สมดุลที่สมบูรณ์แบบระหว่างต้นทุนและประสิทธิภาพ: การทบทวนเชิงลึกของ Byte Doubao Seed 2.0 Lite ด้วยความแม่นยำ 73.9% และต้นทุนเพียง 5.4 หยวนต่อการเรียกใช้ 1,000 ครั้ง

ก่อนเทศกาลตรุษจีน Bytedance ได้เปิดตัวโมเดลขนาดใหญ่ชุด Seed 2.0 อย่างเป็นทางการ ในการประเมินก่อนหน้านี้ เราได้วิเคราะห์โดยละเอียดเกี่ยวกับรุ่นเรือธงของซีรีส์นี้ Doubao-Seed-2.0-pro ไปแล้ว

ในสถานการณ์การนำไปใช้เชิงพาณิชย์และการพัฒนาจริง การควบคุมต้นทุนของโมเดลมักมีความสำคัญไม่แพ้ประสิทธิภาพการทำงาน ที่เปิดตัวพร้อมกับรุ่น Doubao-Seed-2.0-pro ยังมีโมเดล Doubao-Seed-2.0-lite ที่มีตำแหน่งที่เบาและเข้าถึงได้ง่ายกว่า เราได้ทำการประเมินอย่างครอบคลุม เพื่อทดสอบประสิทธิภาพในตัวชี้วัดสำคัญ เช่น ความแม่นยำ เวลาตอบสนอง การใช้ token และต้นทุน

สิ่งที่ต้องชี้แจงล่วงหน้าคือ: การประเมินครั้งนี้มุ่งเน้นไปที่การทดสอบขีดจำกัดของโมเดลในด้านข้อความและแก่นตรรกะในบริบทภาษาจีนแบบผสมผสาน (การประเมินในมิติอื่นๆ เช่น multimodal จะมีการอัปเดตในภายหลัง)

ประสิทธิภาพของรุ่น Doubao-Seed-2.0-lite:
* จำนวนข้อสอบ: ประมาณ 15,000 ข้อ
* คะแนนรวม (ความแม่นยำ): 73.9%
* เวลาเฉลี่ย (ต่อการเรียกใช้แต่ละครั้ง): 276 วินาที
* token เฉลี่ย (token ที่ใช้ต่อการเรียกใช้แต่ละครั้ง): 1761
* ค่าใช้จ่ายเฉลี่ย (ค่าใช้จ่ายในสกุลเงินหยวนต่อการเรียกใช้หนึ่งพันครั้ง): 5.4 หยวน

1. การเปรียบเทียบระหว่างรุ่นเก่าและรุ่นใหม่

เราได้เปรียบเทียบข้อมูลการทดสอบต่างๆ ของ Doubao-Seed-2.0-lite กับโมเดลระดับเดียวกันรุ่นก่อนหน้า (doubao-seed-1-8-251215) อย่างละเอียด ข้อมูลแสดงให้เห็นว่า รุ่น Doubao-Seed-2.0-lite มีการเปลี่ยนแปลงที่เห็นได้ชัดในทั้งความสามารถหลักและกลไกการทำงาน

แหล่งข้อมูล: การประเมิน ReLE โดย Non-linear Intelligence https://github.com/jeinlee1991/chinese-llm-benchmark
หน่วยราคาเอาต์พุต: หยวน/ล้าน token

