Doubao Seed 2.1 Proは、ByteDanceのVolcano Engineが年次Forceカンファレンスでリリースした最新の基盤モデルだ（同シリーズにTurbo版もある）。今回のアップグレードを一言でまとめると：AgentとCodingが本番級の利用可能ラインを越え、マルチモーダル認識に驚きがある。

日ごろ大モデルでドキュメント駆動開発、調査収集、情報カード生成、電子書籍執筆を行い、かつコストを気にする人のために、この記事は実際のシーンのセットで、Seed 2.1 Proが今どれだけ戦えるか、どう使うかを伝える。

価格：Claude Opus 4.6比で約80%低下

Doubao 2.1 Proの100万トークンあたりの入力価格は6元、出力価格は30元で、キャッシュヒット価格はわずか1.2元。Claude Opus 4.6と比べて価格は約80%低く、これが本番ワークフローに組み込まれた中核理由のひとつでもある。

Coding実測：「先読み後書き」から自律debugまで

小型車テスト（ネイティブJS物理アニメーション）

このテストは、大モデルの物理モデリング、シームレスなループアニメーション、空間レイヤー、美学、プログラミング能力を一度に試すもので、サードパーティライブラリの使用が禁止され、ネイティブJSコードのみを一から生成する必要がある——ひとたび間違えると簡単にホワイトアウトする。

Seed 2.1 Proが吐き出した結果は全体の完成度が高い：レイヤー分けされたパララックス、車輪の回転、車体の微細な動き、映画級のライティングまで全部通った。背景の木々の高さがまばらでやや不自然で、車輪の位置がやや上寄りだが、ネイティブJSのシーンでは想定超えだ。

スクリーンショットからフロントエンド対話を復元（VLM能力）

これが今回最も実用的な発見だ。Seed 2.1 Proにクライアント設定画面のスクリーンショットを1枚渡し、プラグインの質素な「単段階プルダウンセレクター」を「2段階連動＋設定ソース切替」へ改修させた。

いきなりコードを書き始めるのではなく、まずスクリーンショットに視覚理解を行い、UIのレイアウト構造、対話階層、コンポーネント関係を抽出する。

続いて自発的にプロジェクトのコード構造を探索し、中核ロジックのファイルを特定し、上流下流の依存を順に読み、既存のデータモデルと状態管理を理解する。この「先読み後書き」のワークフローは、信頼できる開発者が要件を受け取った後の行動パターンと一致する。

修正の過程では能動的に推論検証を行い、型エラーと境界条件を予見し、問題を発見すると自分でロールバックして修復する。途中、非同期ロードの順序問題で初期レンダリング時のプルダウンが空になる事象があり、論理シミュレーションを一通り走って自らrace conditionを発見し、fallback処理を1層追加した。

💡 ヒント：開発の過程で、既存コードの累積バグまでついでに直してくれる——「道路工事のついでに横の穴も埋めてくれる」具合だ。この文脈の欠陥を能動的に識別して修復する能力は、コード理解の深さが足りている証拠だ。

合わせて約1時間で、多段連動セレクター、非同期データソース切替、状態永続化にまたがる完全な機能開発を走らせた。Agent Codingとしては中国国内トップティアの水準だ。

Agent実測：ツールを呼び、ドキュメントを書き、電子書籍を生成

競合調査レポート

「AI議事録ツール3社の公式サイト、価格、核心機能を調査し……競合マトリクスを出力し、90日のRoadmapを提示して」というプロンプトを入力し、「Feishuドキュメントに書き込んで」と一言添えると、lark-docを正確に呼び出して書き込む。直接のクロールがブロックされた場面では、Playwrightを呼んでページを読み情報を取得した。

爆発的タイトル生成（Skill呼び出し）

オープンソースのSkillをインストールしてAgentにFeishu／公式アカウントのページを読ませ、Referenceドキュメントを参照してタイトルを生成させると、その品質は素のPromptより安定する：

npx skills add joeseesun/qiaomu-xinzhiyuan-title

生真面目なDoubao Seed 2.1も一瞬でタイトル党に化ける。

電子書籍の制作（epub）

npx skills add joeseesun/qiaomu-epub-book-generator

Paul Grahamのブログを取得して中国語に翻訳し、Skillの表紙デザイン規範に従い、まずウェブページを設計してからPlaywrightでスクリーンショットを撮り、電子書籍の表紙を生成した——Skillの呼び出しと実行能力の両方が通った。

マルチモーダルの驚き：撮影画像の魚識別が神レベル

テストシーンは、EXIF情報付きの釣り写真を1枚渡し、位置情報の読み取りと魚種・数の識別を要求するものだ。以前のGemini 3.1 Flashはオイカワを「ドジョウ」と識別した。

Seed 2.1 Proはexifツールを呼んで位置情報（温榆河）を読み出しただけでなく、魚種と数まで正確に識別した——濁った水で見えにくい2匹まで識別し、オイカワのラテン名や他の呼び名まで解説してくれた。

💡 ヒント：少なくとも実測シーンでは、Seed 2.1 Proのマルチモーダル認識はGemini 3.1 Flashを明確にリードしている。

体験方法

Doubaoプロフェッショナル版のオフィスモード、TRAE、TRAE WORK、CozeにすでにSeed-2.1-Proが搭載された。企業・プロフェッショナルユーザーは一般にAPIを取得してClaude Codeなどのツールで使う——Volcano Engine ArkにAPIを申請するだけでよく、すでに全面開放されている。製品のシステムプロンプトの影響を避けるため、CC Switch＋Volcano Engine Ark APIでcmux端末から真の能力を試すことをおすすめする。

強みと不足

強み：

• VLM能力は及第点で、スクリーンショットを1枚渡せば対応するフロントエンドの対話ロジックを復元できる
• Agentワークフローが成熟：「コードを読む→アーキテクチャを理解→逐次開発→自律debug」がスムーズに走る
• 価格はClaude Opus 4.8の5分の1程度で、コストパフォーマンスがここにある

不足：

• トークン効率にはまだ向上余地があり、同じタスクでも推論経路はClaude Opus 4.8より遠回りで、分析済みファイルを再探索することがある
• 複雑な非同期状態管理のシーンでは、初回生成のコード品質が不安定で、自身のdebug能力でカバーする必要がある

全体として、Doubao 2.1 Proは中程度の複雑さのエンジニアリングタスクで十分戦えるレベルにあり、中国製モデルがAgent Codingの方向性で実質的な前進を遂げたことを示している。