Doubao Seed 2.0 Pro API 大语言模型

价格

按 token 计费：输入（你发送的全部消息）和输出（回复，包含思维链）分别计价。请求开始时预留积分，结束时按实际用量结算。

速览

快速开始

在控制台创建密钥，然后直接调用兼容 OpenAI 的接口，或用官方 OpenAI SDK 改一下 base_url。每个响应的 usage 字段都会给出本次扣除的积分。

curl -s -X POST https://api.genmux.tech/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"doubao-seed-2-pro","messages":[{"role":"system","content":"You are a concise assistant."},{"role":"user","content":"Explain idempotency keys in two sentences."}],"max_tokens":200}'

{
  "id": "0d8b6a3e-2f1c-4a5b-9c1d-7e2f3a4b5c6d",
  "object": "chat.completion",
  "created": 1756411279,
  "model": "doubao-seed-2-pro",
  "choices": [
    {"index": 0, "message": {"role": "assistant", "content": "…"}, "finish_reason": "stop"}
  ],
  "usage": {"prompt_tokens": 31, "completion_tokens": 58, "total_tokens": 89, "cost": 0.026, "cost_source": "vendor"}
}

curl -sN -X POST https://api.genmux.tech/v1/chat/completions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"doubao-seed-2-pro","messages":[{"role":"system","content":"You are a concise assistant."},{"role":"user","content":"Explain idempotency keys in two sentences."}],"max_tokens":200,"stream":true}'

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"doubao-seed-2-pro","choices":[{"index":0,"delta":{"role":"assistant","content":"An"},"finish_reason":null}]}

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"doubao-seed-2-pro","choices":[{"index":0,"delta":{"content":" idempotency"},"finish_reason":null}]}

…

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"doubao-seed-2-pro","choices":[{"index":0,"delta":{},"finish_reason":"stop"}]}

data: {"id":"0d8b6a3e-…","object":"chat.completion.chunk","model":"doubao-seed-2-pro","choices":[],"usage":{"prompt_tokens":31,"completion_tokens":58,"total_tokens":89,"cost":0.026,"cost_source":"estimated"}}

data: [DONE]

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.genmux.tech/v1", api_key=os.environ["API_KEY"])

completion = client.chat.completions.create(
    model="doubao-seed-2-pro",
    messages=[
        {"role": "system", "content": "You are a concise assistant."},
        {"role": "user", "content": "Explain idempotency keys in two sentences."},
    ],
    max_tokens=200,
)

print(completion.choices[0].message.content)
print(completion.usage.total_tokens, "tokens,", completion.usage.model_extra["cost"], "credits")

import OpenAI from "openai";

const client = new OpenAI({ baseURL: "https://api.genmux.tech/v1", apiKey: process.env.API_KEY });

const completion = await client.chat.completions.create({
  model: "doubao-seed-2-pro",
  messages: [
    { role: "system", content: "You are a concise assistant." },
    { role: "user", content: "Explain idempotency keys in two sentences." },
  ],
  max_tokens: 200,
});

console.log(completion.choices[0].message.content);
console.log(completion.usage.total_tokens, "tokens,", completion.usage.cost, "credits");

// Streaming: the final chunk carries usage
const stream = await client.chat.completions.create({
  model: "doubao-seed-2-pro",
  messages: [{ role: "user", content: "Explain idempotency keys in two sentences." }],
  stream: true,
});
for await (const chunk of stream) {
  process.stdout.write(chunk.choices[0]?.delta?.content ?? "");
  if (chunk.usage) console.log(`\n${chunk.usage.total_tokens} tokens, ${chunk.usage.cost} credits`);
}

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.genmux.tech/v1", api_key=os.environ["API_KEY"])

stream = client.chat.completions.create(
    model="doubao-seed-2-pro",
    messages=[{"role": "user", "content": "Explain idempotency keys in two sentences."}],
    max_tokens=200,
    stream=True,
)

for chunk in stream:
    if chunk.choices and chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end="", flush=True)
    if chunk.usage:  # the last chunk: token counts and the credits charged
        print(f"\n{chunk.usage.total_tokens} tokens, {chunk.usage.model_extra['cost']} credits")

常见问题

Doubao Seed 2.0 Pro API 是什么？

字节跳动豆包的旗舰模型，带图片理解和联网搜索——面向复杂推理和多模态任务。 Doubao Seed 2.0 Pro 属于 ByteDance 的 Doubao Seed 2.0 系列。这是闭源模型，只能通过 API 使用，没有可下载的权重。 在 genmux API 上，它通过兼容 OpenAI 的 chat completions 接口提供，上下文窗口 256K token，按 token 用预付积分计费。

