Doubao 1.6
ByteDance (Volcano Engine) · Escrita · Voz e linguagem · Chatbot · IA chinesa
O Doubao 1.6 é o modelo de IA multimodal da ByteDance no Volcano Engine Ark: três modos de raciocínio, janela de 256K e preço que sobe conforme o tamanho da entrada.
Sobre Doubao 1.6
About
O que é o Doubao 1.6
O Doubao 1.6 é a família de modelos que a ByteDance apresentou em 11 de junho de 2025 na conferência FORCE da Volcano Engine. O modelo de IA Doubao 1.6 vem em três versões com o mesmo nome: doubao-seed-1.6 para trabalho geral, doubao-seed-1.6-thinking para raciocínio pesado e doubao-seed-1.6-flash para volume alto com latência baixa.
A proposta é juntar tudo num lugar só. Em vez de combinar um modelo de chat, outro de visão e uma camada de automação, o Doubao 1.6 lê texto, imagem e vídeo, raciocina sobre esse material e ainda consegue operar uma interface gráfica. As três versões aceitam 256K de contexto, o maior número da faixa de preço entre os fornecedores chineses.
O problema fica fora do modelo. O Doubao nasceu para o mercado chinês, então o console, a cobrança e quase toda a documentação partem de uma conta na China continental. Do Brasil você consegue chamar a api do doubao, mas o processo de compra e conformidade demora mais do que com fornecedores americanos.
Como começar
- Escolha a porta de entrada. O app Doubao (web, iOS, Android) é gratuito e não exige configuração. Para programar, use o Volcano Engine Ark.
- Crie a conta no Ark, conclua a verificação de identidade, gere uma chave de API no console e habilite a versão do Doubao 1.6 que pretende usar.
- Aponte seu cliente para o endpoint do Ark. Ele fala o formato chat completions da OpenAI, então os SDKs oficiais funcionam assim que você troca a URL base e o id do modelo.
- Defina o modo de raciocínio em cada requisição: ligado para problemas difíceis, desligado quando a velocidade importa, ou auto para o modelo decidir. Depois envie o prompt com partes de texto, imagem ou vídeo.
- Teste com seus próprios documentos ou capturas antes de fechar qualquer coisa. Os benchmarks do fabricante dizem pouco sobre os seus dados.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Doubao 1.6.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Times que atendem o mercado chinês
- Desenvolvedores que precisam entender telas
- Startups com orçamento curto
Tarefas
- Revisar documentos longos
- Ler gráficos e formulários
- Escrever entre chinês e inglês
Cenários
- Suporte ao cliente em volume
- Entrada de dados no back office
- Protótipos de agentes
Principais recursos
Um modelo, três formas de pensar
O Doubao 1.6 deixa você ligar o raciocínio, desligar ou deixar no auto. No modo auto, o sistema lê o prompt e decide se aquilo pede uma cadeia de pensamento, o que mantém pedidos simples rápidos e baratos. Na prática, substitui a velha escolha entre modelo rápido e modelo que raciocina.
Janela de 256K nas três versões
Os três checkpoints aceitam 256K tokens, não só o mais caro. Isso dá umas 400 páginas de texto numa chamada única. Entradas longas custam mais por token, então a troca existe de verdade, mas você não bate num limite no meio do documento.
Entrada multimodal, com vídeo
Texto, imagens e quadros de vídeo entram na mesma requisição. Dá para perguntar o que mudou entre duas capturas ou extrair números de um gráfico. Para muitos times, isso tira um passo de OCR ou de visão do processo.
Controle de interface gráfica
O modelo olha para uma tela e emite ações: clicar, digitar, rolar, preencher campo. A ByteDance apresenta isso como base para agentes que usam o computador. Funciona melhor em interfaces limpas e padronizadas, e precisa de limites próprios antes de mexer em algo importante.
Preço que segue o tamanho da entrada
Em vez de cobrar a mais por raciocínio ou visão, os preços do Doubao seguem uma tabela por faixa de entrada: 0 a 32K, 32K a 128K e 128K a 256K. Prompts curtos continuam baratos e um documento longo custa mais porque ocupa mais janela. A ByteDance calcula que o custo combinado fica perto de um terço do Doubao 1.5 thinking.
Quatro níveis de raciocínio
Uma atualização de outubro de 2025 acrescentou quatro níveis (minimal, low, medium, high). Você escolhe quanto raciocínio interno o modelo gasta antes de responder, e assim negocia latência e qualidade por requisição, não por modelo.
Prós e contras
Prós
- Mandarim muito bem resolvido, com um inglês que segura tradução e reescrita.
- Preço por token bem abaixo dos modelos de ponta ocidentais, principalmente no flash.
- 256K de contexto nos três checkpoints, sem obrigar upgrade de modelo para entradas longas.
- Visão, vídeo e controle de interface no mesmo endpoint, o que reduz o trabalho de integração.
- A API segue o formato da OpenAI, então SDKs e wrappers que você já usa costumam rodar sem alteração.
Contras
- Cadastro, cobrança e verificação de identidade pressupõem conta na China continental, e isso atrasa times de fora.
- Os dados são processados na China, e só isso já elimina o modelo em vários setores regulados da Europa e dos Estados Unidos.
- A documentação em inglês fica atrás da chinesa, então você mesmo traduz mensagens de erro e notas de versão.
- A família anda rápido: o Doubao 2.0 chegou em poucos meses, o que transforma migração de versão em custo recorrente.
Perguntas frequentes
Cobre o trabalho normal de um assistente (chat, resumo, tradução, ajuda com código) e acrescenta duas coisas que um modelo só de texto não faz: ler imagem e vídeo, e operar uma interface gráfica. Aparece em bots de atendimento, revisão de documentos e automação de tela.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Doubao 1.6.
Alternativas a Doubao 1.6
Google EmbeddingGemma 2
Google DeepMind · Escrita · Imagem · ProgramaçãoGoogle EmbeddingGemma 2 é um modelo aberto de 740 milhões de parâmetros que transforma texto, código, imagens, áudio e quadros de vídeo em vetores de um único espaço de 768 dimensões, rodando em celulares e notebooks.
MePersona
MePersona, Inc. · Escrita · Produtividade · MarketingMePersona é uma caixa de entrada unificada com IA para criadores de conteúdo. Aprende o seu jeito de escrever, rascunha respostas aos fãs em 12 plataformas e envia apenas o que você aprova.
Fluence
Yay Software (Yannick Huchard) · Escrita · Voz e linguagem · ProdutividadeO Fluence é um app de Android que lê em voz alta PDF, EPUB, arquivos do Word e artigos da web, acompanha a frase falada e responde perguntas sobre o texto sem sair do celular.