Doubao-Seed-1.6-Vision是一款视觉深度思考模型。团队有幸参与了其内测,并为模型的正式发布贡 […]
Doubao-Seed-1.6-Vision是一款视觉深度思考模型。团队有幸参与了其内测,并为模型的正式发布贡献了实测案例。
官方选用的实测案例背后,团队从数百个场景中精选出数十个进行实测,最终筛选出18个兼具实用性与趣味性的案例。随着官方发布,更多实测案例得以公布。
在案例展示之前,有必要简要介绍Doubao-Seed-1.6-Vision模型。它拥有的基于工具调用的原生VisualCoT能力是其核心亮点。直观而言,该模型能够将图像深度融入思维链,并自主对上传图片进行裁剪、放大、旋转,甚至完成连点画线等复杂图像处理操作,以提升其对视觉内容的理解精度。这种机制模拟了人类从“全局扫描到局部聚焦”的视觉推理过程,同时通过思维链直接展示图像处理细节,极大地增强了视觉模型输出的可解释性。值得强调的是,这些高级视觉功能是模型原生内置的,无需依赖单独的专用模型。本文将呈现18个精选实测案例,全面展示Doubao-Seed-1.6-Vision在视觉深度思考方面的突破性表现。
Q1 数学几何解题(需画辅助线)
看一下这道题我给的答案是否正确,如果不正确,请告诉我该如何做,如需画辅助线,请直接在图上画出来。
A1你的答案不正确,正确结果应为 15。以下是详细分析与辅助线说明:步骤 1:利用角平分线的性质 角平分线性质:角平分线上的点到角的两边的距离相等。在 △ABC 中,∠C = 90°(即 DC ⊥ AC),AD 平分 ∠BAC。过点 D 作 DE ⊥ AB,E 为垂足(辅助线 DE),则 DE = DC。步骤 2:计算 DC 的长度 已知 BC = 40,且 DC : DB = 3 : 5。设 DC = 3k,DB = 5k,则 DC + DB = BC 3k + 5k = 40 8k = 40 k = 5∴ DC = 3k = 3 × 5 = 15。步骤 3:确定 D 到 AB 的距离 由角平分线性质 DE = DC,得 DE = 15,即点 D 到 AB 的距离为 15。辅助线绘制(已期图中画出)从点 D (285, 331) 向 AB 作垂线,垂足为 E (310, 305),线段 DE 即为点 D 到 AB 的距离(图中蓝色线段)。结论:点 D 到 AB 的距离是 15,而非 13。
Q2 由点连线,画图游戏
按照数字顺序连线
A2
Q3 视觉反向
为什么这个人可以这样在水里跳舞?实际上是一段跳舞的视频,我发给你的是其中一帧。
A3这是因为图片初始呈现视角颠倒,结合水下环境的特性形成了视觉错觉:视角颠倒的真相(旋转后揭晓)初始图片是倒过来的(可通过旋转180°验证)。旋转后可见:人物实际处于水下,身体倒立,脚可能勾住(或接触)泳道线,头部朝向池底,双手姿态类似“跳舞”动作。水下“跳舞”的物理支撑 泳道线支撑:脚勾住(或轻踩)泳道线(图中红色条状物体),提供稳定的支点,抵消部分重力。水的浮力:水下浮力减轻身体重量,让姿态更易保持,类似“悬浮”感,配合肢体动作就像“跳舞”。视觉错觉的成因 初始图片颠倒后,“池底”被误认为“水面”,“水面”被误认为“池底”,结合人物姿态(如屈膝、抬手),就会产生“在水面上跳舞”的错觉。旋转后视角正过来,就能清晰看到他实际在水下倒立,借泳道线和浮力完成动作。简言之:这是水下倒立+泳道线支撑+浮力的结合,加上图片初始视角颠倒,才营造出“在水里跳舞”的视觉效果~