Doubao Seed 2.0 Pro 每 100 万 token 多少钱？

输入 token 每 100 万 85 积分（约 $1.063，按「Scale」套餐单价计算），输出 token 每 100 万 408 积分（约 $5.10）。请求里的每条消息——system、user 以及之前的 assistant 轮次——都算输入；回复（包括推理过程）算输出。一个月输入 750,000 个 token、输出 250,000 个 token，合计 165.75 积分，约 $2.072。积分是预付的：没有订阅费，也不按人头收费。

Doubao Seed 2.0 Pro 和 Doubao Seed 2.0 Lite 有什么区别？

完整的 Doubao Seed 2.0 档位，推理深度和多模态准确率都领先 Lite 与 Mini。 两者都是 ByteDance 的模型，走同一个接口、同一个密钥，切换只需要改 model 字段这一个词；GET /v1/models 会把各自的上下文窗口、限制和价格并排列出。

什么时候值得用 Doubao Seed 2.0 Pro 而不是更便宜的模型？

当答案质量本身就是产品的时候：日常对话与助手、分步推理、图像理解和基于联网搜索的回答。把常规流量——短分类、草稿、信息抽取——分流到更便宜的模型（比如 Doubao Seed 2.0 Lite），把 Doubao Seed 2.0 Pro 留给真正需要它的调用。一个密钥、一种请求格式，这种分流在你代码里只是一条路由规则，不是第二套接入。

Doubao Seed 2.0 Pro 的上下文窗口和 max_tokens 限制是多少？

上下文 256K token，由 prompt 和回复共用。max_tokens 限制回复长度：模型最多接受 16,384，不传该字段时默认 8,192。如果 prompt 长到没有空间生成回复，请求会在扣费前以 400 context_length_exceeded 被拒绝；被上限截断的回复，finish_reason 是 "length"。

Doubao Seed 2.0 Pro 支持流式输出吗？

支持。传 "stream": true，响应就是 text/event-stream：每个 token 一条 data: 行上的 chat.completion.chunk，最后一个 chunk 的 choices 为空数组并带 usage 对象——prompt_tokens、completion_tokens、total_tokens 以及 cost（本次扣除的积分）——随后是 data: [DONE]。请从最后这个 chunk 读取 usage；OpenAI SDK 把它暴露为 chunk.usage。若上游在流中途失败，你会收到一帧 data: {"error": {...}} 然后是 [DONE]。

可以用 OpenAI SDK 调用 Doubao Seed 2.0 Pro 吗？

可以。把 base_url 指向 https://api.genmux.tech/v1，用你的 genmux API 密钥作为 api_key，model 设为 "doubao-seed-2-pro"。system/user/assistant 消息的 chat completions、流式输出、max_tokens、temperature、top_p 和 stop 都与 SDK 中一致。tools 和 function calling 同样按 SDK 的方式工作，response_format 的 json_object / json_schema 会被校验。 n 大于 1 和 logprobs 会以 400 unsupported_parameter 明确拒绝，而不是被静默忽略。

Doubao Seed 2.0 Pro 支持给编程智能体用的工具调用吗？

支持。像调用 OpenAI API 那样传 tools 和 tool_choice；回复里会带 tool_calls（流式下是 delta.tool_calls），你用 role: tool 的消息把结果传回。function calling 由本 API 模拟实现——工具被渲染进 prompt 再解析回来——因此可以配合 OpenCode、Cline、Roo Code、Continue 以及任何 OpenAI SDK 循环使用；工具定义会计入 prompt token（每个工具约 40 个，外加 schema）。配置和实测通过率见编程智能体页面。

Doubao Seed 2.0 Pro 的思维链模式怎么计费？

传入 "enable_thinking": true，模型会先推理再作答；推理内容作为 reasoning_content 与 content 并列返回（流式下是 delta）。推理 token 算输出 token，与可见答案同价，每 100 万 408 积分，并计入 max_tokens——所以遇到难题请调高 max_tokens，别让上限把答案截断。

Doubao Seed 2.0 Pro 能联网搜索吗？

可以。传 "web_search": true，模型可以在作答前查阅网络。这个扩展参数只在目录中标注 web_search: true 的模型上被接受，其他模型会返回 400 unsupported_parameter。模型读到的内容会成为 prompt 的一部分，所以搜索较多的回答会消耗更多输入 token——usage 里能看到确切数量。

可以给 Doubao Seed 2.0 Pro 发图片吗？

可以。像 OpenAI API 那样，在 user 消息的 content 数组里放一个 image_url 部分，使用公开的 https URL 或 data: URL。图片会被折算成输入 token（每张约 1,000 个 token） 并按输入价计费；不支持视觉的模型收到 image_url 会返回 400 unsupported_parameter。

