字節跳動豆包(Doubao Seed 2.1):內地用量最大的模型之一,以及香港學校不宜用於學生場景的原因

一句話答案:豆包在內地是用量最大的模型之一,中文能力與價格都有競爭力;但它權重不公開、只經火山引擎供應、定價與結算都在內地框架內,因此 Edor.ai 沒有接入,我們亦不建議香港學校把它用於學生場景。

這是甚麼

豆包(Doubao)是字節跳動的大模型品牌,對開發者而言的入口是火山引擎(Volcano Engine)及其方舟平台。它與本頁其他幾家最大的分別在於策略:豆包不走開源路線,權重不公開,能力只透過雲端 API 與自家應用提供。

這個策略在內地市場行得通——依托字節跳動的產品生態與極具攻擊性的定價,豆包成為內地企業呼叫量最大的模型之一。但對香港學校而言,「只有一條雲端通道」正是評估的難點:學校無法自架,也就沒有把資料留在校網的選擇。

現行陣容

Seed 2.1 系列於 2026 年 6 月 23 日在火山引擎 FORCE 大會推出,現行主要有三個型號:

• doubao-seed-2.1-pro:旗艦深度思考型號,定位為複雜編碼與長鏈代理,約 25.6 萬 token 上下文。每 100 萬 token 輸入 6 元人民幣、輸出 30 元,快取命中 1.2 元。
• doubao-seed-2.1-turbo:同等功能的低延遲版本,價格為 Pro 的一半,即 3 元 / 15 元,為大規模線上呼叫而設。
• doubao-seed-evolving:2026 年 8 月 21 日加入系列的動態迭代型號,價格與 Pro 相同(6 元 / 30 元),至少每周更新一次,以固定 Model ID 呼叫即取得最新版本。

另外要留意一項對成本影響很大的安排:批量推理約為標準價的一半,適合非即時的大量處理。完整的版本與價格對照,見本頁下方自動生成的系列表。

優點

1. 價格在同級中很低。 以人民幣計的定價長期處於進攻姿態,加上快取命中與批量推理的折扣,對高用量的內地企業而言成本優勢明顯。
2. 中文與多模態能力紮實。 中文寫作、理解與圖像、影片輸入的整合度高,是內地產品生態長期打磨的結果。
3. 型號分工清楚。 Pro 負責難題、turbo 負責高頻低延遲、evolving 給願意跟隨最新版本的用戶,選型邏輯直接,不需要猜。
4. 平台工具完整。 火山引擎提供部署、監控與配額管理等一整套工具,對已在該平台上的團隊而言整合成本低。

缺點與局限

• 權重不公開。 沒有自架選項,資料必然離開學校,這與本頁其他幾家的開源路線有根本分別。
• 只經火山引擎(中國內地)供應。 服務條款、資料處理地點與監管框架都在內地,香港學校要向家長解釋資料流向時很難做到完整透明。
• 定價只以人民幣計。 學校以港元造預算、以政府撥款申報開支時,匯率與跨境付款都會增加行政負擔。
• 上下文約 25.6 萬 token。 日常教學足夠有餘,但在現行旗艦以 100 萬 token 為標配的環境下,並非強項。
• 動態迭代型號的行為會變。 evolving 型號至少每周更新,對需要穩定輸出的評分流程與教學提示模板而言,增加了覆核成本。

香港學校可以怎樣看待它

先把兩件事分開:模型能力的評價,與是否適合用於學生場景的判斷。 前者可以正面,後者仍可以是否定。

對香港學校的實務建議如下。學生場景:不建議使用。學生資料屬敏感個人資料,而豆包沒有自架選項、服務條款與資料處理地點皆在內地框架內,學校難以在《個人資料(私隱)條例》下做出完整而可向家長交代的跨境傳輸說明。教師個人使用:屬學校政策決定,若容許,應在 AI 使用守則中寫明只可處理通用備課材料,嚴禁輸入學生姓名、學號、成績、家庭狀況或未去識別化的校內文件。行政與採購:由於只在內地雲平台結算並以人民幣計價,以撥款申報開支時要預留額外的行政工夫。

最後一點也值得寫進守則:內容政策的邊界由供應商按其所在司法管轄區設計,與香港課程在歷史、時事與公民教育上的處理方式未必一致。這不是評價誰對誰錯,而是學校必須自行測試並決定是否可接受。

在 Edor.ai 的可用性

目前未接入,亦不在計劃之內。 Edor.ai 原生支援 OpenAI、Azure OpenAI、Anthropic、Poe 與本地 Ollama,豆包不在其中,管理員在後台不會看到這個選項。我們與字節跳動沒有任何合作關係。

如果學校選用豆包的原因是中文能力,平台已原生支援的供應商在繁體中文寫作與回饋上同樣可用;如果原因是希望資料留在校內,正確方向是自架開源權重模型,而不是換一家雲端供應商。

替代方案

• 想要中文能力又想資料留在校網 → 看 Alibaba Qwen 的 270 億參數級別開源權重,經本地 Ollama 部署。
• 想要條文清晰的開源授權 → 看 騰訊混元 的 Apache 2.0 或 智譜 GLM 的 MIT 版本。
• 想弄清楚各家中國模型的分別 → 讀 DeepSeek、Kimi、Qwen 與 GLM 的比較。
• 想先看學生使用 AI 的安全設計 → 看 安全與私隱,或回到 模型總覽。