火山引擎宣佈正式推出豆包編程模型（ Doubao-Seed-Code）：專為 Agentic 編程任務深度優化，在 SWE-Bench-Verified 官方榜單中刷新 SOTA，更兼容 Anthropic API 等主流開發環境。

公告稱，豆包編程模型在綜合使用成本方面較行業平均水平降低了62.7%，成為國內價格最低的 AI 編程工具。

• 0-32k 輸入區間：輸入1.20元/百萬 Tokens，輸出8.00元/百萬 Tokens
• 32-128k 輸入區間：輸入1.40元/百萬 Tokens，輸出12.00元/百萬 Tokens
• 128-256k 輸入區間：輸入2.80元/百萬 Tokens，輸出16.00元/百萬 Tokens

火山引擎還特別推出了 “Coding Plan” 訂閲套餐，針對個人開發者提供更多優惠，首次訂閲僅需9.9元。這一套餐不僅支持 Claude Code，還兼容 veCLI、Cursor、Cline 等多種主流工具。

此外，TRAE 中國版也正式接入豆包編程模型，為了更好地支持企業級AI開發場景，TRAE(CN)企業版今日正式公測。

Doubao-Seed-Code 支持256K 長上下文，可以輕鬆處理長代碼文件、多模塊依賴等複雜場景，更好支持端到端自主編程，在全棧開發中表現良好，前端能力尤為突出。同時，作為國內首個支持視覺理解能力的編程模型，它可參照 UI 設計稿、截圖或手繪草圖生成代碼，或對生成頁面進行視覺比對，自主完成樣式修復和 Bug 修復，大幅提升前端開發效率。

Doubao-Seed-Code 依賴於一套大規模 Agent 強化學習訓練系統。該系統內構建了覆蓋十萬容器鏡像的龐大訓練數據集，具備萬級併發沙盒會話的能力，可以對上千卡的單個RL任務實現高效訓練。基於這套系統，模型無需蒸餾或標註的冷啓動數據，完全依靠端到端強化學習訓練即可練就頂尖的Agent能力，優化路徑更簡潔高效。

訓練結果顯示，模型在 Multi-SWE-Bench 和 SWE-Bench-Verified 兩個數據集上的表現穩定上升，展現出良好的泛化能力。在 SWE-Bench 基準測試中，僅依賴 RL 訓練的 Doubao-Seed-Code 模型就可達到最優水平，表明純強化學習在真實編程場景下具備潛力。

與 TRAE 開發環境深度結合後，Doubao-Seed-Code 在 SWE-Bench Verified 榜單中達到78.80%的成績，取得了新的 SOTA。