豆包1.6模型震撼升级！实测效果解析与AI云原生Agent开发示例，不容错过！_doubao-seed-1.6

豆包1.6模型又更新了，这次发了3个模型，并且都支持视觉理解，也就是可以多模态理解。

• Doubao-Seed-1.6-thinking是一个强制思考模型

• Doubao-Seed-1.6是动态思考模型，支持thinking、non-thinking和自适应思考三种模式

• Doubao-Seed-1.6-flash是一个极速版模型，等同于上一代的lite模型

1.6版本模型相较于1.5版本在coding、math、 逻辑推理等能力上有很大的提高，同时与顶级闭源模型也基本持平，如下官方截图。

来源：https://mp.weixin.qq.com/s/TZeogITwPorPmToXU4f9iQ

这次的定价模式也是新奇，不论是否开启深度思考、还是纯文本或视觉理解任务，token的价格是一致的，而定价取决与输入长度。0-32K的输入，价格是deepseek和seed-1.5的三分之一，又是一波think模型的价格战！

豆包1.6模型实测

先说一下测试的整体感受，

• 对于普通任务，跟1.5感觉相差不大，但推理任务确实有一定的提高

• code能力大幅增强，尤其是写html代码，并且美感也很强

• 视频理解也不错，虽然表格识别依旧存在问题，但网页复刻属实有点东西，截图基本上可以1:1还原

• 当然指令遵循能力还是存在一些问题，后面可能还需要改进 下面测试实例。

文本推理

prompt：未来的某天，李同学在实验室制作超导磁悬浮材料时，意外发现实验室的老鼠在空中飞，分析发现，是因为老鼠不小心吃了磁悬浮材料。第二天，李同学又发现实验室的蛇也在空中飞，分析发现，是因为蛇吃了老鼠。第三天，李同学又发现实验室的老鹰也在空中飞，你认为其原因是

结果：我万万没想到，它竟然事实校验了，虽然我更希望它回答老鹰本来就会飞，但是它这个角度也算是另辟蹊径了。

prompt：小红有2个兄弟，3个姐妹，那么小红的兄弟有几个姐妹

结果：对就是4个，他给了另外的解释，就是为啥小红是女性，因为一般如果小红是男性，就会直接说小红的姐妹，而不是小红兄弟的姐妹。。。。

prompt：有一天，一个女孩参加数学考试只得了 38 分。她心里对父亲的惩罚充满恐惧，于是偷偷把分数改成了 88 分。她的父亲看到试卷后，怒发冲冠，狠狠地给了她一巴掌，怒吼道：“你这 8 怎么一半是绿的一半是红的，你以为我是傻子吗？”女孩被打后，委屈地哭了起来，什么也没说。过了一会儿，父亲突然崩溃了。请问这位父亲为什么过一会崩溃了？

结果：这道依旧无法攻克，确实是各大模型的难题，哈哈哈

ORC理解

prompt：请逐步详细分析，输出图片中的文字内容

结果：就少了一个字，但是这个手写体确实难，那个“的”确实很难识别了

代码生成

prompt：生成一个打工人时钟的html页面

prompt：复刻一个一模一样的html页面

结果：感觉很强了，基本上都复刻出来了，很满意！

原图

生成网页

还测了不少代码的例子，效果都不错，感兴趣的可以去试一下。

火山AI云原生开发快速搭建Agent

火山引擎也提出了“AI云原生”开发的新范式，简单来讲就是“模型+AI开发平台”，最后直接一步上云部署，让我们来瞅瞅是怎么个事儿。

这里豆包1.6快速搭建两个Agent应用，都是跟它相关，一个将生成的文档写入飞书文档，一个生成html直接在火山部署，外部可访问。

Cline端就用字节的Trae，Lark MCP则在火山引擎的大模型生态广场-MCP Servers。

火山引擎的MCP服务也是集成了丰富的官方云服务（快速是云计算、存储等产品，还有飞书的MCP）及优质三方生态工具，用户可以快速跳转，支持Remote MCP，Local MCP 部署方式，让Agent开发更便捷。

旅游规划写入飞书

简单搞个旅游规划，写入飞书，便于数据整理留存修改。当然其实啥都能写，比如日常写的一些文件，转换完之后看直接写入，省的自己复制粘贴了，在飞书上文档也好改。

在Trae里配置高德MCP和Lark MCP的配置，直接跟着MCP说明来就行。

配置完之后，配置智能体，选择对应的MCP工具。

然后直接问答即可，结果如下：

旅游页面直接部署

这里主要是借助火山引擎原生MCP-VeFaas，自动将html页面部署到火山引擎中，会自动途欢静态网页，然后自动创建API网关，最后直接返回一个公网访问地址，之后你想share的页面都可以这么做。

