豆包 Seed 2.0 Lite
豆包 · doubao-seed-2-0-lite
面向企业规模化部署的轻量级全模态模型，支持文本、图片、语音、视频四模态跨模态联合理解。集成音画协同分析、长视频时序检索、全维度音频解析、代码开发、智能Agent与GUI闭环操作能力，适配大批量全模态推理业务场景。
能读 256K能看图能调工具会深度思考
官方价¥0.6000/ ¥3.600每百万 Token
中转最低1.1折¥0.0675 / ¥0.4125
99家在卖2份验真报告
模型基础信息
- 厂商
- 豆包
- 模型类型
- 文本与多模态
- 一次能读多少
- 256K Token一次对话能塞进去的最大内容量，长文档、长代码要看这项
- 一次能写多少
- 131,072 Token单次回答的长度上限
- 能接收什么
- 图像 · 文本 · 视频可以发给它的内容类型
- 能产出什么
- 文本它能生成的内容类型
- 能看图吗
- 可以
- 能调工具吗
- 可以能不能自动调用外部函数、查资料、执行动作
- 怎么计费
- 按 Token 计费官方按什么单位收钱
- 现在还能用吗
- 可以用 · 状态来源火山方舟官方模型列表核对
- 这些资料是哪个地区的资料适用地区
- 中国大陆厂商专门为中国大陆公布的资料。
它会做什么能读上传的文件擅长推理支持结构化输出回答风格可调会写字会调工具会看图
官方价格
- 输入 · 中国大陆
- 0.6 CNY每 100 万 Token
- 输出 · 中国大陆
- 3.6 CNY每 100 万 Token
- 缓存读取 · 中国大陆
- 0.12 CNY每 100 万 Token
中国大陆 · cn-beijing · 按适用条件分档计价
折扣与价格评分按cn-beijing的官方价计算
查看分档价格
缓存读取
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FastInferenceCacheHit | 0.36 CNY每百万 Token |
|---|---|
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FlexInferenceCacheHit | 0.18 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K | 0.36 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FlexInferenceCacheHit | 0.12 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：AudioCacheHit | 1.8 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FlexInferenceAudioCacheHit | 2.7 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FastAudioCacheHit | 5.4 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FastInferenceCacheHit | 0.24 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FastAudioCacheHit | 10.8 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072 | 0.18 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FlexInferenceAudioCacheHit | 5.4 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FlexInferenceAudioCacheHit | 1.8 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768 | 0.12 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：AudioCacheHit | 2.7 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FlexInferenceCacheHit | 0.36 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FastAudioCacheHit | 3.6 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FastInferenceCacheHit | 0.72 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：AudioCacheHit | 5.4 CNY每百万 Token |
输入
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FastInferencePrompt | 3.6 CNY每百万 Token |
|---|---|
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：AudioPrompt | 13.5 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FinetuneAudioPrompt | 27 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FlexInferenceAudioPrompt | 4.5 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FinetuneInferencePrompt | 1.8 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FastAudioPrompt | 27 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FlexInferencePrompt | 0.3 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K | 1.8 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：AudioPrompt | 9 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FastAudioPrompt | 18 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FastInferencePrompt | 1.8 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FastInferencePrompt | 1.2 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FlexInferenceAudioPrompt | 13.5 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FlexInferenceAudioPrompt | 6.75 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768 | 0.6 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：AudioPrompt | 27 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072 | 0.9 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FinetuneAudioPrompt | 54 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FinetuneInferencePrompt | 3.6 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FlexInferencePrompt | 0.9 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FlexInferencePrompt | 0.45 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FinetuneAudioPrompt | 18 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FinetuneInferencePrompt | 1.2 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FastAudioPrompt | 54 CNY每百万 Token |
