汎用エージェントモデルSeed1.8が正式リリース

オリジナル 字节跳动 Seed 2025-12-18 12:11 北京

検索、コード、GUI Agent 機能を一体化

大規模モデルのタスク範囲が拡大するにつれ、私たちはユーザーニーズが提案の取得や情報の照会から、モデルに直接複雑なワークフローを実行させる方向へシフトしていることに気づきました。これは、汎用モデルが既存の言語生成の枠を超え、より広範な能力を備える必要があることを意味します。

このような背景のもと、私たちは多様なモダリティに対応する強力な能力を備えた汎用 Agent モデル「Seed1.8」を正式に発表しました。画像とテキストの入力をサポートし、情報検索、コード生成、GUI 操作、複雑なワークフローなどのシナリオにおいて効率的かつ正確にタスクを完了させることで、日益に多様化する技術ニーズに応えます。

以下が Seed1.8 の3つの主要な特徴です：

汎用 Agent モデル：Seed1.8 は検索、コード、GUI Agent 機能を一体化しており、ネイティブの基盤となる視覚能力により「見て」インターフェースと直接対話することができます。

低遅延・高効率応答：Seed1.8 は3つの思考モードをサポートし、タスクの複雑さに応じて処理方法を自動的に調整します。また、画像エンコーディングに必要なトークン数を最適化し、知能を損なうことなく推論効率を大幅に向上させました。

現実世界のニーズへの対応：Seed1.8 に対して厳格なシミュレーションによる実ワークフロー評価テストを実施した結果、広範なニーズを持つ情報検索、意図認識、複雑な指示の遵守などのシナリオにおいて良好なパフォーマンスを示しました。

私たちが構築した現実ニーズを指向する内部評価体系と公開ベンチマークを組み合わせ、Seed1.8 に対する包括的かつ体系的な能力テストを実施し、完全な結果は Model Card をご覧ください。以下では、Seed1.8 の汎用 Agent、LLM（大規模言語モデル）、VLM（視覚言語モデル）における主要な能力項目ごとのパフォーマンスについてそれぞれ紹介します。

プロジェクトホームページ（Model Card 含む）：

https://seed.bytedance.com/seed1_8

体験エントリー：

火山エンジン公式サイト-大規模モデル-豆包大規模モデル-豆包大規模モデル1.8-今すぐ体験

Seed1.8 汎用 Agent 能力

多様な実タスクで検証済み

複数のベンチマークテストにおいて、Seed1.8 は汎用 Agent モデルとしての強力なポテンシャルを示し、特に GUI Agent、検索、業界応用などのタスクにおいて優れたスコアを達成しました。

Agent 能力の難しさは多層的に現れます：

マルチタスク並列処理：モデルは複数のタスク間で判断を下し、計算資源を効率的に割り当て、各タスクの実行品質を保証する必要があります。

複雑な指示の遵守：複数の制約条件を扱う必要があるタスクでは、モデルは複雑な指示を迅速かつ正確に理解して実行しなければなりません。

ドメイン横断知識転移：モデルは異なる分野間で切り替わり、完璧にタスクを実行する必要がありますが、これには強力な跨領域知識と推論能力が求められます。

Seed1.8 は上記の難点においてすべて突破を遂げました。評価結果によると、同モデルは業界をリードする GUI エージェント能力を備えており、Seed1.5-VL よりもさらに向上し、パソコン、ウェブ、モバイルの 3 つの環境において、異なるシステムやインターフェースで多段階タスクを実行する信頼性を示しています。

Seed1.8 は検索タスクにおいても同様に目覚ましい成果を収めており、複数の公開エージェント検索評価ベンチマークにおいて業界トップクラスの水準を維持しています。例えば BrowseComp-en ベンチテストでは 67.6 という高得点を記録し、Gemini-3-Pro など他の最高峰モデルをも上回っています。