这里还有个注意点，就是API网关服务要提前授权，貌似账户里要有钱！

以上就是两个例子。

当然我前面写的系统提示词会比较简单，也没写很复杂内容结构，看过manus等agent产品的，都知道，提示词很重要。字节的force上也发布了PromptPilot工具，可以极大加速开发者对agent提示词部分的开发。

它可以通过交互式引导与提示词优化，帮助开发者将模糊需求转化为精准指令；也可以通过sdk进行代码调用。

真的解决了我不太会写提示词的困扰。

原始：

我是高考生，给年份、地点、分数、文理科。请根据历年各省录取线、专业热度、未来薪资趋势，为我匹配10所建议院校和专业，并说明每一个建议的理由（地域、调剂风险、就业），生成一个html页面供我查看

优化后：

你的任务是为一名高考生根据提供的年份、地点、分数、文理科信息，通过检索给考生推荐10所建议院校和专业，并说明每一个学校和专业的建议理由（包括地域、调剂风险、就业情况等），最终生成一个html页面文件供考生查看。以下是需要用到的信息：{{YEAR}}{{LOCATION}}{{SCORE}}{{ART_OR_SCIENCE}}在进行院校和专业匹配时，你需要依据历年各省录取线、专业热度、未来薪资趋势来综合考虑。具体步骤如下：1. 先根据考生所在地点和文理科，检索并筛选出该年份可能符合考生分数的院校范围。2.如果认为筛选内容不足，可以多次检索。3 从筛选出的院校中，结合专业热度和未来薪资趋势，挑选出合适的专业。4. 为每一所建议院校和对应的专业分析地域优势、调剂风险和就业前景。5. 整理上述信息，生成一个完整的html页面文件，页面应包含10所建议院校和专业的信息以及对应的理由。在给出最终的html页面之前，请先在标签中详细说明你的考虑过程，包括如何筛选院校、如何选择专业、如何分析地域、调剂风险和就业等方面。[在此详细说明你的考虑过程]最后，请将生成的html页面内容放在标签内。[在此输出完整的html页面内容]

当然原生的云工具MCP服务，可以实现从工具调用、模型推理、部署运营的深度协同，将Agent开发与云算力结合，更好支持企业服务。

 一、大模型风口已至：月薪30K+的AI岗正在批量诞生

2025年大模型应用呈现爆发式增长，根据工信部最新数据：

国内大模型相关岗位缺口达47万

初级工程师平均薪资28K

70%企业存在\"能用模型不会调优\"的痛点

真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！

二、如何学习大模型 AI ？

🔥AI取代的不是人类，而是不会用AI的人！麦肯锡最新报告显示：掌握AI工具的从业者生产效率提升47%，薪资溢价达34%！🚀

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工

📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

*   大模型 AI 能干什么？
*   大模型是怎样获得「智能」的？
*   用好 AI 的核心心法
*   大模型应用业务架构
*   大模型应用技术架构
*   代码示例：向 GPT-3.5 灌入新知识
*   提示工程的意义和核心思想
*   Prompt 典型构成
*   指令调优方法论
*   思维链和思维树
*   Prompt 攻击和防范
*   …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

*   为什么要做 RAG
*   搭建一个简单的 ChatPDF
*   检索的基础概念
*   什么是向量表示（Embeddings）
*   向量数据库与向量检索
*   基于向量检索的 RAG
*   搭建 RAG 系统的扩展知识
*   混合检索与 RAG-Fusion 简介
*   向量模型本地部署
*   …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

*   为什么要做 RAG
*   什么是模型
*   什么是模型训练
*   求解器 & 损失函数简介
*   小实验2：手写一个简单的神经网络并训练它
*   什么是训练/预训练/微调/轻量化微调
*   Transformer结构简介
*   轻量化微调
*   实验数据集的构建
*   …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

*   硬件选型
*   带你了解全球大模型
*   使用国产大模型服务
*   搭建 OpenAI 代理
*   热身：基于阿里云 PAI 部署 Stable Diffusion
*   在本地计算机运行大模型
*   大模型的私有化部署
*   基于 vLLM 部署大模型
*   案例：如何优雅地在阿里云私有部署开源大模型
*   部署一套开源 LLM 项目
*   内容安全
*   互联网信息服务算法备案
*   …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】