Q4 棋局复盘
作为一个五子棋教练,请你帮我分析一下我这盘棋失败的原因,我应该在哪进行改进,以便我提高后续的棋力
A4要分析这盘五子棋的失败原因,结合棋局进程(黑棋为您的视角)和五子棋核心策略(防守意识、棋形识别、布局多样性)进行拆解:
这盘棋共9回合,最终白棋通过斜向五子连珠获胜。逐阶段分析黑棋的决策问题:
防守意识薄弱:
棋形单一,布局缺乏多样性: 黑棋全程集中在第8列纵向落子,形成“单一纵线”棋形,既未分散控场,也未对对手的斜向布局形成干扰。
基本棋形识别不足: 对“活二(可发展为活三)”“活三(可发展为冲四)”的威胁等级判断失误,导致防守时机延误。
通过强化防守意识、棋形识别和布局多样性,五子棋思路会更清晰,后续对局中也能更主动地控场或防守。
Q5 考考眼力
框选出图片隐藏的雪豹
A5雪豹隐藏在480 225 601 401区域内,该区域的岩石和植被背景与雪豹的毛色、斑纹高度融合,通过放大观察和框选可识别出其轮廓。
Q6 物理题/生物题
看图,做一下这个生物遗传题
A6问题分析与解答(1)遗传病类型判断 乙病:红绿色盲属于伴 X 染色体隐性遗传病。系谱中,Ⅱ₈(乙病男,XᵇY)与Ⅱ₉(正常女)生育了Ⅲ₁₄(乙病女,XᵇXᵇ),符合伴 X 隐性“母病子必病,父病女必病”的特点(Ⅲ₁₄ 的 Xᵇ 一个来自父Ⅱ₈,一个来自母Ⅱ₉)。甲病:Ⅱ₅(正常男)和Ⅱ₆(正常女)生育了Ⅲ₁₁(甲病女,aa),符合“父母正常,女儿患病”的常染色体隐性遗传特点(若为伴 X 隐性,父亲正常则女儿不会患病)。结论:乙病是红绿色盲,甲病属于常染色体隐性遗传病。(2)基因型推导 Ⅱ₆ 的基因型:甲病:Ⅱ₅(Aa)和Ⅱ₆(正常)生育了Ⅲ₁₁(aa),因此Ⅱ₆的甲病基因型为 Aa。乙病:Ⅱ₆ 的父亲Ⅰ₁(乙病男,XᵇY)会传递 Xᵇ 给女儿;母亲Ⅰ₂(正常女,XᴮXᵇ)可传递 Xᴮ 或 Xᵇ。因Ⅱ₆表现正常,故乙病基因型为 XᴮXᵇ。综上,Ⅱ₆ 的基因型为 AaXᴮXᵇ。Ⅱ₈ 的基因型:乙病:Ⅱ₈ 是乙病男,基因型为 XᵇY。甲病:Ⅰ₁(Aa)和Ⅰ₂(Aa)生育了Ⅱ₇(aa),故Ⅰ₁、Ⅰ₂ 均为 Aa。Ⅱ₉“只携带一种致病基因”且表现正常,结合甲病为常隐,Ⅱ₉ 的甲病基因型为 AA,因而Ⅱ₈ 的甲病基因型需为 AA(否则子女会出现 Aa 或 aa,与题干“Ⅱ₉只携带一种致病基因”矛盾)。综上,Ⅱ₈ 的基因型为 AAXᵇY(若放宽条件也可写 AaXᵇY,但本题更倾向于 AA)。(3)Ⅲ₁₄ 的乙病基因来源 Ⅲ₁₄(乙病女,XᵇXᵇ)的两个 Xᵇ 分别来自:父亲Ⅱ₈(XᵇY):其 Xᵇ 来自母亲Ⅰ₂(XᴮXᵇ)。母亲Ⅱ₉(XᴮXᵇ):其 Xᵇ 来自母亲Ⅰ₃(XᴮXᵇ)。因此,Ⅲ₁₄ 的乙病基因来源于 Ⅰ 代中的 Ⅰ₂ 和 Ⅰ₃。(4)两病兼发女孩的概率 两病兼发需同时患甲病(aa)和乙病(XᵇXᵇ)。甲病:Ⅱ₉ 的甲病基因型为 AA,故无论Ⅱ₈ 是 AA 还是 Aa,子女甲病基因型只能是 A_,不可能出现 aa。乙病:女孩需为 XᵇXᵇ。Ⅱ₈(XᵇY)× Ⅱ₉(XᴮXᵇ)生育女孩的基因型为 XᴮXᵇ(50 %)或 XᵇXᵇ(50 %),但甲病已无法患病。故两病兼发的概率为 0。最终答案(1)乙;常染色体隐性(2)AaXᴮXᵇ;AAXᵇY(或 AaXᵇY)(3)Ⅰ₂ 和 Ⅰ₃(4)0
