字节发布豆包大模型2.1 视频、图像、音频模型同步上新

智通财经APP获悉，据字节跳动公众号消息，在今天召开的火山引擎Force原动力大会上，豆包大模型2.1正式发布，Coding和Agent场景下表现均有大幅提升。豆包视频生成模型Seedance 2.0同步升级 ，支持原生4K，Seedance 2.5、豆包图像创作模型Seedream 5.0 Pro、豆包音频生成模型1.0也首次亮相。

字节表示，豆包大模型2.1包含Pro和Turbo两个型号，在检验模型真实工程能力和生产场景任务完成能力的多项权威测评集中，豆包2.1 Pro得分接近或超越GPT 5.5和Claude Opus 4.7。目前，豆包大模型2.1已经在火山引擎上线，面向企业和开发者开放API，并陆续接入了豆包、TRAE、扣子等应用。

同时，Seedance 2.0正式升级，支持原生4K，实现了更细腻的细节呈现、更稳定的动态画面、更丰富的色彩表现，已通过火山引擎对外开放。

全新的Seedance 2.5在成片时长、多参考能力、视频编辑方面都实现了新的突破。包括：单段视频生成最长达30秒、最多支持50个全模态参考素材输入、更可控的视频生成与编辑。目前，模型仍在内测中，预计7月初正式上线。

豆包图像创作模型和音频生成模型也首次亮相。Seedream 5.0 Pro在高密度、多层级信息的准确呈现方面进行了大幅优化，同时提供了交互式的精准编辑能力和多图层分离能力，还原生支持英语、西班牙语在内的14种语言文字生成，并自动适应每种语言的文化语境、排版习惯和字体形态。

豆包音频生成模型1.0则支持参考生成，输入文本、图片、音频任一模态的参考素材，均可端到端生成目标音频。此外，模型能够在长程生成中保持多角色音色的一致性，同时兼顾情绪、方言口音、背景音乐、环境氛围音以及拟音特效，一次直出影视级成品音频。