A ByteDance anunciou que a versão atualizada do Doubao-Seed-2.1-pro, lançamento 0915, está totalmente disponível através da API Volcano Ark. Paralelamente, o Doubao Work foi atualizado e o sistema TRAE já está conectado. A empresa enfatiza a implementação de codificação multimodal nos processos de produção, o aumento da confiabilidade dos agentes e a redução do custo de tokens para processamento de imagens e vídeos, que, segundo a empresa, é mais de 30% menor do que na geração anterior.
A codificação multimodal é apresentada como um recurso chave do produto. A ByteDance afirma que as tarefas corporativas frequentemente contêm não em documentos formais, mas em gravações de tela, esboços de interface do usuário e hábitos dos operadores. Em um caso oficial, o Doubao-Seed-2.1-pro 0915 conseguiu analisar um ERP Java não documentado, composto por cerca de 280.000 linhas, usando uma gravação e alguns esboços. O modelo conseguiu derivar a arquitetura e criar um frontend móvel funcional, deslocando o foco da escrita de especificações legíveis por máquina por humanos para a leitura da expressão visual por modelos.
Outro exemplo demonstrativo utilizou o repositório aberto do jogo Luanti, que incluía cerca de 387.000 linhas de código e 1.000 problemas históricos, sendo que os correções oficiais estavam ocultas. O modelo organizou o trabalho de vários subagentes durante quase 36 horas para realizar análise de causa raiz e corrigir arquivos entre si; aproximadamente 83% das tarefas concluídas corresponderam ao padrão aceitável para engenheiros.
Separadamente, o modelo restaurou uma cena tridimensional interativa de um pátio sazonal com base em quatro imagens de design, incluindo estrutura, água, vegetação e efeitos de câmera. O Volcengine também destaca a confiabilidade e a economia dos agentes. Anteriormente, o Doubao-Seed-2.1-pro ocupava posições de liderança em vários benchmarks, como Terminal Bench 2.1, SWE-Pro, SciCode, OSWorld, MobileWorld e MMMU-Pro. A atualização 0915 adiciona rastreamento de evidências mais forte, verificação de autoridade de fontes e verificação para relatórios de pesquisa volumosos, além de melhor parsing de documentos e desenhos de engenharia. O aumento da eficiência de tokens para processamento de imagens e vídeos é posicionado para uso em APIs corporativas de alta frequência. Este lançamento é uma atualização do modelo e do produto na plataforma Volcengine, e não um anúncio de financiamento, e equipes externas ainda poderão reproduzir os resultados de fusão de ERP e Luanti em seus próprios stacks.