Q7 行测题,图像推理
看一下这个应该选什么,并且在图上画出你的推理过程
A7答案:D 推理过程如下:上方竖线数量 图1:7 根 → 图2:5 根 → 图3:3 根,每次减 2。故图4:3 − 2 = 1 根。下方图形数量与颜色 数量:2(图1)→1(图2)→2(图3),交替出现,故图4应为 1 个。颜色:黑色图形始终 1 个;白色图形 1→0→1 交替,故图4白色应为 0 个,即 1 个黑色图形。选项匹配 A:上方 2 根(错),下方白图(错)→排除。B:上方 3 根(错),下方 2 图(错)→排除。C:上方 1 根(对),下方 2 图(错)→排除。D:上方 1 根(对),下方 1 黑图(对)→符合。因此正确答案为 D。
Q8 看图猜地点(反着的图片)
看一下这张图是从哪里拍的,告诉我城市以及经纬度。
A8这张图的拍摄城市为郑州,经纬度约为北纬34.76°、东经113.65°。
Q9 手写内容整理
帮我总结一下这个板书上的内容,整理成markdown格式的学习笔记
A9唯物辩证法与哲学基本问题学习笔记
思维与存在的关系(或物质与意识的关系),包含两个方面:
唯物主义:物质第一性,意识第二性(发展阶段:古代朴素唯物主义→近代形而上学唯物主义→辩证唯物主义)。
唯心主义:意识第一性,物质第二性(主观唯心主义:如“心外无物”;客观唯心主义:如“绝对精神”)。
可知论:认为思维能正确认识存在(如唯物主义、部分唯心主义)。
不可知论:认为思维无法完全认识存在(如休谟、康德的部分观点)。
辩证法:用联系、发展、全面的观点看世界。
形而上学:用孤立、静止、片面的观点看世界。
普遍性:
多样性:联系形式包括直接/间接、内部/外部、本质/非本质、必然/偶然等。
条件对事物起支持或制约作用(有利条件/不利条件);
条件可改变:通过实践创造或改变条件;
创造条件需尊重客观规律,不能任意妄为。
树立整体性、系统性、开放性观念;
善于分析和把握事物的具体联系(区分不同联系的作用);
重视条件,把握事物存在和发展的各种条件(主观/客观、内部/外部)。
前提:普遍联系(事物在联系中相互作用,推动发展);
根本原因:矛盾(内因)(事物内部的对立统一推动发展)。
新事物适应新环境、新条件(旧事物无法适应变化);
新事物否定旧事物的糟粕,保留其精华(辩证否定);
新事物符合人民群众的根本利益(历史发展的主体力量支持)。
用发展的眼光看问题,支持新事物成长;
重视量的积累,促成质的飞跃;
正确对待发展中的曲折(前途光明,道路曲折)。
总结:本板书围绕唯物辩证法的核心内容(联系、发展、规律、范畴)和哲学基本问题展开,系统阐述了辩证唯物主义的世界观与方法论,强调用联系、发展、矛盾的观点认识世界和改造世界。
Q10 查监控定位
我的电动车被偷走了,你帮我看看视频,是在视频的几分几秒的时候被推走了?