• ประสิทธิภาพโดยรวมเพิ่มขึ้นอย่างมั่นคง: ในการประเมินรอบใหม่ คะแนนรวมของรุ่น Doubao-Seed-2.0-lite เพิ่มขึ้นจาก 71.7% ของ doubao-seed-1-8-251215 เป็น 73.9% อันดับรวมขยับขึ้นมาอยู่ที่อันดับที่ 4
• ความสามารถด้านวิทยาศาสตร์และตรรกะเพิ่มขึ้นอย่างมาก: ในสาขาย่อย มิติ “การให้เหตุผลและการคำนวณทางคณิตศาสตร์” มีการปรับปรุงที่เห็นได้ชัดเจนที่สุด โดยความแม่นยำเพิ่มขึ้นจาก 74.4% เป็น 85.8% (เพิ่มขึ้น 11.4 เปอร์เซ็นต์); สาขา “การศึกษา” ก็เพิ่มขึ้นจาก 61.1% เป็น 64.9%; “กฎหมายและงานบริหารราชการ” และ “การแพทย์และสุขภาพจิต” ก็มีเพิ่มขึ้นเล็กน้อยเช่นกัน
• ข้อมูลบางสาขาถูกปรับลด: ในขณะที่คะแนนรวมเพิ่มขึ้น ประสิทธิภาพของรุ่น Doubao-Seed-2.0-lite ในบางมิติลดลง โดย “ภาษาและการปฏิบัติตามคำสั่ง” ลดลงจาก 67.1% เป็น 64.6% และ “Agent และการเรียกใช้เครื่องมือ” ลดลงเล็กน้อยจาก 63.1% เป็น 62.0% นี่บ่งชี้ว่าโมเดลนี้ในรอบการอัปเดตรุ่นนี้ ได้มุ่งทรัพยากรพลังการคำนวณไปที่การให้เหตุผลเชิงลึกมากขึ้น
• ความสมดุลระหว่างเวลาในการทำงานที่เพิ่มขึ้นและการปรับปรุงต้นทุน: ในด้านกลไกการทำงาน เวลาเฉลี่ยของรุ่น Doubao-Seed-2.0-lite เพิ่มขึ้นอย่างมากจาก 33 วินาที เป็น 276 วินาที และจำนวน token เฉลี่ยที่ใช้ก็เพิ่มขึ้นจาก 1186 เป็น 1761 สิ่งนี้มีแนวโน้มสูงมากที่โมเดลจะได้นำกลไกการให้เหตุผลเชิงลึกแบบเดียวกับ Doubao-Seed-2.0-pro มาใช้ภายใน
• ที่น่าสนใจคือ แม้ว่าเวลาในการให้เหตุผลและการใช้ token จะเพิ่มขึ้น แต่ราคาเอาต์พุตของโมเดลนี้ลดลงจาก 8.0 หยวน/M token เป็น 3.6 หยวน/M token ส่งผลให้ค่าใช้จ่ายเฉลี่ยต่อการเรียกใช้หนึ่งพันครั้งไม่เพิ่มขึ้นแต่กลับลดลง จาก 7.3 หยวน เหลือ 5.4 หยวน

2. เปรียบเทียบกับโมเดลอื่นๆ

ในสถานการณ์การแข่งขันของโมเดลขนาดใหญ่หลักในปัจจุบัน ประสิทธิภาพโดยรวมของ Doubao-Seed-2.0-lite เป็นอย่างไร? เราวิเคราะห์เปรียบเทียบในแนวนอนจากสามมิติ:

แหล่งข้อมูล: การประเมิน ReLE โดย Non-linear Intelligence https://github.com/jeinlee1991/chinese-llm-benchmark

เปรียบเทียบกับระดับต้นทุนเดียวกัน

• ความได้เปรียบนำในระดับต้นทุนต่ำ: ในช่วงต้นทุนเชิงพาณิชย์ที่ต่ำมากต่ำกว่า 10 หยวน/พันครั้ง Doubao-Seed-2.0-lite แสดงให้เห็นถึงอัตราส่วนประสิทธิภาพต่อต้นทุนที่โดดเด่น ความแม่นยำ 73.9% ของมันครองอันดับหนึ่งในระดับนี้อย่างมั่นคง เมื่อเปรียบเทียบกับ DeepSeek-V3.2-Think (70.9%, 7.5 หยวน) ในระดับเดียวกัน และ Doubao-Seed-2.0-mini (71.8%, 7.0 หยวน) ในซีรีส์เดียวกัน รุ่น Doubao-Seed-2.0-lite บรรลุความแม่นยำที่สูงขึ้น ในขณะที่ยังคงต้นทุนการเรียกใช้ที่ต่ำกว่า (5.4 หยวน)
• ความสามารถในการแข่งขันข้ามระดับ: จากสถานการณ์คะแนนรวม แม้จะเผชิญกับโมเดลที่มีต้นทุนการเรียกใช้สูงกว่าหลายเท่า เช่น qwen3-max-think-2026-01-23 (72.8%, 43.5 หยวน) และ GLM-4.7 (71.5%, 52.5 หยวน) Doubao-Seed-2.0-lite ยังคงนำหน้าในด้านความแม่นยำโดยรวม และมีอัตราส่วนประสิทธิภาพต่อต้นทุนที่ค่อนข้างสูง

