9月16日、火山エッジ公式は正式に発表し、Doubao大モデル2.1Pro（Doubao-Seed-2.1-pro）が新しい0915バージョンのアップグレードを実施しました。現在、このモデルのAPIはすべて火山方舟で公開されています。同時に、Doubaoワーククライアントも更新を完了しており、ユーザーは最新バージョンをダウンロードまたはアップグレードし、「Doubao2.1Pro(0915新バージョン)」を選択するだけで直接体験できます。また、TRAEもこのバージョンに同期して接続されており、今年6月にリリースされたDoubao-Seed-Evolvingも同じバージョンにアップグレードされており、企業はAPI接続ノードを変更することなくスムーズな移行が可能です。

企業向け生産用のコアニーズに焦点を当てたアップグレードでは、Agentタスクの配信能力が大幅に強化されました。公式情報によると、新バージョンでは証拠のトレーサビリティ、権威ある情報源の検索、タイムリーな判断およびデータの確認機能が強化され、モデルの幻覚が大幅に減少し、ツール呼び出しを行う際にはより事実に忠実になりました。金融投資研究やオフィス自動化などの長文処理タスクにおいて、モデルはアナリストレベルの分析フレームワークを示し、研究要件を独自に分解し、高品質なデータソースを検索し、深いモデリング分析を行い、構造的に厳密な専門家レベルのモデリングの基礎資料を作成し、最終的な結論が根拠があり、推進プロセスがより安定しています。

image.png

マルチモーダルコーディング（プログラミング補助）の面では、モデルのコードエンジニアリング理解能力が大幅に強化されました。複雑なファイル間、長距離のプログラミング問題に対して、新バージョンはプロジェクト全体の構造と各モジュール間の内在的な関係を明確に把握し、根本原因を正確に特定して修正し、要件理解から実行検証に至るまで一貫したエンドツーエンドの開発プロセスをカバーします。さらに、強力な視覚言語モデル（VLM）の能力により、モデルは設計図、工事図、操作録画を直接読み取ることができ、視覚情報をフロントエンドコードやゲームロジックにシームレスに変換し、Web3D開発やゲームシーンの表示効果を本質的に向上させます。

マルチモーダル理解の分野では、新バージョンの動画推論能力が目立ちました。動画内で証拠を正確に位置付け、フレーム間で情報を統合して回答でき、SOP（標準作業手順）と照合して実際の操作を識別し、その背後にある原理を説明できます。このアップグレードにより、動画のラベリング、コンテンツ品質検査、長動画の編集と定位サマリーなど、多くの場面が直接恩恵を受け、物理教育、工学実践、科学実験操作、医療などの専門分野でより高い理解力を示しています。また、画像理解は3Dオブジェクトと密集したテキストと画像の方向で強化され、CAD部品、ゲームエンジンの3D要素およびAR空間の識別、工程図の寸法ラベリングと公差記号、PDFの図注・脚注・表頭階層、財務報告書や研究レポートのテーブル抽出、ページ跨ぎの脚注参照などの処理精度が明らかに向上しています。