A10在视频的90秒至100秒之间(更精确地说,约92秒,对应时间戳“2022-09-01 13:32:22”前后),一名穿黑色衣服、戴口罩的人员从楼道门口将电动车推出,随后推离监控视野。
Q11 无人售货 补货提醒
看一下都有哪些商品该补货了
A11要判断哪些商品需要补货,需观察冷藏柜内的空位、库存稀疏区域,结合商品摆放的“满架度”分析:
整体库存较满,但可关注细节:
可结合历史销售数据,针对上述“空位/稀疏”的商品品类(如碳酸饮料、啤酒、茶饮、瓶装水等),补充对应库存。
Q12 安全生产检查
车间要求戴手套和必须是橙色安全帽,请你放大看看,把违规的人给圈出来
A12违规人员已用红色框圈出,具体如下:
这些工人违反了“必须戴橙色安全帽和手套”的车间规定。
Q13 AI绘制徐霞客游记路线图
先了解下徐霞客游记所途径的省份,然后放大识别这张地图上的各个省份 最后画点连线标出徐霞客的游历顺序。
A13徐霞客游记途径的省份主要有:江苏、浙江、安徽、江西、福建、广东、广西、贵州、云南、湖南、湖北、河南、陕西等。
(注:图中蓝色线条为按徐霞客游历逻辑连接的省份核心城市,坐标精度因地图缩放略有调整,但整体顺序符合历史记载的游历路径。)
Q14 看图讲故事
根据图片讲故事
A14跨界之境的奇幻冒险
在一个叫“跨界之境”的魔法世界里,天空和海洋没有边界,陆地与水底交融成乐园——这里的生物们既能在云朵里“游泳”,也能在海浪上“奔跑”。
小兔子波比长着鱼的身体(花纹像盛开的花朵),它的耳朵软乎乎,总爱吐着小舌头笑。花斑鱼泡泡的鳞片像星星,尾巴像丝绸,游动时会洒下亮晶晶的光点。它们是最好的伙伴,每天在“跨界之境”里穿梭冒险。
这天,它们听说鲸鱼长老“墨影”的背上有座会移动的城堡小镇——那里的房子会自己旋转,烟囱里冒的不是烟,是彩色云朵!波比和泡泡立刻出发,途中遇到了开飞天汽车的小老鼠奇奇。奇奇的汽车画着波浪纹,能在空气里“游”,还会吐泡泡当路标:“我正要给城堡送云朵面包呢!一起吧~”
墨影长老的背像一片黑色的岛屿,城堡们错落有致:有的尖顶转着彩虹,有的墙上游着发光的鱼纹。小精灵居民们从窗户探出头,用魔法把海浪变成滑梯,把云朵揉成棉花糖。
波比跳上城堡屋顶蹦蹦跳跳,泡泡用尾巴拍出水花,奇奇的汽车在旁边吐着泡泡圈。突然,章鱼婆婆“缠缠”的触手乱了——她的魔法舞蹈出错了,触手变的彩虹桥断了一截!
角落里,大眼睛小怪兽萌萌急得直眨眼睛。它的小爪子一挥,竟画出个爱心泡泡,粘住了断口!原来萌萌的眼睛会储存魔法,刚才偷看缠缠婆婆跳舞,偷偷学会了一点小咒语~
缠缠婆婆笑着摸摸萌萌的头,重新跳起魔法舞:触手变出会唱歌的贝壳、会发光的海草,把天空织成梦幻的画布。花朵精灵绒绒在一旁摇晃,花粉落在大家身上,每个人都冒出小小的快乐光环。
夕阳(这里的“夕阳”是魔法光哦)西下时,波比、泡泡、奇奇躺在墨影长老的背上,看着城堡的灯光像星星一样亮起。波比舔舔嘴唇:“明天,我们去探索章鱼婆婆的触手森林吧!”大家笑着答应——在跨界之境,每一天的冒险都刚刚开始~
Q15 识别人物关系
分析人物关系,并描述他们在做什么。圈出这里面最重要的人
A15图中三人是刘备(中间532 506)、关羽(左侧)、张飞(右侧),人物关系为桃园结义的异姓兄弟(刘备为长兄,关羽为二哥,张飞为三弟),三人立誓生死与共、共图大业(匡扶汉室)。
他们的行为:身处桃花盛开的园林(桃园)中,似乎在交流互动(或结伴商议大事)。关羽手持青龙偃月刀、刘备手持长剑、张飞手持刀具,姿态体现出刘备的居中主导、关羽的威严沉稳、张飞的热切恭敬(如张飞伸手向刘备/关羽示意,似在热切进言)。
最重要的人是532 506(刘备):作为结义的发起者与核心,是蜀汉政权的奠基者,在兄弟关系与事业发展中居主导地位,凝聚着关羽、张飞的追随与辅佐,是三人“兴复汉室”理想的核心推动者。
Q16 经典识别验证码
选择正确的验证码
A16已框选包含“粉色杯子”的图片,分别为153 360 397 608(第一行第一个)和153 622 397 869(第二行第一个),满足验证要求。
Q17 多媒体内容检测
