火山方舟闭门交流会参会实测与心得分享

在周三的火山方舟闭门交流会上，团队分享了众多精彩内容。与会者一边交流互动，一边体验最新产品功能，研发团队十分重视用户反馈，不仅积极采纳合理建议，还明确了大致的功能落地时间。值得关注的是，有位开发者提交的反馈数量与高质量反馈均位居前列。回到产品本身，本次印象最深的三大亮点是：全面升级的豆包大模型1.6、Viking知识库与向量库，以及PromptPilot。文末还有惊喜福利等着大家。

豆包大模型1.6能力升级：多模态处理能力显著增强

先来看一个网站复刻的案例。之所以选择网站复刻，是因为它同时考验模型的视觉理解与前端编码能力——既要评估视觉理解能捕捉多少细节，也要看模型能把捕捉到的细节还原到何种程度。

下面这张YouTube截图被同时输入到升级前后的两个豆包大模型1.6中进行处理。

这是使用Doubao-Seed-1.6-thinking-0615模型复刻的YouTube页面，左侧边栏菜单的布局细节几乎完全被忽略。

相比之下，Doubao-Seed-1.6-thinking-0715模型的复刻效果非常出色，左侧边栏菜单几乎完美还原，包括所有图标。造成如此大差异的原因在于0715版本拥有更强的推理分析能力，虽然耗时更长（146秒对比41秒），但生成的结果满意度明显更高。

这就是Doubao-Seed-1.6-thinking-0715模型——其思考能力得到大幅强化，相比之前的0615模型，在编码、数学、逻辑推理等基础能力上进一步提升，支持视觉理解，同时具备256k上下文窗口，输出长度最大可达16k tokens。

目前该模型已在火山方舟体验中心开放试用，每个模型还赠送50万tokens推理额度（请注意，是这里已有的每个模型都有此福利）。

除了Doubao-Seed-1.6-thinking的升级，豆包大模型团队还发布了最新的全模态向量化模型：Seed1.6-Embedding。

这个全模态向量化模型究竟有多强大？

在纯文本权威测评榜单CMTEB上，Seed1.6-Embedding取得了中文SOTA效果；在多模态测评榜单MMEB_v2上，它在图像、视频任务上同样达到SOTA，并且是断层领先。

Seed1.6-Embedding可以应用在哪些场景？举个例子就一目了然：抖音的推荐系统。火山官方提到，从2019年起，VikingDB向量库就为字节跳动旗下包括抖音、今日头条、豆包等重要产品线提供支撑。而VikingDB向量库背后内嵌的正是一个embedding向量化模型，现在对应的是最新的Seed1.6-Embedding。

展示一下这个embedding的实用效果：例如上传一张夏季条纹T恤图片，让它帮忙找出类似风格但适合秋季穿着的长袖，它就能从电商商品图像库中快速锁定最匹配的几款商品。

它还最新支持视频检索功能。这不禁让人联想到抖音会对用户上传视频的原创度进行提示，背后很可能就是视频embedding模型发挥了关键作用。但需要注意的是，视频embedding模型目前尚未接入端到端流程，想要体验的话可以先尝试“向量化再入库”的操作方式，部分操作和可视化体验需要通过代码完成。据官方透露，8月将推出视频端到端的体验方案。

PromptPilot再升级：更轻松地提出一个好问题

6月份时我们曾做过简单介绍，没想到仅过去一个月，PromptPilot又迎来了升级。在正式介绍之前，先绕个弯，分享今天看到的一个观点——来自极客公园CEO张鹏：

“在AI时代，产品的基本构型是两端分别对应input和output，中间的AI则是一个Magic Box。大模型确实拥有Magic，但问题在于它是一个处于失控状态的不确定概率模型。因此，产品的目标之一就是在不确定性中增加确定性。对于大多数不自主研发大模型（即这个「Magic Box」）的团队而言，需要在input和output两端下功夫……Karpathy和Grove提出的「上下文工程」和「规范化编程」，也是在input端加强。……这两条路径都远超了「一次性」的提示词或提示词工程。提示词的困境在于，它把人逼到了一个死角，默认「人」是那个清晰、可靠的指令发出方。可现实是，别说普通用户，就算是CEO，又有几个能一上来就把自己的愿景、使命、产品逻辑结构化、无歧义地拆解清楚？又有几个老板能在每次发号施令时，把上下文、意图、原则、规范等清晰明了地传达？寥寥无几。”

