字节 Doubao-Seed-2.0-lite 260428 测评

短的结论：能说会道的小天才

基本情况：

字节 Seed 团队在春节发布的 Seed 2.0 Pro 可谓是当时智力巅峰，但发完之后便进入了静默期，苦练内功解决模型的实际动手能力去了。等待近 3 个月之后，并没有等来传说中的 Seed 2.1，而是作为先行的 Seed 2.0 Lite。

Seed 发力多模态已经一年有余，Seed 系列模型一直是多模态方面的国内标杆，在国际上也属于第一梯队，与 Gemini 互有输赢。这次的小体量的 Lite 版本基本继承了大哥 Pro 的多模态能力，并进一步发展。

在逻辑思考能力上，Lite 虽然离大哥 Pro 有差距，但在同梯队中能做到综合成本最低，但受限于日益紧张的算力资源，Lite 这次也没有跑出小体量模型该有的速度。

逻辑成绩：

*1 表格为了突出对比关系，仅展示部分可对照模型，不是完整排序。

*2 题目及测试方式，参见：大语言模型-逻辑能力横评 26-04 月榜，额外新增#63，#64，#65 三题。

*3 完整榜单更新在 https://llm2014.github.io/llm_benchmark/

*4 红字模型代表工作在推理模式下(慢思考)，黑色模型则是对应的非推理模式(快思考)

下面取与其能力相近的GPT-5.4 Mini 作为对照模型，同时参考 Seed 2.0 Pro （简称Pro）的表现。

优势：

• 多步推理：Pro 在多步推理上有着惊人表现，但奈何思维效率不高，经常会花费额外数千 Token 进行答案确认，而 Lite 从 Pro 中学到了大量的高效思考技巧，并做出有效改进。在输出结果相同的任务上，Lite 使用 Token 平均仅有 Pro 的 80% 左右，但不绝对，也存在反面使用略高的情况。在中等难度的任务上，Lite 基本可以做到和 Pro 相同，并且稳定性甚至略高一些，这与官方 Benchmark 中一部分任务成绩超过 Pro 是吻合的。而在高难度挑战上，Pro 凭借更深入思考，还是可以拿到更多分数。而 Lite 似乎被抑制过多思考，在该深入思考的任务上，使用 Token 也很有限。不过GPT-5.4 Mini 在同样低的 Token 消耗下，仍能有效思考并拿分。

不足：

• 幻觉：幻觉问题是 Seed 系列的传统顽疾，2 月的 Pro 相比前代改进不大，而 Lite 相对 Pro 则又有一定程度劣化。在数据提取（捞针改进任务）上，Lite 表现过于随机。这一代虽然看不到完整思考链，但从仅有信息来看，Lite 确实被大量数据干扰，没有提取到所有数据就仓促输出。在本月新增的难度更大的长文本阅读题中，Lite 同样看不到题干中所有有效信息，导致最终输出偏差过大。
• 指令遵循：当任务条件多或者描述文本长，Lite 大体上可以遵循，但无法稳定，多遍可能会随机遵循其中一部分。这方面 Pro 表现稍好，但算不上优秀。GPT-5.4 Mini 相对稳定和精准一些。如果指令本身也较为复杂，有组合条件，条件变量等情况，Lite 情况要更坏一些，进行较长思考后，注意力跟不上，遗忘原始约束时有发生。不过这类问题 Lite 的 Token 用量只有 Pro 的70% 乃至 50%，效率有提升。

赛博史官曰：

Lite 的主战场不在推理，并不是所有的任务都要用到最强大的推理能力，尤其在多模态任务中，更需要模型能均衡地发展各个模态能力，并将其融合贯通，那么模型便会像一个睁开眼的人那样，解锁更为广大的可能性。而 Lite 几乎就是这样的模型。这样强大的多模态能力又将反哺到 Seed 团队进行Agent，Coding，媒体素材标注等多种场景的运用，这是数据飞轮运转必不可少的离合片。Seed 真正下一代当惊世界殊之时，Lite 必是功臣。