เปรียบเทียบโมเดลเก่าและใหม่

• โมเดลรุ่นใหม่ล้วนก้าวขึ้นมาอย่างโดดเด่น: สอดคล้องกับแนวโน้มของรายการก่อนหน้า ตำแหน่งสูงสุดส่วนใหญ่ถูกยึดครองโดยโมเดลรุ่นใหม่ที่เปิดตัวล่าสุด Doubao-Seed-2.0-pro (76.5%), gemini-3.1-pro-preview (74.8%), qwen3.5-plus (74.6%) และ Doubao-Seed-2.0-lite (73.9%) ติดสี่อันดับแรก แสดงให้เห็นถึงข้อได้เปรียบทั่วไปของโมเดลการให้เหตุผลรุ่นใหม่ในการจัดการงานที่ซับซ้อน
• ตระกูล Doubao ก่อตัวเป็นเมทริกซ์ที่สมบูรณ์: ข้อมูลยืนยันเพิ่มเติมถึงความสมบูรณ์ของเมทริกซ์ผลิตภัณฑ์ Doubao ตั้งแต่รุ่นเรือธงที่มุ่งสู่ประสิทธิภาพสูงสุด Doubao-Seed-2.0-pro (76.5%, 22.5 หยวน) ไปจนถึงรุ่นที่เน้นอัตราส่วนประสิทธิภาพต่อต้นทุนสูง Doubao-Seed-2.0-lite (73.9%, 5.4 หยวน) และรุ่นที่เบากว่า Doubao-Seed-2.0-mini (71.8%, 7.0 หยวน) ซึ่งครอบคลุมกลุ่มผู้ใช้ที่มีงบประมาณพลังการคำนวณและความซับซ้อนของงานที่แตกต่างกัน

เปรียบเทียบโอเพ่นซอร์ส VS โมเดลปิด

• โมเดลปิดนำหน้าด้วยภาพรวม: ใน Top 10 ของรายการ โมเดลปิดเชิงพาณิชย์ยังคงครองตำแหน่งนำ โมเดลปิดเช่น Doubao, Gemini, Hunyuan ยังคงรักษาข้อได้เปรียบในการรวมกลุ่มในด้านความแม่นยำโดยรวม
• ฝั่งโอเพ่นซอร์สมีผลงานที่แตกต่างกัน: จากคะแนนรวม ในบรรดาโมเดลโอเพ่นซอร์ส qwen3.5-plus (74.6%, 22.9 หยวน) มีผลงานดีเยี่ยม แต่มีต้นทุนการเรียกใช้ที่ค่อนข้างสูง GLM-4.7 (71.5%, 52.5 หยวน) และ Kimi-K2.5-Thinking (71.3%, 77.1 หยวน) แม้ว่าจะมีประสิทธิภาพด้านความแม่นยำที่มั่นคง แต่ในการแข่งขันด้านต้นทุนกับโมเดลปิดราคาต่ำเช่น Doubao-Seed-2.0-lite ดูจะอยู่ในตำแหน่งที่เสียเปรียบเล็กน้อย
• ซีรีส์ DeepSeek มั่นคง: ในสนามโอเพ่นซอร์สและต้นทุนต่ำ DeepSeek-V3.2-Think (70.9%, 7.5 หยวน) ยังคงให้ประสิทธิภาพที่เชื่อถือได้ด้วยต้นทุนที่ต่ำ แต่ในการประเมินครั้งนี้ ในด้านอัตราส่วนประสิทธิภาพต่อต้นทุน ถูก Doubao-Seed-2.0-lite ตามทันและแซงหน้า

ติดตามโปรแกรม “Whale Perch” เพื่อรับข้อมูล AI ล่าสุด

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง

☕ สนับสนุนค่ากาแฟทีมงาน

หากคุณชอบบทความนี้ สามารถสนับสนุนเราได้ผ่าน PromptPay

SCAN TO PAY WITH ANY BANK