输出
| fine_tuned：true，官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FinetuneInferenceCompletion | 21.6 CNY每百万 Token |
|---|---|
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FlexInferenceCompletion | 2.7 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FlexInferenceCompletion | 1.8 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072 | 5.4 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FastInferenceCompletion | 7.2 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768，官方计费项目：FinetuneInferenceCompletion | 7.2 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K | 10.8 CNY每百万 Token |
| fine_tuned：true，官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FinetuneInferenceCompletion | 10.8 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FlexInferenceCompletion | 5.4 CNY每百万 Token |
| 官方档位：档位名称：输入32K以内；适用说明：输入小于≤32k；输入上限：32768 | 3.6 CNY每百万 Token |
| 官方档位：档位名称：输入256K以内；适用说明：128k<输入<=256K，官方计费项目：FastInferenceCompletion | 21.6 CNY每百万 Token |
| 官方档位：档位名称：输入128K以内；适用说明：32k<输入<=128K；输入上限：131072，官方计费项目：FastInferenceCompletion | 10.8 CNY每百万 Token |
中国大陆 · cn-beijing · 采集于 2026-11-13 · 查看价格来源
它还叫这些名字（18 条）
doubao-seed-2.0-litedoubao-seed-2-0-lite-260215doubao-seed-2-0-lite-260428seed-2.0-litedoubao-seed-2-0-lite-highdoubao-seed-2-0-lite-lowdoubao-seed-2-0-lite-mediumdoubao-seed-2-0-lite-minimaldoubao-seed-2-0-lite-non-thinkingdoubao-seed-2-0-lite-nothinkingdoubao-seed-2-0-lite-thinkingdoubao-seed-2-0-lite-thinking-highdoubao-seed-2-0-lite-thinking-lowdoubao-seed-2-0-lite-thinking-mediumdoubao-seed-2-0-lite-thinking-minimaldoubao-seed-2-0-lite-thinking-xhighdoubao-seed-2-0-lite-xhigh豆包-Seed-2.0-Lite
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
它有多强
综合能力：Source: Artificial Analysis；单项成绩来自 Epoch AI, AI Benchmarking Hub (2026)暂未收录这个型号可核实的公开成绩。 不用其他版本的分数代替，也不据此判断模型强弱。
怎么买 豆包 Seed 2.0 Lite 最划算
三种买法各挑一个最划算的。点卡片看这一种的全部选择。
API 按量付费 · 中转站适合写代码、接 Cursor、Claude Code 等软件
买号 / 代充适合直接用网页版和 App，不写代码
官方订阅适合要官方正版、自己开会员
验真报告
中转服务商卖的这个模型，测出来是不是真的筛选
综合参考分
验真通过率
相对官方价
这里先列 60 家，共 99 家在卖，搜站名可查全部
排序
中转服务商中转站评分价格评分验真通过率 / 更新时间
评分41.9
输入¥0.30005.0折
输出¥1.8005.0折
缓存读¥0.06005.0折
缓存写--
67分
暂无报告更新 11/12 15:50
评分36.0
输入¥0.6000无折扣
输出¥3.600无折扣
缓存读¥0.1200无折扣
缓存写--
50分
1 份更新 11/13 07:42
评分30.3
输入¥0.15002.5折
输出¥0.60001.7折
缓存读¥0.00300.3折
缓存写--
94分
暂无报告更新 11/12 16:18
评分27.3
输入¥0.07421.2折
输出¥0.45371.3折
缓存读¥0.01491.2折
缓存写--
90分
暂无报告更新 11/13 12:00
评分27.3
输入¥0.08441.4折
输出¥0.51561.4折
缓存读¥0.01691.4折
缓存写--
89分
暂无报告更新 11/13 14:56
评分27.3
输入¥0.08441.4折
输出¥0.51561.4折
缓存读¥0.01691.4折
缓存写--
89分
暂无报告更新 11/14 03:18
评分27.3
输入¥0.08771.5折
输出¥0.53631.5折
缓存读¥0.01751.5折
缓存写--
88分
暂无报告更新 11/13 11:22
评分27.3
输入¥0.09111.5折
输出¥0.55691.5折
缓存读¥0.01821.5折
缓存写--
88分
暂无报告更新 11/13 09:54
评分27.3
输入¥0.08101.4折
输出¥0.49501.4折
缓存读¥0.01621.4折
缓存写--
89分
暂无报告更新 11/14 03:06
评分27.3
输入¥0.07421.2折
输出¥0.45371.3折
缓存读¥0.01491.2折
缓存写--
90分
暂无报告更新 11/13 09:39
输入5.0折¥0.3000
输出5.0折¥1.800
缓存读5.0折¥0.0600
缓存写--
67分暂无报告
输入原价¥0.6000
输出原价¥3.600
缓存读原价¥0.1200
缓存写--
50分1 份报告
输入2.5折¥0.1500
输出1.7折¥0.6000
缓存读0.3折¥0.0030
缓存写--
94分暂无报告
输入1.2折¥0.0742
输出1.3折¥0.4537
缓存读1.2折¥0.0149
缓存写--
90分暂无报告
输入1.4折¥0.0844
输出1.4折¥0.5156
缓存读1.4折¥0.0169
缓存写--
89分暂无报告
输入1.4折¥0.0844
输出1.4折¥0.5156
缓存读1.4折¥0.0169
缓存写--
89分暂无报告
输入1.5折¥0.0877
输出1.5折¥0.5363
缓存读1.5折¥0.0175
缓存写--
88分暂无报告
输入1.5折¥0.0911
输出1.5折¥0.5569
缓存读1.5折¥0.0182
缓存写--
88分暂无报告
输入1.4折¥0.0810
输出1.4折¥0.4950
缓存读1.4折¥0.0162
缓存写--
89分暂无报告
输入1.2折¥0.0742
输出1.3折¥0.4537
缓存读1.2折¥0.0149
缓存写--
90分暂无报告
共 60 家 · 每页 10 条 · 第 1 / 6 页
正在读取官方订阅
用户口碑
还没有人点评。用过的话，写下第一条真实体验，帮后来的人少踩坑。
发布模型点评