豆包2.0好像真有说法？
- 内容介绍
- 文章标签
- 相关推荐
刚开始我不以为意，但看知乎某答主测了逻辑能力结果出人意外的好
先说一下，这位答主经常测评大模型，用的是私有非公开题库，所以不存在被污染的可能，他测评的其他模型排名都挺符合我认知的，所以我觉得测试成绩是有代表性的
但无奈其他benchmark，比如livebench和Analysis都没有豆包2.0的测评成绩，所以缺乏对照，特意请教下佬友们意见
LLM Benchmark Dashboard
image1089×565 41.7 KB
当然，这里说的是Doubao-Seed-2.0-Pro的逻辑推理能力，不是Doubao-Code，也不是编码能力，编程方面最强排名应该是挺难被撼动的
--【壹】--：
你可以自己测试一下，注意：reasoning_effort设置为high；不要看Doubao-Seed-2.0-Pro的思维链；……
另外，每一次见到Artificial Analysis我都要说一下它在我眼里是个野榜，和实际情况差得远，受刷榜影响很大（但AA的私有榜单如Omniscience值得一看）
--【贰】--：
这个博主叫大模型观察员吧？
--【叁】--：
多模态这一块，可能更强一些，看到一个博主的文章说的。
--【肆】--：
不可能比我家Gemini 3 Pro强
--【伍】--：
期待一波，话说DS v4怎么还没消息
--【陆】--：
Gemini知识量无敌，等正式版出来稳超豆包肯定没悬念，谷歌在数据这一块简直无敌
--【柒】--：
der 包 2.0 确实不错，app 端有几个我觉得不想它能解决的有点复杂的问题也能解决，直逼哈基米 3 Pro 了，多模态能力好像升级也不小，至少我用下来觉得至少到了能用的水平
--【捌】--：
toyama nao
--【玖】--：
请看佬友们的测试
豆包2.0新模型简单测试 开发调优[098938413ab71404ecb071d230f0d55f] 跑分秒天秒地秒空气，准备从几个方面测试一下 1，图片理解 https://linux.do/t/topic/1614904/8?u=user1703 2，画面分析 https://linux.do/t/topic/1614904/9?u=user1703 https://linux.do/t/topic/16149…豆包2.0又SOTA了？我的评价是：抬走 开发调优
首先豆包网页上的模型是残血的 [image] 区一样 然后我专门去火山引擎开了个API来跑测试 [image] 你究竟吃了多少claude [image] 贪吃蛇不是你自己的案例吗 [image] 我选的是high没错啊 [image] 红警倒还凑活，可以也做了一坨 平均每个题目都要思考300-500秒，有这时间我为什么不去用5.3 codex-xhigh呢 [im…
--【拾】--：
2.0貌似还是beta吧
--【拾壹】--：
gemini你们最近用的ok吗？我的网页版蠢哭了
--【拾贰】--：
看着是厉害不少
--【拾叁】--：
另外，好奇除了livebench外还有哪些benchmark能测评逻辑推理能力？CL-Bench算不算？
--【拾肆】--：
代码不太行吧
--【拾伍】--：
这个知乎博主的评测标准不就是按他自己的喜好来换题罢了，且不说论坛里的测试，还不如你自己用一下，把平常会用到的问题都问一下的有用
--【拾陆】--：
豆包之前以幻觉率低为特长，这个2.0可能确实有实力
榜单不错，收藏了，又多一个参考
--【拾柒】--：
这个测试的是逻辑推理，既不是代码也不是数学
--【拾捌】--：
不太看好字节的模型
--【拾玖】--：
火山方舟平台可以用上
image841×490 40.3 KB
刚开始我不以为意，但看知乎某答主测了逻辑能力结果出人意外的好
先说一下，这位答主经常测评大模型，用的是私有非公开题库，所以不存在被污染的可能，他测评的其他模型排名都挺符合我认知的，所以我觉得测试成绩是有代表性的
但无奈其他benchmark，比如livebench和Analysis都没有豆包2.0的测评成绩，所以缺乏对照，特意请教下佬友们意见
LLM Benchmark Dashboard
image1089×565 41.7 KB
当然，这里说的是Doubao-Seed-2.0-Pro的逻辑推理能力，不是Doubao-Code，也不是编码能力，编程方面最强排名应该是挺难被撼动的
--【壹】--：
你可以自己测试一下，注意：reasoning_effort设置为high；不要看Doubao-Seed-2.0-Pro的思维链；……
另外，每一次见到Artificial Analysis我都要说一下它在我眼里是个野榜，和实际情况差得远，受刷榜影响很大（但AA的私有榜单如Omniscience值得一看）
--【贰】--：
这个博主叫大模型观察员吧？
--【叁】--：
多模态这一块，可能更强一些，看到一个博主的文章说的。
--【肆】--：
不可能比我家Gemini 3 Pro强
--【伍】--：
期待一波，话说DS v4怎么还没消息
--【陆】--：
Gemini知识量无敌，等正式版出来稳超豆包肯定没悬念，谷歌在数据这一块简直无敌
--【柒】--：
der 包 2.0 确实不错，app 端有几个我觉得不想它能解决的有点复杂的问题也能解决，直逼哈基米 3 Pro 了，多模态能力好像升级也不小，至少我用下来觉得至少到了能用的水平
--【捌】--：
toyama nao
--【玖】--：
请看佬友们的测试
豆包2.0新模型简单测试 开发调优[098938413ab71404ecb071d230f0d55f] 跑分秒天秒地秒空气，准备从几个方面测试一下 1，图片理解 https://linux.do/t/topic/1614904/8?u=user1703 2，画面分析 https://linux.do/t/topic/1614904/9?u=user1703 https://linux.do/t/topic/16149…豆包2.0又SOTA了？我的评价是：抬走 开发调优
首先豆包网页上的模型是残血的 [image] 区一样 然后我专门去火山引擎开了个API来跑测试 [image] 你究竟吃了多少claude [image] 贪吃蛇不是你自己的案例吗 [image] 我选的是high没错啊 [image] 红警倒还凑活，可以也做了一坨 平均每个题目都要思考300-500秒，有这时间我为什么不去用5.3 codex-xhigh呢 [im…
--【拾】--：
2.0貌似还是beta吧
--【拾壹】--：
gemini你们最近用的ok吗？我的网页版蠢哭了
--【拾贰】--：
看着是厉害不少
--【拾叁】--：
另外，好奇除了livebench外还有哪些benchmark能测评逻辑推理能力？CL-Bench算不算？
--【拾肆】--：
代码不太行吧
--【拾伍】--：
这个知乎博主的评测标准不就是按他自己的喜好来换题罢了，且不说论坛里的测试，还不如你自己用一下，把平常会用到的问题都问一下的有用
--【拾陆】--：
豆包之前以幻觉率低为特长，这个2.0可能确实有实力
榜单不错，收藏了，又多一个参考
--【拾柒】--：
这个测试的是逻辑推理，既不是代码也不是数学
--【拾捌】--：
不太看好字节的模型
--【拾玖】--：
火山方舟平台可以用上
image841×490 40.3 KB