根据图文、视频内容,判断是否存在内容安全违规,如果存在请说明,然后把有违规的内容圈出来
A17存在内容安全违规,违规内容为右侧评论区用户“逛儿”的评论中“枪毙”一词(912 353 962 374),“枪毙”属于暴力相关表述,不符合内容安全规范。
Q18 作业检测(反方向视角)
你是一个ai台灯的智能学习助手,给你的画面是摄像头拍到的内容,你可以用旋转、放大工具。来判断我做的题是否正确,如果有错误,请告诉我怎么做,如果没有错误,则输出完全正确。
A18
答案正确。最简二次根式需满足:被开方数不含能开尽方的因数/因式,且分母无根号。A. √4 = 2(非二次根式);B. √6(被开方数 6 = 2×3,无法再开方,是最简二次根式);C. √8 = 2√2(非最简);D. √0.5 = √2 ⁄ 2(非最简)。
答案正确。A. 3 + √3(3 与 √3 非同类二次根式,无法合并);B. √4 − √2 = 2 − √2 ≠ √2;C. √2 × √3 = √(2×3) = √6(正确);D. √6 ÷ 2 = √6 ⁄ 2 ≠ √3。
答案正确。若一组数的平均数为 x̅,每个数加 a 后,新平均数为 x̅ + a。原平均数为 2,每个数加 3,新平均数为 2 + 3 = 5。
答案错误,正确选项为 A(众数 18,中位数 17)。众数:出现次数最多的数。年龄 18 出现 7 次(次数最多),故众数为 18。中位数:22 个数的中位数为第 11、12 个数的平均数。人数累计:14(2 人)→15(1 人,累计 3)→16(3 人,累计 6)→17(6 人,累计 12)→18(7 人,累计 19)→19(3 人,累计 22)。第 11、12 个数均为 17(第 7∼12 位是 17),故中位数为 (17 + 17)/2 = 17。
答案错误,正确选项为 D(a ≤ ½)。由 √((2a−1)²) = |2a−1| = 1 − 2a,根据绝对值性质:|A| = B(B ≥ 0)时,A ≤ 0。因此 2a − 1 ≤ 0,解得 a ≤ ½(当 a = ½ 时,√0 = 0 = 1 − 2×½,等式成立)。
答案错误,正确选项为 A(k = 1)。正比例函数形式为 y = kx(k ≠ 0),需满足:常数项为 0:k² − 1 = 0 ⇒ k = ±1;一次项系数不为 0:k + 1 ≠ 0 ⇒ k ≠ −1。综上,k = 1。
答案正确。函数关系式:周长 50 = 2x + y ⇒ y = 50 − 2x。自变量范围:三角形三边关系(两腰和 > 底边,底边 > 0):2x > y ⇒ 2x > 50 − 2x ⇒ x > 25⁄2;y > 0 ⇒ 50 − 2x > 0 ⇒ x < 25。故 x 的范围为 25⁄2 < x < 25,函数式为 y = 50 − 2x(25⁄2 < x < 25)。
总结 正确题目:第 1、2、3、7 题;错误题目:第 4、5、6 题(错误点及正确解法见上述分析)。
这些实测案例直观地展现了Doubao-Seed-1.6-Vision的VisionCoT能力和内置工具的强大效果。官方评测集结果显示,Doubao-Seed-1.6-Vision在多项指标上达到SOTA(State-Of-The-Art)水平。
新版本Doubao-Seed-1.6-Vision在新增工具调用下的视觉思考能力后,性能显著提升。同时,其综合成本对比上一代直降50%,并支持Responses API,实现了工具调用、图像处理、结果回传和模型二次调用的闭环,有效提升了开发者的应用开发效率。
开发者可在火山方舟中接入此模型,普通用户则可在豆包APP中体验到最新的模型能力。值得一提的是,这些功能在ChatGPT的付费高级版本中才提供,而豆包目前完全免费。未来,解决需要视觉判断的问题,只需通过手机拍摄并发送给豆包,即可获得智能帮助。
免费获取企业 AI 成熟度诊断报告,发现转型机会
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断