请求失败或我中断流式输出时会被扣多少？

没有产生 token 就不扣：被拒绝的请求、503 model_unavailable 或 502 upstream_error 都会全额退回预留。积分按预估 prompt 加上 min(max_tokens, 8,192) 个输出 token 预留，调用结束时按实际用量结算，未用完的预留会释放。如果你提前关闭流，只需为已生成的 token 付费。

速率限制是多少，API 密钥怎么用？

每个密钥有每秒请求数限制（默认 10），每个账户有并发请求上限（默认 20）；超过任一项会收到 429 rate_limited 和 Retry-After 响应头。密钥在控制台创建，只展示一次，可以设置 IP 白名单和过期时间。一个密钥适用于目录中的所有模型，文本和图像都一样。

你们会存储我的 prompt 和回复吗？

不会。生成记录只保留最后一条用户消息的预览（最多 200 个字符）、消息条数、消息的 SHA-256 哈希、token 数和费用——从不保存消息或回复本身。GET /v1/generations/{id} 会返回这条记录供你对账；内容只存在于你自己的进程中，以及模型供应商处调用期间。

Doubao Seed 2.0 Pro 的输出可以商用吗？

可以。根据我们的服务条款，模型为你生成的文本，我们能转让的权利归你所有，可用于商业用途，前提是 prompt 和用途符合条款以及模型供应商的使用政策。面向客户发布之前请先阅读条款。

怎么从 Doubao Seed 2.0 Pro 切换到别的模型？

改一下 model 字段——请求里其他内容都不用变，密钥和余额也照旧。目录里最接近的替代是 Doubao Seed 2.0 Lite和Doubao Seed 2.0 Code。 GET /v1/models 会列出每个 id 及其上下文窗口、限制和价格，并标明哪些支持 enable_thinking、web_search 和图片输入。

延伸阅读

• 不用火山引擎账号也能调 Doubao Seed 2.0 API

  用一把 genmux 密钥调用 Doubao Seed 2.0（Pro、Code、Lite、Mini），Pro 支持 web_search，价格高于火山引擎标价。Kimi K3 暂停中。

  2026年9月7日

• 在 Cline 和 Roo Code 里使用兼容 OpenAI 的服务商

  在 VS Code 里把 genmux 设为 Cline 和 Roo Code 的 OpenAI 兼容服务商：具体填哪些字段、该选哪些 DeepSeek/Qwen3/豆包 模型、视觉能力与限制。

  2026年9月7日

• 在 DeepSeek、Qwen 和豆包上模拟实现函数调用

  当上游丢掉 tools 字段时，genmux 如何给 DeepSeek、Qwen3 和豆包补上 OpenAI 风格的工具调用：提示词标签、宽容解析器、通过率、JSON 模式。

  2026年9月7日

其他模型

同一个密钥、同一种请求格式——改一下 model 字段就能切换。

• Doubao Seed 2.0 Code API

  doubao-seed-2-code

  豆包的编程调优模型，带图片理解——适合智能体编程、重构和「截图转 UI」这类任务。

  每 100 万 token：输入 $1.063 · 输出 $5.10

• Doubao Seed 2.0 Lite API

  doubao-seed-2-lite

  中档豆包模型，带图片理解——通用助手和图文对话，成本低于 Pro。

  每 100 万 token：输入 $0.213 · 输出 $1.063

• Doubao Seed 2.0 Mini API

  doubao-seed-2-mini

  最便宜的带图片理解的豆包模型——大流量、对延迟敏感的对话和简单图像任务。

  每 100 万 token：输入 $0.027 · 输出 $0.85

• Kimi K3 API

  kimi-k3

  月之暗面 Kimi 的旗舰模型，上下文窗口极大——适合超长文档和多步骤智能体。

  每 100 万 token：输入 $2.463 · 输出 $12.323

• Claude Opus 5.5 API

  claude-opus-5-5

  Anthropic 最强的 Claude Opus 模型——推理和智能体编程能力强，上下文窗口大，适合复杂的多步骤工作。

  每 100 万 token：输入 $1.836 · 输出 $9.18

• Claude Fable 5.1 API

  claude-fable-5-1

  Anthropic 面向长篇写作的高端 Claude 模型——擅长精修初稿和编辑，上下文窗口大。

  每 100 万 token：输入 $21.25 · 输出 $21.25

• 图像模型

  同一个密钥和余额也能用于图像生成：Nano Banana、Seedream、Qwen-Image、FLUX 等，按张计费。

  • Nano Banana
  • Nano Banana Pro
  • Qwen-Image 2.0
  • Qwen-Image Max
  • Seedream 5.0
  • Wan 2.7 Image