豆包 Seed 开源系列
豆包 Seed 开源系列

豆包 Seed 开源系列OSS-36B

官方版无广告50
收藏 0

字节跳动开源大模型系列

更新日期：
2025年8月20日
分类标签：
语言：
多语言
平台：

0 人已下载 手机查看

豆包是字节跳动面向大众的 AI 助手,它背后的研发团队叫 Seed。从 2025 年起,这个团队把一批自研模型的权重免费公开到 GitHub 和 Hugging Face,统称 Seed 开源系列:主力是 2025 年 8 月发布的大语言模型 Seed-OSS-36B,同门还有编程模型 Seed-Coder、统一多模态模型 BAGEL 等。不懂技术的读者可以这样理解:豆包 App 是拿来就用的成品,本页介绍的是同一团队公开下载的模型权重,企业和开发者能把它搬回自己的服务器;普通人不用部署,打开豆包 App 就能体验同门技术。

版本与参数

主力 Seed-OSS 于 2025 年 8 月 20 日发布,一次放出三个权重:Seed-OSS-36B-Instruct(对话指令版)、Seed-OSS-36B-Base,以及去掉合成指令数据的 Base-woSyn(供训练研究用)。三者均为 360 亿参数的稠密模型:64 层、隐藏维度 5120、GQA 注意力、词表 15.5 万,原生上下文 512K token,预训练只用了 12 万亿 token。招牌功能是”思考预算”(thinking budget):使用者可以指定模型先思考多少 token 再作答,简单问题少想、难题多想,推理开销自己掌控。编程线 Seed-Coder 是 8B 轻量家族,含 Base、Instruct、Reasoning 三版,上下文 32K 到 64K,官方称此前名为 Doubao-Coder。

能力与榜单成绩

据 Hugging Face 官方模型卡,Seed-OSS-36B-Instruct 在数学竞赛基准 AIME24 得 91.7、AIME25 得 84.7;编程基准 LiveCodeBench v6 得 67.4;软件工程基准 SWE-Bench Verified(OpenHands 框架)得 56;128K 长文检索基准 RULER 得 94.6,在官方对比表中高于 Qwen3-30B-A3B-Thinking-2507 与 Gemma3-27B。知识与推理方面 MMLU-Pro 82.7、GPQA-Diamond 71.4。官方同时注明,该系列主要面向国际化(i18n)使用场景优化,中文场景要自己实测把关。

开源许可

全系许可宽松:Seed-OSS 与 BAGEL 用 Apache-2.0,Seed-Coder 用 MIT。两种许可都允许免费商用、修改和再分发,不需要另行授权,也没有”商用须标注出处”之类的附加条款,企业选型不用逐条抠许可细节。

API 价格

开源的 Seed-OSS 没有单独的官方 API 售卖;字节的商用模型服务走火山引擎方舟平台,豆包系列按 token 计费,单价以官方价目页实时显示为准,本页不代抄。愿意自己架服务器的,权重下载和使用都是零费用。

国内可用性

权重除 Hugging Face 外,魔搭 ModelScope 上有 ByteDance-Seed 官方页,国内直连下载更稳更快;GitHub 仓库存放推理脚本与部署说明。普通用户不用碰权重:豆包 App 和网页版在国内直接可用,没有网络门槛。

本地部署

36B 稠密模型对显存要求不低,官方部署示例用 8 卡张量并行,单张消费级显卡带不动原版权重。官方推荐 vLLM(0.10.0 及以上版本)起 OpenAI 兼容服务,下载权重后按官方命令启动,张量并行数按自己的卡数调整:

hf download ByteDance-Seed/Seed-OSS-36B-Instruct --local-dir Seed-OSS-36B-Instruct
python3 -m vllm.entrypoints.openai.api_server \
    --model ./Seed-OSS-36B-Instruct \
    --chat-template ./Seed-OSS-36B-Instruct/chat_template.jinja \
    --enable-auto-tool-choice --tool-call-parser seed_oss \
    --trust-remote-code --dtype bfloat16 \
    --tensor-parallel-size 8 --served-model-name seed_oss

Ollama 模型库暂未收录 Seed-OSS。显存有限的机器,可用官方仓库里的 transformers 推理脚本加 --load_in_8bit True 或 --load_in_4bit True 量化加载;再小的显卡建议改跑 8B 的 Seed-Coder。

适用场景

  • 长文档处理:512K 原生上下文配上 RULER 94.6 的长文检索成绩,适合整仓代码、长报告和大批资料的分析问答。
  • 智能体应用:官方针对工具调用与任务执行做了优化,vLLM 部署自带工具调用解析器,适合搭建多步执行的助手。
  • 成本敏感的推理服务:思考预算功能让同一个模型按任务难度分配思考量,不必为简单请求付出长推理的算力。
  • 编程辅助:Seed-Coder 8B 体量小,量化后消费级显卡可跑,适合个人开发者做补全与修 bug。
  • 训练研究:Base-woSyn 权重不含合成指令数据,给做后训练研究的团队留了一个干净的底座。

相关工具与教程

想先体验同门技术,站内有豆包工具页,注册就能用。同类国产开源模型可对比Qwen3与Kimi K2:Seed-OSS 走 36B 稠密加超长上下文,后两者走 MoE 大参数,硬件门槛和许可条款各有取舍,按自己的机器和用途选。

常见问题

豆包 App 用的就是这个开源模型吗?不是一回事。豆包 App 背后是字节的商用模型,经火山引擎提供;本页的 Seed 开源系列是同一团队公开下载的权重,面向开发者,且主要为国际化场景优化。

免费吗?能商用吗?权重免费下载,Apache-2.0 和 MIT 许可都允许商用、修改、再分发,没有额外附加条件。

个人电脑跑得动吗?Seed-OSS-36B 原版跑不动,需要多卡服务器,量化后也要大显存专业卡;个人建议跑 8B 的 Seed-Coder,或直接用豆包 App。

去官方网站了解更多

相关软件

标签云