这正是我们在与AI协作中遇到的核心难题。即使掌握了提示词的核心原则，面对真实问题时，仍然很难快速给AI发出清晰、可靠的指令。这就是PromptPilot诞生的原因。简单来说，它主要帮助我们完成两件“大事”：定义你的需求，并持续不断优化。

第一件“大事”：精准定义我们的真实意图

很多时候，在向AI提问的初期，我们自己也无法用几句话清晰描述出脑海中完美的模型效果。对需求的理解，往往是在一次次尝试和调整中才逐渐清晰的。PromptPilot深谙此道，提供了两种直观的方式：

评价与修改

你可以先把想到的内容直接发给PromptPilot，待它给出回复后，再针对提示词进行局部评论优化，或直接全局修改。这就像在给模型“划重点”，告诉它你真正关心的是什么。

对比与偏好

现实世界中很多高价值问题没有标准答案，更多时候需要你做出判断。这时可以选择PromptPilot的GSB比较模式，通过“二选一”的方式在两个或多个答案中选出更偏爱的一个。PromptPilot会智能分析每一次选择，比较不同答案间的细微差异，从而“猜测”并学习你背后的判断逻辑，逐步构建起完整、清晰的评估标准。

当然，如果已经有明确的理想回答，希望对模型回答进行评分，可以选择PromptPilot的评分模式。该模式支持“用户打分”和“AI智能评分”。在“AI智能评分”中，首先需要明确评分标准，支持“用户输入评分标准”与“AI生成评分标准”两种方式。

第二件“大事”：上线后，开启永不疲倦的自动优化

当通过上述方式建立了明确的评估标准后，PromptPilot就可以开始自动寻找更优的Prompt版本。更酷的是，这一切并不会在应用上线后就停止。通过调用PromptPilot的SDK，可以将线上业务的真实流量（模型的输入和输出）反馈给系统。由于PromptPilot已经掌握了评判标准，它就像一位24小时在线的“AI裁判”，能够：

• 自动评分：对线上模型的表现进行实时打分评估。
• 案例挖掘：自动捕获并记录那些得分极低的“Badcase”以及得分极高的“Goodcase”。
• 持续迭代：当积累足够多的线上数据后，PromptPilot就能开启新一轮的全自动提示词优化，找到能更好解决线上实际问题的升级版Prompt。

这可比自己费劲进行模糊又低效的提问方便多了。都说好的回答需要好的问题，PromptPilot做的就是让我们更轻松地提出一个好问题。不仅如此，为了帮助在垂直领域提出更专业的问题，PromptPilot本次升级还上线了知识库功能，支持上传所在领域的专业知识库。进行提示词优化时，只需勾选该知识库，即可帮助模型精准调用专业内容，实现更深入、更精准、更可信的理解与输出，真正解决复杂业务中的“专业难题”。

这次交流会还集中体验了火山的Responses API（专门用于构建Agent的API）和AI知识管理，有兴趣的话可以自行体验。

此外，火山方舟发布了「协作奖励计划」，一方面降低用户接入测试门槛，另一方面鼓励用户持续使用方舟。企业认证用户和个人认证用户在活动期间每天均可获得一定量的免费tokens：企业认证用户每天每个模型500万tokens，个人认证用户每天每个模型50万tokens。如有调用需求，可进入授权页参与计划，领取首月免费包。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：火山方舟闭门交流会参会实测与心得分享要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题