豆包 2.1 Pro 更新：能“看图写代码”，词元成本降三成

一句话说清：豆包大模型升级到 2.1 Pro（0915 新版），现在能看懂设计稿、录屏直接写出可运行代码，而且图像/视频推理的花销降了三成。

发生了什么

9 月 16 日，火山引擎宣布 Doubao-Seed-2.1-Pro 更新到 0915 版本，新模型 API 已在火山方舟全量上线，并接入“豆包工作”。用户在豆包工作里选“豆包 2.1 Pro（0915 新版）”就能体验。

这次升级主要围绕四件事：

• 多模态编程（放在首位）：模型能直接读懂设计稿、工程图纸、操作录屏，把视觉信息变成前端代码和游戏逻辑。比如给一段录屏加几张草图，它就给一套老 ERP 系统做出移动端页面；凭 4 张庭院设计图，能分阶段生成可交互的 3D 动态场景。
• Agent 长任务更稳：金融投研、办公自动化这类要反复调工具、联网调研的活，强化了证据溯源和信源核对，幻觉更少。测试里它能大范围检索跨语种资料、交叉比对，产出可回溯的尽调报告。
• 3D / 专业图文理解增强：视频推理、3D 物体识别等多模态任务变强。
• 词元（token）效率提升：图像推理和视频推理的词元消耗比上一代减少 30% 以上，推理轮次和工具调用次数也降了，企业和开发者的使用成本更直接下降。

对我有什么用

真实编程里大量知识不在文档里，而在设计图、界面、录屏、老员工的操作习惯里。纯文本代码模型天生缺一条腿，多模态正好补上。豆包把“人学习机器语言”反过来变成“机器看懂人的表达”，对前端、游戏、3D 建模等岗位是实打实的提效。

我可以怎么做

• 用豆包 App 或豆包工作，选“2.1 Pro（0915 新版）”，试试“开局一张图，剩下交豆包”：扔一张草图或录屏，让它生成网页 / 小游戏 / 移动端页面。
• 程序员：编程产品 TRAE 已同步接入新版，复杂仓库的跨文件、长程问题修复能力明显增强（官方测试里对开源游戏 Luanti 约 38.7 万行代码里的 1000 个历史 Issue，36 小时内把 83% 修到可合并）。
• 开发者：火山方舟上无需换接入节点即可用最新模型，成本和以前差不多甚至更低。

温馨提醒

• 是 0915 小版本更新，不是全新大模型；强项在多模态编程和长任务，别指望它取代所有专业工具。
• “看图写代码”对草图质量、录屏清晰度敏感，给的素材越清楚，出的代码越靠谱。
• 免费额度有限，重度使用看订阅档位；企业用量大的重点看词元成本下降带来的账。