アスタリスク（*）付きのデータは公開技術報告書から引用したものです。番号 1 付きのデータは公式総合スコアから引用したものです。

Agentic Coding（エージェント型コーディング）関連の評価ベンチマークにおいて、Seed1.8 は現実的なソフトウェアエンジニアリングシナリオにおける安定した能力を示しました。これは Seed1.8 が単なるコード生成に留まらず、実際の開発環境でタスクを継続的に推進できるエージェントとしてのプログラミング能力を備えていることを意味し、複雑な工程シナリオでの応用に向けた基盤となっています。

アスタリスク（*）付きのデータは公開技術報告書から引用したものです。

顕著な経済的価値を持つ現実的な応用タスクにおいても、Seed1.8 のパフォーマンスは注目に値します。

FinSearchComp と XpertBench の評価によると、同モデルは金融・商業関連タスクの処理において相対的に安定しており効率的です。さらに Seed1.8 は WorldTravel という多モーダル応用タスクで 47.2 のスコアを記録し、旅行計画やユーザーニーズ分析といった実際のシナリオにおける要求に対して信頼性があることを示しています。

WorldTravel 関連のスコアは、5 回の試行のうち最良の得点を採用します。

図に示す通り、Seed1.8 は予算が限られた家族のためにベルリン旅行の行程を策定しました。これは旅行プラットフォーム、予約サイト、レストランメニューなど多様な情報を統合し、優れた推論能力と視覚解釈能力を活用して、すべての制約条件を満たす旅行計画を迅速に生成したものです。

上記の事例において、Seed1.8 は予算や時間といった基本条件に基づいて推奨を行うだけでなく、ユーザーの具体的な嗜好（例えば食事の味付けや宿泊環境など）にも対応し、行程を精密に調整します。インテリジェントな推論と制約最適化を通じて、モデルは複数の次元からの情報を自動的に統合し、完全かつ実需に合致した旅行計画を生成しました。これは、複雑な意思決定とパーソナライズされたカスタマイズにおけるその能力を示しています。

LLM 能力評価結果

トップレベルの汎用モデルに匹敵する水準

複数の公開大規模言語モデル（LLM: Large Language Model）ベンチマークにおいて、Seed1.8 は安定した競争力のあるパフォーマンスを維持し、業界の第一梯隊に位置しています。

数学、推論、知識理解といった核心的な基礎能力の次元において、その全体水準は業界トップクラスの汎用モデルに近づいています。

アスタリスク（*）付きのデータは公開技術報告書から引用したものです。

複雑な指示従属に関するベンチマークにおいて、Seed1.8 は安定した実行能力を示しました。此类タスクには通常、多重制約や逆条件、長距離推論が含まれており、モデルが多段階の実行プロセスを通じて指令目標を正確に理解し続けることが求められます。結果を見ると、Seed1.8 は複数の複雑な指示ベンチにおいて、業界をリードするモデルとほぼ同等の水準を維持しています。

アスタリスク（*）付きのデータは公開技術報告書から引用したものです。

これを基盤として、Seed1.8 はさらに能力検証を、教育指導、カスタマーサポートの質問応答、情報処理、意図認識、情報抽出、そして多段階の複雑なワークフローなど、真の専門家によって定義され明確な経済的価値を持つアプリケーションシナリオへと拡張しました。これにより、モデルが実際の使用環境において適用可能であることが検証されました。

VLM 多モーダル評価結果

スコアが大幅に向上し、顕著なパフォーマンスを発揮

Seed1.8 は複数の視覚言語ベンチマークテストにおいて優れた成果を収め、多モーダル推論タスクにおいては前世代モデルの Seed1.5-VL を上回り、多くのタスクで現在最も先進的な Gemini-3-Pro に迫る性能を示しました。

画像理解能力

Seed1.8 は画像の視覚的理解タスクにおいて良好なパフォーマンスを発揮します。多モーダル推論系タスクでは、極めて困難とされる視覚推理テストである ZeroBench において最高得点の 11.0 を記録し、前世代の Seed1.5-VL と比較して正答数が大幅に増加しました。

*印のデータは公開技術報告書より引用

一般的な視覚質問応答タスクでは、Seed1.8 は VLMsAreBiased ベンチマークテストで 62.0 のスコアを記録し、他モデルを大きく引き離しました。

