字节新版豆包 2.1 Pro 上线，主打多模态编程能力
字节发布豆包 2.1 Pro，重点是把“看图看视频写代码”做成可交付能力：给一张平面图或一段演示视频，它能自己搭出可交互的 3D 场景和程序。
新版豆包 2.1 Pro（版本号 0915）已在火山方舟全量上线 API，官方公布的四个更新方向是多模态编程、Agent 专业任务交付、面向 3D 与专业图文的多模态理解，以及 Token 效率。多模态编程指模型能看着设计稿、工程图纸甚至录屏写代码，再根据自己截图的运行画面回头改代码。
正文摘录
.jpg) 编辑｜冷猫、Panda 国庆、中秋双节快到了，出游的地方想好了吗？ 这件事，AI 已经能帮上忙。我们只给了模型一段话，它依靠出色的多模态编程能力，交出了一份可交互的 3D 山西旅行导览。[](https://mp.weixin.qq.com/s/ICb4PFqTZVgaeMvZs9dg) 提示词：收集整理山西旅游相关知识和信息，绘制一份 3D 山西旅行景点地图/导览，可移动并可交互点击，了解各个景点在哪，主要看点是什么，有什么游玩 tips。画面清晰、好看、有趣。 结果相当惊艳！打开页面，首先是一张汇集山西代表性景点的山水风格首页。进入地图后，模型按照山西的海拔起伏搭出了 3D 地形，配色清爽耐看，整体信息也大致准确，还推荐了 4 条主题旅游路线。 这是字节前两天上线的 新版豆包 2.1 Pro（版本号：0915） ，API 已在火山方舟全量上线，豆包工作同步接入。 官方公布的更新方向有四个： 多模态 Coding、Agent 专业任务交付、面向 3D 与专业图文的多模态理解 ，以及 Token 效率 。其中最受关注的是 多模态编程 ，也就是让模型看着设计稿、图纸、录屏写代码，再根据运行画面继续修改。 过去几天，我们围绕该模型做了一轮集中实测。