文：王智远| ID:Z201440
豆包2.0发了，该刷的都刷到了。参数、跑分、多模态升级，该看的都看了，刷完有个感觉，有些东西可以单独拎出来聊。
先说价格。百万tokens输入，Lite版0.6元。0.6元是什么概念？得放在一块比。
GPT-5.2标准版，输入1.75美元/百万tokens。按现在汇率，折人民币12.6元。Gemini 3 Pro，输入2美元/百万tokens，折人民币14.4元。
豆包的0.6元，不到它们的二十分之一。
官方说法更直接，推理成本跟行业内顶尖模型降低约一个数量级。一个数量级，就是十分之一。
这是战略定价。
字节在干一件事，把Token价格打到地板，逼所有人重新算账。自己招人搭模型划算，还是直接调用API划算？答案不用我说。
再看内部。Lite版0.6元，Pro版3.2元。
差五倍多，但Lite不是阉割版。官方说它的综合性能超越两个月前发布的上一代主力模型豆包1.8。
拿主力级模型打价格战，和其他厂商拿入门产品降价，不是一个打法。便宜。便宜到可以浪费。浪费才会产生新场景。新场景才会沉淀新数据。
所以，豆包2.0真正的对手是谁？是开发者心里的那个念头：要不我自己搭一个？
0.6元这个数，是算准了你心里的账。字节想把「自己搭模型」这个选项，从你的选择题里删掉。
便宜是便宜，这东西到底能干什么？这得看另一个细节：视频理解。
豆包2.0有个指标叫EgoTempo。这词有点绕，翻译一下：模型能看懂人的动作、节奏、微表情。在这个指标上，豆包的分数超过了人类平均水平。
超过人类是什么概念？
以前AI看你，是照片。现在AI看你，是直播。你挥一下高尔夫球杆，它能说出你第几秒手腕角度不对。你做一个健身动作，它能实时纠正你膝盖有没有超脚尖。
字节把Seedance 2.0也发了，那是做视频生成的。加上豆包2.0的视频理解能力，一套组合拳：看得懂，还能生成。
把这个能力放到抖音里想想。
现在的推荐是你刷了什么、搜了什么、停留了多久，算法猜你喜欢什么。以后的推荐，是你今天穿什么衣服、做什么动作、情绪怎么样、接下来想干嘛，AI实时看着你，然后给你推东西。
这是从「猜」升级到「看」。
OpenAI做视频理解，方向是让AI看懂世界；Google Gemini做视频理解，方向是空间定位和物理世界感知。字节做视频理解，方向只有一个：让AI看懂「你」。
那为什么要做这个方向呢？因为抖音、剪映。因为字节手里有全球最大的用户视频数据池，字节刚好匹配场景刚需。
另外，有一个细节值得琢磨。
豆包2.0在多模态基准测试里，TVBench、MotionBench这些和运动、时序相关的指标，都跑在前面，说明字节强化的是「这段视频里发生了什么变化」。
变化才是关键。
你刷抖音，看的不是静止的照片，是动的、活的、有节奏的内容。AI要能看懂这个，才能真的帮上忙。
所以我的第二个感受，字节在做的事，是把AI从「问答机器人」变成「盯着你看的私教」；盯着你看还能给出建议，这事得有场景才做得到。
能看懂人，然后呢？能干活的AI长什么样？
这就得聊Agent了。豆包2.0发的不只模型，还有Code版，专做编程的那个版本，字节的AI编程工具。
我记得有个演示，5轮对话，搭一个「马年庙会」互动页面。11个NPC，性格各不相同，会聊天、会招呼顾客、会现场砍价；烟花升空时的祝福语，孔明灯上的题词，都是AI即时生成的。
每次进去，互动都不一样。
以前这事需要一个团队：产品经理画原型、程序员写代码、美术画图、测试跑流程，几周时间；现在一个人加一个AI，几分钟。
字节把这个项目的代码和素材都开源了，放在GitHub上，让开发者自己去试，这是在展示一件事：能干活的AI来了。
能干活的AI意味着什么？企业组织架构要变。
再看另一个案例。飞书上搭了一个智能客服Agent，用OpenClaw框架加豆包2.0 Pro。
这个客服能干的事，跟客户对话、回答问题。遇到自己解决不了的难题，它会主动拉群，把真人同事拽进来。
帮客户预约上门维修，修完了还主动回访，顺手推荐春节优惠产品。一套完整的服务流程，AI自己跑下来了。
另外，这里有个指标值得看：HLE-Text，叫「人类的最后考试」。豆包2.0 Pro在这个测试里拿了54.2分，大幅领先其他模型。
54.2分意味着什么？
在一些复杂任务上，AI的表现已经接近人类专家的门槛了，智谱的GLM-5强调开源第一，DeepSeek V4被曝编程能力超Claude，字节的差异化在哪儿？
在全流程。
智谱让你自己搭模型，DeepSeek让你看代码生成指标，字节给你一套「工具加模型」的组合拳，TRAE加豆包Code。从想法到可运行的应用，几步就走完了。
所以，这在卖「生产力」。中台还要不要？PM和开发的边界在哪？哪些岗位会被AI替掉？字节没明说。但给了一个样板间，你自己看，自己琢磨。
能干活的AI来了。它的第一个活儿，可能替掉一些岗位。
所以，把这些事串起来，我有个判断；以前AI竞赛，比谁家模型强，参数、跑分、多模态，都是赛道上的指标，现在字节换了个玩法。
比谁门槛低、比谁看得懂你、比谁能替人干活。这叫什么？这叫重新画起跑线，它换了一条赛道，让你跑。剩下的，就看别人怎么跟了。
