Seed2.0 正式リリース

オリジナル 字节跳动 Seed 2026-02-14 13:57 北京

現実世界の複雑なタスクを突破する

大規模言語モデル（LLM: Large Language Model）を駆使した製品は、すでに私たちの生活に深く根付いています。過去一年余りで Seed が開発した LLM モデルシリーズは、豆包など数億人のユーザーを抱える C 側面向け製品をサポートしてきました。同時に、エージェント（Agent）時代の到来に伴い、LLM は現実世界の複雑なタスクにおいてより大きな役割を果たすようになることに気づきました。例えば、科学研究への参画や複雑なソフトウェア開発の支援です。また、LLM は文脈に基づいて自ら学習し、経済的価値のある多様なタスクを完了することも可能になります。

この重要な転換点において、最新シリーズである Seed2.0 をご紹介します。Seed2.0 は大規模な生産環境における利用ニーズに合わせて体系的に最適化され、現実世界での複雑なタスク突破を支援することを目的としています。

Seed 汎用モデルが MaaS（Model as a Service）サービスでどのように利用されているかを分析した結果、最も割合の高い需要は、混在するチャートやドキュメントなどの非構造化情報を処理する知識コンテンツであることがわかりました。企業からは、まず「多くを読み込み、深く思考する」タスクをモデルに実行させた上で、複雑かつ専門的なプロセス型業務へと移行することを求める声が多く、モデルの長文理解能力と多段階タスク実行能力に対する要求は年々高まっています。

Seed 汎用モデル MaaS サービスにおける中国本土での利用シーン分布。データは「火山方舟コラボレーション報奨計画」より提供され、関連ユーザーはすでに授权契約に署名しています。

実際の使用シーンを踏まえ、Seed2.0 シリーズは以下の点を中心に最適化を行いました：

より堅牢な視覚・多モーダル理解：Seed2.0 は視覚的知覚と推論能力を強化し、複雑なドキュメント、表、図形、動画コンテンツの解析レベルが大幅に向上しました。視覚情報の処理はより精密に行われます。

より信頼性の高い複雑な指示実行：Seed2.0 は指示への従順性と推論パフォーマンスを向上させ、多様な制約条件、多段階、長連鎖タスクに対する理解と実行能力を強化しました。これにより、高価値タスクを支えるための基礎的能力を既に備えています。

より高速かつ柔軟な推論の選択肢：Seed2.0 は、Pro、Lite、Mini の 3 つの異なるサイズの汎用 Agent モデルと、専用の Code モデルを提供し、企業や開発者がさまざまなシナリオのニーズに合わせて選択できるようになっています。

生産レベルの要件への対応をさらに強化するだけでなく、Seed2.0 はモデルの知能の上限向上にも注力しています。現在、Seed2.0 はオリンピック競技のような問題の解決から、研究レベルの推論タスクのサポートへと進化を遂げています。具体的には、エ尔德什（Erdős）レベルの数学的問題への挑戦や、一部の科学関連タスクにおけるプログラミング作業の実行が可能となり、機械知能の境界をさらに突破しています。

Seed2.0 Pro と Code モデルはそれぞれ豆包 App および TRAE で利用可能となりました。同時に、Seed2.0 シリーズ全体のモデル API も火山エンジンで同步公開されましたので、ぜひご体験いただき、フィードバックをお寄せください。

プロジェクトホームページ（Model Card 含む）：

https://seed.bytedance.com/zh/seed2

体験エントリーポイント：

1) 豆包 App - 「エキスパート」モードを選択して対話を開始；

2) TRAE - 「内蔵モデル」から「Doubao-Seed-2.0-Code」を選択。

多言語理解能力の包括的アップグレード

主要なベンチマークの多くで SOTA（State-of-the-Art）レベルを達成

Seed2.0 は多言語能力を全面的に強化し、あらゆる視覚理解タスクにおいて業界最高水準を達成しました。特にその視覚推論、知覚能力、空間推論、および長文脈理解能力の表現が際立っており、Seed2.0 Pro は関連する大半のベンチマークテストで最高得点を記録しています。

数学と視覚推論の分野において、Seed2.0 Pro は MathVista、MathVision、MathKangaroo、MathCanvas といった数学推論ベンチマークで業界最優位を達成しました。同時に、LogicVista や VisuLogic などの視覚パズルおよび論理推論ベンチマークにおいても、Seed2.0 Pro の得点は Seed1.8 から大幅に向上しています。

