Hello，大家好，我是绛烨。
最近豆包有个模型讨论度挺高，Doubao-Seed-Evolving。
我一开始注意到它，是因为它更新得很勤，基本按周在迭代。而且用的是统一 Model ID，一次接入之后版本自动升级，不用来回切 Endpoint、改调用方式，这点对开发者来说挺省心的。
而且从方向上看，它明显冲着现在AI最热的两件事Coding 和 Agent去。
所以这次我没有拿 Benchmark 去测，也没太想看它数学题又涨了几分。我直接找了三件自己平时会做的事情。
第一，把电脑里一直在用的项目资料，整理成一个能搜、能问的知识库网站；
第二，做一款适合在小红书传播的 H5 小游戏；
第三，给自己搭一套可以长期使用的个人 AI 工作台。
这三件事都有一个共同点：它得看资料、理解图片、整理信息、做规划、写代码，中间还要不断调用工具，最后交出一个真正能用的东西。
这里多说一句视觉理解。到了 Agent 和 Coding 阶段，VLM（视觉语言模型）已经不是锦上添花了，设计稿要看懂、报错截图要读懂、UI 还原要对照、文档里的表格和流程图要解析。
纯文本模型在这些场景里基本是瞎的，而视觉理解一直是豆包 Seed 模型的优势项，处于全球第一梯队，比肩 Gemini。
这也是我选这三个 case 的原因之一：每个都得真看懂图，不是光处理文字就行。
到了 Agent 阶段，我更关心的已经不是模型会不会，而是它能不能把一件复杂的事完整做下来。
所以这次测试标准也很简单，最后交出来的东西，到底能不能直接用？带着这个问题，我开始跑。
WIKI
把过去的项目文件，整理成一个能搜能问的知识库 Wiki
先从一个我拖了很久的需求开始。
我的电脑里常年躺着大量项目文件，比如Word、PDF、PPT、会议纪要、网页收藏、代码说明、截图、零散笔记……
一个项目结束之后，资料基本就开始吃灰，真正麻烦的是，几个月后突然想找某个东西。
我明明记得做过，却完全想不起，最后经常变成全盘搜索。
所以第一件事，我想看看 Seed-Evolving 能不能把这堆历史资料，直接整理成一套个人项目 Wiki。
提示词我是这么写的：
我故意把第一题出的很重，因为这种任务特别考验 Agent 的基本功——多模态资料理解、深度搜索和来源追溯，刚好对应 Seed-Evolving 主打的视觉推理和更低幻觉的搜索能力。
很多模型单独总结一篇 PDF 没问题，单独写一个网页也没问题。
真正麻烦的是，一次塞进去大量不同格式的资料之后，它还能不能把关系理顺。哪些资料属于同一个项目，哪些内容有冲突，哪些只是重复，网站怎么组织，最后回答问题的时候能不能找到出处。
交付物包括：一份完整的资料盘点报告，一套分类体系和信息架构，一个可以本地运行、也可以继续部署的 Wiki 网站。
项目页、知识条目、全文搜索、标签筛选、资料导入和 AI 问答都做进去了，更关键的一点是，AI 问答给出的内容，可以继续往回追到原始资料。
这一下，整个东西就从一个垃圾站，开始有点接近真正能长期用的个人知识库了。
GAME
做一款能在小红书传播的 H5 小游戏
第二件是做小游戏。
我先让它调研近期小红书上比较常见、传播效果比较好的小游戏玩法，再从里面挑一个适合快速上线的方向，让它做一款移动端 H5 小游戏，主题就用「测测你是哪种 AI 打工人」，要有题目分支、结果生成、分享海报、埋点，还得适配手机端。
提示词：
这个 case 压的是视觉理解和多模态代码生成能力——参考截图里的风格能不能真看懂，再反映到代码里。所以我这次特别关注两个问题。
一是它到底懂不懂小红书。
现在让 AI 做一个 H5 页面并不难，比较难的是，做出来以后有没有小红书的种草感，放进真实内容流里会不会显得违和。
小红书的页面、封面、字体、排版、色彩密度，都有一套很明显的内容语言。如果只是做一个渐变色背景，加几个圆角卡片，再配点 Emoji，那和小红书没什么关系。
所以我给它参考截图，也是想看看模型能不能真正从视觉素材里抽出规律，再反映到最终页面里。
二是它懂不懂传播。
小游戏最关键的地方，从来都不只是题目本身——结果页才是传播核心。
用户为什么愿意截图？为什么愿意发小红书？别人看到结果之后，为什么还会继续点进来测试？这些都要在结果类型、文案、视觉和分享海报里提前设计。
