La API de Doubao no es una sola cosa. Debajo del nombre conviven tres familias distintas de ByteDance que generan texto, imágenes y vídeo, y elegir mal la que necesitas es el primer error. Esta guía explica qué modelo llama cada tarea y cómo hacer tu primera petición sin una cuenta china.
Qué es realmente la API de Doubao
Doubao es el chatbot de consumo de ByteDance. Su equivalente internacional se llama Dola, aunque mucha gente todavía lo conoce por el nombre antiguo, Cici. ¿Y qué te da una API? No la app de chat, sino la familia de investigación Seed que hay por debajo. Y esa familia se divide en tres ramas según el tipo de salida.
Seed es la parte de texto. Seedream genera imágenes. Seedance genera vídeo. Volcano Engine, cuya marca internacional es BytePlus, es la nube que aloja todo. El error más común al empezar es leer estos nombres como una lista ordenada donde un número mayor siempre gana. No son gamas comparables entre sí. Son trabajos distintos, y eliges el que coincide con lo que quieres construir, no el "más nuevo".
Qué modelo llama cada tarea
Antes de escribir una línea de código, decide qué tipo de salida necesitas. Esta es la correspondencia directa:
Tu tarea | Modelo | Salida |
|---|---|---|
Generar imágenes | Seedream 5.0 (el más nuevo), 4.5, 4.0 | Imagen |
Generar vídeo | Seedance 2.0, 2.0 Fast, 1.5 Pro | Vídeo (con audio) |
Texto y razonamiento | Doubao 1.5 Pro, Seed 1.6 Thinking | Texto |
Texto barato y de alto volumen | Seed 1.6 Flash | Texto |
Comprensión de imagen y OCR | Doubao 1.5 Vision Pro, Seed 1.6 | Texto a partir de imagen |
Un detalle que confunde a casi todo el mundo: en el código se pasa el ID completo del modelo, por ejemplo doubao-seedream-5-0-260128, con guiones y sufijo de fecha incluidos. Esa cadena larga es el parámetro literal de la API; los nombres cortos de la tabla son solo una forma cómoda de referirse a ellos.
Si tu proyecto gira en torno a la programación, conviene saberlo desde el principio: ByteDance tiene un modelo especializado, Seed 2.0 Code, pero fuera de su entorno nativo aparece marcado como obsoleto en varias pasarelas. Para trabajo con código, lo más cercano hoy es Seed 1.6 Thinking, que es un modelo de razonamiento, no un especialista en código.
Acceso: cuatro rutas y sus costes
Puedes llamar a Doubao por cuatro caminos distintos, y cada uno te cuesta algo diferente.
La app de consumo (Dola) es gratis, pero no es una API, la generación de vídeo está bloqueada por región y la aplicación ni siquiera está disponible en Estados Unidos, Canadá o Australia. El truco de VPN más cuenta china funciona para la app y se rompe con frecuencia, además de no darte nada programático.
Volcano Engine o BytePlus directo es la API de verdad. El problema es que la consola viene en chino por defecto y el registro pide verificación de identidad o de empresa, algo que muchos desarrolladores fuera de China no pueden completar en una tarde.
La cuarta opción, un endpoint agregado, te da una sola clave, una sola URL base y llamadas al estilo OpenAI sin identificación china. El precio que pagas es que confías en una capa intermedia, así que revisa su disponibilidad y su tarifa antes de llevarlo a producción.
Para empezar hoy mismo, el endpoint agregado elimina las dos barreras reales: el muro de identidad y la consola en chino.
Llama a los modelos de texto (compatible con OpenAI)
La superficie de texto habla el formato de OpenAI, así que puedes apuntar el SDK oficial a ella cambiando solo dos cosas: la URL base y el modelo. Así se ve en cURL.
curl -X POST "https://gptproto.com/v1/chat/completions" \
-H "Authorization: YOUR_GPTPROTO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "doubao-seed-1-6-250615",
"messages": [{"role": "user", "content": "Who are you?"}],
"stream": false
}'Y en Python con el SDK oficial:
from openai import OpenAI
client = OpenAI(
api_key="YOUR_GPTPROTO_API_KEY",
base_url="https://gptproto.com/v1",
)
resp = client.chat.completions.create(
model="doubao-seed-1-6-250615",
messages=[{"role": "user", "content": "Who are you?"}],
stream=False,
)
print(resp.choices[0].message.content)Cambia el campo model por doubao-1-5-pro-32k-250115 cuando quieras el razonamiento bilingüe de propósito general. La única diferencia frente a llamar a OpenAI es ese par de valores.
Imagen y vídeo: aquí el flujo cambia
Lo que más tiempo hace perder al principio es esto: no hay una sola superficie de API, hay dos, y no se comportan igual.
El chat de texto es compatible con OpenAI y síncrono, en /v1/chat/completions. La imagen y el vídeo son tareas asíncronas en /api/v3/doubao/…. Envías una petición, recibes un identificador de resultado y luego consultas un segundo endpoint hasta que el archivo está listo.
Y el detalle que arruina la primera hora de muchos: la cabecera de autenticación no es idéntica en las dos superficies. El endpoint de chat pasa la clave tal cual; los de imagen y vídeo quieren Bearer delante. Si los mezclas, recibes un 401 con "Invalid signature". Mantenlos separados y todo lo demás es HTTP corriente.
Cómo se cobra cada llamada
Las imágenes se facturan por imagen generada, así que el número de la página es lo que pagas. Ojo con el orden: las versiones no van de más barata a más cara. Seedream 4.5 cuesta más que 5.0, y 5.0 más que 4.0, aunque las diferencias son de céntimos.
El vídeo es lo que conviene entender bien. El coste de Seedance no es una tarifa plana por clip; escala con la resolución, la relación de aspecto, la duración y si generas audio. El precio destacado de la página refleja una configuración base. Una configuración más pesada cuesta más: en una prueba real, un clip de 720p, 16:9, cinco segundos y con audio salió alrededor de 0,60 dólares, muy por encima de la cifra base. Por eso, no te presupuestes un vídeo a partir del número grande; mira la estimación del panel con tus ajustes reales.
El texto se factura por millón de tokens. La entrada más barata es Seed 1.6 Flash; las más caras son las gamas de visión. No hay un nivel gratuito permanente, así que pagas desde la primera llamada. Sin excepciones.
La imagen, en cambio, se cobra por pieza y el precio de la página es lo que pagas.
Los tres tropiezos más frecuentes
Errores que se cometen una vez y no se repiten.
Elegir mal la rama. Confundir Seedream con Seedance o pedir a un modelo de texto que genere vídeo. Son familias separadas: la salida que quieres decide el nombre.
Olvidar el Bearer. El 401 con "Invalid signature" casi siempre significa que pasaste la clave sin Bearer en un endpoint de imagen o vídeo, o al contrario.
Calcular el presupuesto de vídeo con el número grande. La tarifa base es un escenario concreto. Si subes resolución o activas audio, la factura cambia. Comprueba la estimación antes de lanzar un lote.
Para seguir
Lo más útil es empezar humilde: una llamada de texto con Seed 1.6 Flash para confirmar que la clave y la URL base funcionan. Después pasa a una imagen con Seedream, que es instantánea y barata. Deja el vídeo para el final, cuando ya entiendas el ciclo de tareas asíncronas y cómo se facturan sus parámetros.
Cada familia evoluciona rápido y los IDs de modelo llevan fecha, así que verifica el nombre exacto en la documentación antes de fijarlo en tu código.
Última verificación: septiembre de 2026. Los IDs de modelo y las tarifas pueden cambiar; comprueba el valor vigente en la documentación oficial antes de producción.