*印のデータは公開技術報告より引用

Seed2.0 の視覚知覚能力もさらに進化しました。VLMsAreBiased、VLMsAreBlind、BabyVision などのベンチマークにおいて Seed2.0 は業界最高得点を記録しており、これは異なる種類の視覚入力に対しても、正確かつ信頼性の高い知覚と判断能力を維持できることを示しています。

*印のデータは公開技術報告より引用

視覚理解の基礎能力の向上により、Seed2.0 は実社会での応用シーンにおけるパフォーマンスを大幅に向上させました。ドキュメント理解においては、モデルが直面するのは標準的なデータ入力ではなく、複雑なレイアウトが混在する生データであることがほとんどです。Seed1.8 と比較して、Seed2.0 の非構造化情報処理能力は著しく強化されており、ChartQAPro および OmniDocBench 1.5 のベンチマークにおいてトップクラスのモデル水準を達成しています。

同時に、長文脈理解の分野においても、Seed2.0 は DUDE や MMLongBench などのランキングで業界最高スコアを記録しました。

*印のデータは公開技術報告書より引用

動画シーンにおいては、Seed2.0 は時系列および運動知覚の理解能力を強化しており、TVBench、TempCompass、MotionBench などの主要な評価項目で先導的な位置を占めています。さらに EgoTempo ベンチマークでは人間を上回るスコアを記録し、「変化」「動作」「リズム」といった情報の捕捉がより安定していることを示しています。これは実装上の有用性が高いことを意味します。

*印のデータは公開技術報告書より引用

長尺動画のシーンにおいては、Seed2.0 はほとんどの評価項目で他のトップクラスモデルを上回っています。数時間規模の長尺動画を効率的かつ正確に処理することが可能であり、さらに動画ツール「VideoCut」によって長尺動画処理の対象範囲が拡大し、推論精度も向上しました。動画が長く情報が複雑な企業の実際の導入シーンにおいて、Seed2.0 は動画からの重要な情報を迅速に捕捉し、下流の意思決定に資する結論を正確に出力することができます。

同時に、Seed2.0 は複数のストリーミングリアルタイム Q&A 動画ベンチテストにおいても優れたパフォーマンスを発揮しており、AI アシスタントとしてリアルタイムの動画ストリーム分析、環境知覚、能動的なエラー修正、そして感情的な伴走を実現します。これにより、受動的な質問応答から能動的な指導へのインタラクションがアップグレードされ、フィットネスやファッションコーディネートなどの伴走シーンに応用可能です。

*印のデータは公開技術報告書より引用

LLM と Agent のパフォーマンスが大幅に強化

実社会における長期的なタスク実行能力の向上

Seed チームは、典型的な不均衡を観察しました。言語モデルはすでに競技レベルの難問を解決できるようになっていますが、現実世界においては、一度に設計が精巧で機能も完全な小プログラムを構築するなど、実務的なタスクをエンドツーエンドで完遂するのは依然として困難です。

LLM と Agent がなぜ現実問題に対処する際にたびたび行き詰まるのか。その原因は主に二点にあると考えられます。

第一に、現実世界のタスクはより長い時間スケールにまたがり複数の段階を含んでいますが、既存の LLM Agent は効率的なワークフローを自律的に構築することが難しく、長時間にわたる経験の蓄積も困難です。

第二に、現実世界における知識には強い分野ごとの壁があり、かつロングテール分布を示しています。各業界の専門的知見は訓練データに含まれる頻出語彙の領域には存在しないため、たとえモデルが数学やコード処理に優れていても、専門的な場面においてはその価値が限定的になりがちです。

Seed2.0 はまず、体系的なロングテール分野知識の強化によってこの課題に対処します。Seed2.0 Pro は SuperGPQA において GPT-5.2 を上回るスコアを記録し、HealthBench では首位を獲得しました。科学分野における総合的な成績は Gemini 3 Pro や GPT-5.2 と同等の水準を維持しています。