所以这道题真正考的，其实是一整条内容传播链路。
确定方向之后，它完成了整套设计，包括配色、字体、题目、结果类型和分享海报，然后把这些东西写成了一个可以直接玩的小游戏。
做到这里，我对 Seed-Evolving 的感受开始有点变化。
因为它处理的已经不只是一个页面，前面那套调研、判断、设计和开发，被它串到了一起。
WORKBENCH
搭一个自己日常用的 AI 工作台
前两个案例多少还带一点测试性质。
第三个，我干脆做一个自己真想长期用的东西。
我一直想搞一个个人生活工作台：每天记账、看日程、打卡、健身、记录体重、存书影音、列待买清单……
这些东西现在散落在一堆 App 里。功能都能找到，问题是太散。
所以我干脆给 Seed-Evolving 提了个有点变态的需求
提示词：
最后还有一个纯审美要求：别给我整成一屏圆角卡片。我希望它看起来克制一点，高级一点，有点生活感。
这道题真正折磨模型的地方，在于细节特别多。
一个普通网页，写到一半忘了前面的要求，可能没什么感觉。这种工作台不一样——六个模块共存在一个文件里，数据需要互相保持一致，移动端和电脑端都得适配，存储、备份、导入、异常处理还不能漏。
任务一旦拉长，模型很容易写着写着就把前面的约束忘了。所以这一题，我其实是在测它的长程执行能力，也就是 Seed-Evolving 主打的通用 Agent 能力——百万上下文、长文理解和持续规划。
交付的是一个完整的单文件 HTML：没有外部依赖，下载之后直接双击就能打开。六个核心模块都在，数据会写入 localStorage，JSON 可以导入导出，手机和电脑也都能正常使用。
这种感觉挺有意思。以前 Vibe Coding 很容易让人上头的一点，是一句话生成一个网页。
现在慢慢开始变成：一句需求，生成一个自己真的会留下来继续用的小工具。
这两个阶段的区别，其实挺大。
REVIEW
跑完之后的感受
三件事做完，其实刚好把 Seed-Evolving 主打的三项能力都压了一遍：视觉推理和多模态代码生成（知识库的截图/PDF理解、小游戏的封面风格还原）、深度搜索和工具调用（更低幻觉，问答能带原文引用）、通用 Agent 长程执行（工作台六个模块的持续规划和约束保持）。
单看其中任何一项，现在很多模型都能做。真正让我觉得有意思的地方，是这些能力开始被连起来了。
以前用 AI，经常是这样的：先让一个模型整理资料，再自己把结论复制出来；然后让另一个模型写产品方案，再拿去 Coding，报错之后继续改，视觉不对再重新调——你始终是流程中间那个搬东西的人。
这次三个 Case 跑下来，我明显感觉到模型开始接手更长的一段流程：资料进去，它自己整理、自己规划、自己开发、自己检查，最后给你一个可以继续使用的产物。
当然，我目前依然不会把它理解成全自动。复杂任务里，该人工检查的地方还是得检查，尤其涉及重要判断、数据和最终发布的时候，人依然要站在最后一道。
但 Agent 真正开始好用之后，最明显的变化，大概就是：以前我们在问 AI 能帮我做哪一步；以后更常见的问题可能会变成：这件事，我到底还需要在哪几步介入。
这也是我这次测 Seed-Evolving 最明显的感受。
EPILOGUE
写在最后
Seed-Evolving 还在按照周频率持续迭代。所以这篇文章测到的，也只是它在 2026 年 8 月这个时间点的状态。下周、下下周再跑同一套题，结果都有可能继续变。
但从这一轮三个场景来看，我会继续关注 Seed 基模这条线。
我现在越来越觉得，接下来模型比的，很可能就是谁能把更长的任务真正做完
写代码、看图、搜索、调用工具，这些能力现在大家都在补。最后真正拉开体验差距的，还是能不能把它们一起用起来，帮你把事情做完。
如果后面 Seed-Evolving 再有比较大的版本更新，我应该还会拿同一套任务重新跑一遍，看看这种周更模型到底能进化到什么程度。
想自己试试的话，可以去火山引擎模型广场搜索 doubao-seed-evolving，也可以直接点原文链接这里接入。
现在火山 Agent Plan 里就能调用豆包搜索和这个模型，单月套餐限时 9.9 元起，想体验的可以试试。
END
我是绛烨，热衷于分享 AI 观察与干货。
如果这篇实测对你有用，欢迎点赞、在看、转发三连；
想第一时间看到后续，也可以顺手加个星标 ⭐