*印のデータは公開技術報告書より引用

Seed1.8 は 2D および 3D 空間理解に関する複数のベンチマークテストにおいて優れた成果を収めています。特に 3D 空間理解や複雑なタスク、そして動的かつ複雑なデータセットにおける処理においては、高い適応性と推論能力を発揮します。

注釈 * のデータは公開技術報告から引用されています

ビデオ理解能力

Seed1.8 はビデオ理解分野において顕著な成果を収めており、特にビデオ推論、運動と知覚、長編ビデオの理解といったタスクにおいて、高い適応性を示しています。

動的シーンやリアルタイム知覚タスクにおいては Seed1.8 がトップクラスに位置し、複雑な知覚タスクにおけるモデルの能力、とりわけリアルタイム情報の処理における効率性の高さを示しています。

注釈 * のデータは公開技術報告から引用されています

Seed1.8 は長編ビデオ理解タスクにおいて特に優れたパフォーマンスを発揮しており、例えば VideoMME では 87.8 という高いスコアを記録しました。長編ビデオの理解には通常、複雑な時間的跨度、状況の変化、長時間にわたる文脈に基づく多段推論が伴います。Seed1.8 は「VideoCut」というビデオツール呼び出し機能を追加し、特定のシーンをスローモーションで再生して振り返ることで、より精密な長編ビデオの推論と高フレームレートの運動知覚を実現しています。

注釈 * のデータは公開技術報告から引用されています。注釈 ‡ のデータは評価時に字幕情報を含めて算出されています

ビデオ処理において、Seed1.8 は Token Efficiency（トークン効率性）を大幅に向上させることに成功しました。これにより理解能力が強化されるだけでなく、ユーザーにはより低遅延なリアルタイムビデオ処理体験を提供できるようになります。

複数の長編ビデオベンチマークにおいて、Seed1.8 は Max Video Token（最大ビデオトーク数）の設定をさらに低く抑えながら、Seed1.5-VL よりも優れたパフォーマンスを達成しています。

さらに Seed1.8 は、さまざまな Thinking Modes（思考モード）を導入することで、思考の深さを動的に調整する機能を組み込みました。ユーザーはタスクごとの異なるニーズに応じて、モデルの推論深度と計算負荷を柔軟に調整することができます。

Seed1.8 と他モデルの、異なる多モーダル推論ベンチマーク（Benchmark）における推論コストと精度の比較

未来展望

Seed1.8 を基盤として、私たちは全能型エージェントモデルの継続的な迭代（イテレーション）に取り組んでいきます。これは、現実世界の複雑なタスクにおける課題を解決するためです。今後、私たちは以下の方向性で継続的に取り組みを進めていきます。

スケーリング（Scaling）を継続し性能を向上させます。より強力な計算資源（コンピュートリソース）のサポートを通じて、モデルのパフォーマンスを事前学習および事後学習の両段階でさらに高め、日益に複雑化するタスクニーズに対応します。

長期タスクの実行能力を強化し、長時間の文脈処理とエージェントメモリ（記憶機構）の最適化を推進します。これにより、モデルは長期タスクや跨ステップ推論をより効率的に処理できるようになります。

モデルを実際のシナリオで不断に磨き上げます。現実の仕事や生活のシーンに関連する訓練データを継続的に拡張し、Seed モデルが変化する実際のニーズに真に適応できるようにします。

知能の境界を拡大します。私たちは Seed モデルにおける人間知能の境界に関する自主的な探求能力をさらに向上させ、より高次なエージェント能力の基盤を築きます。

同時に、私たちが考えるには、現実のニーズを指向した評価体系（ベンチマーク）を構築することは、エージェントモデルの安定性、汎化性、および可用性を向上させる上で大きな助けとなります。Seed1.8 の開発のために一部構築された評価用データセットは既にオープンソース化されているか、あるいは今後オープンソース化される予定です。これによりコミュニティ全体の共同発展を推進したいと考えています。

原文を読む

WeChat で開くにはこちらへ