統(tǒng)。隨著大量 Agent 進入現(xiàn)實世界，強化學習愈發(fā)重要。其預測到 2027 年，強化學習帶來的算力和資金消耗可能逼近整個行業(yè)在預訓練上的投入。

然而，當前強化學習面臨諸多挑戰(zhàn)：需協(xié)調 GPU/CPU 混合編排、異構算力調度和異步推理，系統(tǒng)駕馭難度增加；需要對環(huán)境模擬仿真進行管理，涉及大量代碼解釋器、瀏覽器、虛擬機和 MCP 服務，數(shù)百個沙盒需隨訓練過程快速啟停并確保安全隔離；訓練階段變得更動態(tài)復雜，整體運維難度提升等。

嘿，伙伴們，今天我們的AI探索之旅已經圓滿結束。關于“字節(jié)AI三連擊：定價革命+Trae普及+戰(zhàn)略卡位”的內容已經分享給大家了。感謝你們的陪伴，希望這次旅程讓你對AI能夠更了解、更喜歡。謹記，精準提問是解鎖AI潛能的鑰匙哦！如果有小伙伴想要了解學習更多的AI知識，請關注我們的官網“AI智研社”，保證讓你收獲滿滿呦！