豆包编程模型的成本降 62.7%，口径是什么

一句话总结：火山引擎 11 月 11 日发的 Doubao-Seed-Code 报了两个数——综合成本比行业平均低 62.7%，国内首个支持视觉理解的编程模型。前者是相对口径，后者是真差异，两者的可信度不一样。

11 月 11 日这天国内发了四个模型：美团开源 LongCat-2.5、MiniMax 开源 H3-Image、百度 ERNIE 5.5 Flash Preview，还有火山引擎的 Doubao-Seed-Code。前三个是通用能力，第四个只做一件事——agentic 编程。

它报的两个数字里，62.7% 这个降本幅度最抓人。但"比行业平均低"是个相对口径，得先问清楚拿谁当分母。

豆包编程模型的成本降 62.7%，分母是谁

图 1：按 4 元/百万输入 token、每次 agent 任务 2 万 token 估算；纯属推算，官方未公布配额

官方表述是"综合使用成本较行业平均降低 62.7%，达国内最低"。这里有两个含糊的地方。

第一，"综合"指什么。 编程 agent 一次任务要跑几十到上百轮工具调用，输入里既有代码库上下文也有工具返回结果，输出里既有代码也有解释。这些 token 的价格不一样，加权方式不同，算出来的"综合成本"能差一倍。

第二，"行业平均"是算术平均还是加权平均。 如果取国内七八家厂商的价格做算术平均，那这个平均值会被几个高价旗舰拉高；如果是按调用量加权，结果又会偏低。官方没说。

能确定的是换算关系：如果一家团队现在月支出 1 万元用同类编程 agent，降 62.7% 意味着降到 3730 元。这个换算跟分母无关，只看自己的账单。

我自己更在意的是一个隐含前提：62.7% 是不是包含缓存命中。 编程 agent 的上下文有大量重复——同一份代码库每一轮都要重读。如果这个降本幅度是靠缓存价撑起来的，那它对"每次都读新代码"的场景就不成立。

视觉编程：截图变代码，省的是哪一步

"国内首个支持视觉理解能力的编程模型"，这句话的具体含义是：可以参照 UI 设计稿、截图、手绘草图生成代码。

这一步省的不是写代码，是把视觉稿翻译成结构描述。以前流程是：设计师给 Figma 或截图 → 前端看图写出 HTML 骨架 → 再调样式。中间那一步全靠人眼读图。

现在模型直接看图输出代码，省的是这一步的沟通和转录。真正的价值不在"少写几百行 CSS"，在于改图之后的返工：设计改一版，人要看图找差异、手改 class，模型可以整段重出。

但这里有个我没验证过的点：看图生成的代码，能不能对上项目已有的组件体系。 如果项目用的是自研组件库，模型生成的是一套独立 CSS，那接进去的成本可能比手写还高。这个只有拿真实项目试才知道，官方 demo 都是干净的新页面。

9.9 元首月的账：成本低到这个程度意味着什么

个人开发者可以通过 Coding Plan 首月 9.9 元订阅。同一天，千问 Go! 会员也是 9.9 元起，Qwen4-Max 预览版限时最低一折，智谱、MiniMax、阿里云、Qoder 在天猫五折卖 Token。

一天之内五家同时打折，这不是巧合。

9.9 元这个价格，卖的不是算力，是习惯。 按国内编程模型常见的 4 元/百万输入 token 量级，9.9 元能买 247 万 token。一个程序员一天如果跑 20 次 agent 任务、每次 2 万 token，一天就是 40 万，一周用完。

所以 9.9 元必然是限量的，官方叫"首月"，量上通常有配额。这个价的作用是让人先把工具装进 IDE，形成肌肉记忆，第二个月按正价续。

对使用者来说这是个真实的窗口期：首月把想试的场景全试完，别留到下个月。 试完再判断值不值正价。

兼容 Anthropic API，迁移成本有多低

这个细节容易被忽略，但对工程团队是决定性的：Doubao-Seed-Code 兼容 Anthropic API。

意思是已经用 Claude Code 或基于 Anthropic SDK 写的 agent，改一个 base_url 和环境变量就能切过来。不用重写工具调用协议、不用改提示词结构。

我之前写过 Fable 5.2 的发布，那次讨论的是能力上限；这次讨论的是替换成本。能力差 3 个点、切换成本 0，和能力强 3 个点、切换要两周，选哪个是清楚的。

兼容也带来一个副作用：它把编程模型的竞争压到了纯价格和纯能力两个维度。 接口一样，中间没有平台锁定，用户随时能跑。这对厂商是压力，对买方是好消息。

SWE-Bench 拿 SOTA，成本优势不等于能进生产

SWE-Bench-Verified 是修真实 GitHub issue 的基准，拿 SOTA 说明在"给定 issue 和代码库，能不能改对"这件事上它在前列。

但这个基准和生产环境差三层。

第一层是 issue 的质量。 基准里的 issue 有清晰描述、有复现步骤、有维护者确认。真实工单经常是一句"登录有问题"。

第二层是代码库的规模。 基准的仓库通常在几万行，企业项目动辄百万行，检索和上下文管理是另一套工程。

第三层是验收。 基准用测试用例判定，生产用 code review 和线上监控。测试通过但 review 不过的改动，在真实团队里占多大比例，这个数字比基准分数更能说明问题。

所以我的判断是：SWE-Bench SOTA + 62.7% 降本，适合做"第一轮候选"，不适合直接替换现有的主力模型。 先拿自己仓库里过去三个月的真实 PR 跑一遍，看它改出来的东西能不能过 review，这比任何榜单都准。

谁该试，谁可以等

该试的： 前端团队（视觉能力对 UI 还原是直接收益）、已经在用 Claude Code 的团队（切换成本接近 0）、对成本敏感的初创（62.7% 如果是真的，一年省下的钱够招人）。

可以等的： 后端核心服务（对正确性要求高，等社区跑出真实 PR 通过率）、已经有稳定 agent 工作流的团队（迁移本身有风险，收益不确定）、需要私有化部署的（权重没开源）。

还有个变量值得盯：LongCat-2.5 是同一天开源的。 一个是闭源 API 降价，一个是开源权重自部署，两条路对成本的影响完全不同。API 降价省的是运营成本，开源省的是边际成本但前期投入大。LongCat-2.5 的部署账我算过，745GiB 权重的最低配置是 16 张 80GB 卡，那笔钱够买好几年的 API。

参考资料

• 火山引擎发布豆包编程模型 Doubao-Seed-Code：中国日报网，2026-11-11
• Doubao-Seed-Code 上线火山方舟：火山引擎官方，2026-11-11
• SWE-Bench Verified 基准说明：官方基准页