さらに、Seed2.0 Pro は学際的知識の応用能力が著しく強化されており、FrontierSci などの STEM ベンチマークテストで顕著な成果を示し、一部のシナリオでは Gemini 3 Pro を上回る得点を記録しました。同時に、ICPC（国際大学生プログラミングコンテスト）、IMO（国際数学オリンピック）、CMO（中国数学オリンピック）の各テストにおいて金メダルを獲得しており、モデルが数学、コード、推論能力においてさらに向上したことを示しています。

Seed2.0 はまた、指示遵守能力の強化に重点を置いています。関連する評価結果では、Seed2.0 が高い一貫性と制御性を維持できることが示されており、これが Agent モデルとして長距離・多段階タスクにおいて厳密な制約条件に従って実行するための基盤となっています。

基礎的な Agent 能力のスコアを見ると、Seed2.0 は長距離タスクにおいて顕著な成果を示しており、特に「資料調査」「要約归纳」「結論作成」といった連続するワークフローを次々と完遂することに優れています。深層研究タスクにおいては、Seed2.0 Pro が関連する三つの評価項目すべてで最高得点を記録し、研究型タスクにおける推進力と安定性を示しています。

複雑なエージェント（Agent）能力の評価において、Seed2.0 は業界の第一梯隊レベルに達しています。例えば、直接的な経済価値を持つ現実タスクの評価では、カスタマーサポートの質問応答、情報抽出、意図認識、小中学校段階の問題解答といった頻繁なユーザーシナリオにおいて安定したパフォーマンスを発揮します。また、GDPVal-Diamond や XPert Bench などの複雑な専門タスクベンチマークにおいても、競争力のある結果を達成しており、長連鎖かつ多制約のクエリタスクにも対応できることを示しています。

同時に、Seed2.0 Pro は FrontierSci‑research などの最先端科学研究ベンチマークにおいて強力なパフォーマンスを示し、AInstein Bench では首位を維持しています。これは科学発見のシナリオにおいて、仮説駆動型の推論能力が優れていることを示しています。

さらに、Seed2.0 は「研究アイデア」を「実行可能な実験計画」へと具体化することも可能です。

ゴルジ体タンパク質分析の例を挙げると、単に全体的な実験ルートを提供するだけでなく、遺伝子工学、マウスモデル構築、亜細胞分離、多オミクス解析といった要素を一つの完全なフローとして結びつけます。さらに、重要な工程での具体的な手法や、汚染を排除するための対照設定、純度を評価するための指標などまで詳細に記述します。関連分野の専門家は、Seed2.0 が提供する計画は、学際的な実験の詳細と手順化された表現において、大規模モデルに対する彼らの期待を超えていると評価しています。その回答は戦略レベルにとどまらず、構造が明確で科学的に相対的に信頼性があり、実行可能な実験草案を生成するものです。

長期的なタスク実行能力を向上させる一方で、Seed2.0 は推論コストもさらに低減しました。そのモデル性能は業界トップクラスの大型言語モデルに匹敵する一方、トークン（token）の価格設定は約 1 つオーダー低下しています。現実世界の複雑なタスクにおいては、大規模な推論や長連鎖生成により大量のトークンを消費するため、このコスト優位性がより重要となります。

*評価ベンチマークの詳細および Seed2.0 のその他の実用例については、モデルの Model Card をご参照ください。

まとめと展望

企業とユーザーの実際のニーズおよび使用シーナリオに対応するため、私たちは一連の評価ベンチマークを厳選・構築し、大型言語モデル向けの評価体系を構築しました。

この信頼性が高く先見的な評価体系を基盤に、Seed2.0 は多様なモダリティ（マルチモーダル）の理解と推論能力を強化し、ロングテール知識や複雑な指示の遵守に関する課題の解決に取り組むことで、複雑で長期間にわたる現実タスクにおけるモデルの信頼性を高めています。実際の応用シーンでの評価において Seed2.0 は優れたパフォーマンスを発揮し、業界トップティアの水準に達しており、科学研究レベルのタスクをサポートする可能性も既に示しています。

同時に、Seed2.0 はエンドツーエンドのコード生成やコンテキスト学習（文脈学習）においても顕著な進歩を遂げましたが、一部の難易度の高いベンチマークにおいては、国際的な最先端モデルと比較するとまだ改善の余地があります。今後は、実際のシーンに焦点を当てて Seed 言語モデルを継続的に迭代し、その知能の上限を不断に引き上げていきます。

原文を読む

WeChat で開くにはこちらへ