今天，火山引擎发布「豆包·Seed-Code」编程模型：面向 Agent 级编程深度调校，在 SWE-Bench-Verified 官方榜刷新 SOTA，并兼容 Anthropic API 等主流栈。成本也被我们“打骨折”——综合使用费比行业均值降 62.7%，国内最低。同时，TRAE 中国版已深度接入豆包编程模型；TRAE(CN) 企业版也于今日启动公测，护航企业级 AI 开发。

Doubao-Seed-Code 专为 Agentic 编程场景深度调优，在 Terminal Bench、SWE-Bench-Verified-Openhands、Multi-SWE-Bench-Flash-Openhands 等权威榜单全面领跑，成绩稳居国内第一梯队。

豆包编程模型原生 256 K 长窗口，单文件再大、依赖再深也能一次读全，端到端自主编程游刃有余，全栈场景通杀，前端表现尤其亮眼。 更率先在国内加入视觉理解：拍一张 UI 稿、截一张图、甚至手绘草图，都能直接生成对应代码，还能把生成的页面与原图逐像素比对，自动调样式、修 Bug，前端效率瞬间翻倍。 为方便迁移，模型已对齐 Anthropic API 与 TRAE 等主流生态；原来用 Claude Code 的项目，只需改两行配置就能丝滑切到豆包，立刻享受更便宜的token。

顶尖表现的根基，是 Doubao-Seed-Code 自研的大规模 Agent 强化学习训练底座。 该底座储备了 10 万+ 容器镜像的超大训练集，可并发维持万级沙盒会话，对单机上千卡的 RL 任务实现秒级调度、线性加速。依托这一设施，模型跳过大模型蒸馏与人工标注的冷启动，纯靠端到端强化学习直训 Agent 策略，训练路径更短、收敛更快、能力更强。

实验曲线显示，模型在 Multi-SWE-Bench 与 SWE-Bench-Verified 双数据集上的指标持续抬升，泛化性能稳健。在 SWE-Bench 主榜中，仅凭 RL 训练的 Doubao-Seed-Code 已触及榜首，证明纯强化学习在真实编程任务里同样可塑。

更值得关注的是，当模型与 TRAE 开发环境深度耦合后，于 SWE-Bench Verified 拿下 78.80% 的新高，刷新 SOTA，充分释放了“模型+工具”一体化带来的乘数效应。

Doubao-Seed-Code 不止性能强，更考虑开发者的实际需求，将成本红利最大限度交给开发者。其沿用了火山引擎首创的分层定价模式，并配合全量透明 Cache 能力，在多轮对话中进一步降低成本。综合来看，Doubao-Seed-Code 输入、输出单价已达国内最低.

今天，TRAE 中国版正式接入 Doubao-Seed-Code。作为国内首款 AI 原生 IDE，TRAE 为开发者提供智能问答、代码自动补全、自定义智能体等完整的 AI 编程能力。