昨天我在X上刷到一张排行榜，Arena的Code Arena: Frontend，前端代码能力的真人盲投对战榜。发现榜上有多家国产模型在列，而且许多排名比我预期的高不少。
这阵子的势头也确实是这样。前不久Anthropic最新的旗舰Fable 5才发布三天，就被美国政府以出口管制为由叫停了。基本上海内外的用户都是叫苦不迭，而且面对这种情况，大家都希望有更多选择可以补上，所以国产模型在海外反而越来越出圈。
然后今天，看到火山引擎开发布会，豆包大模型2.1正式发布。我昨天榜上看到的那个Seed 2.1 Pro，就是它。
那就别光看榜了，测一测。我天天泡在Claude Code里，写代码、改产品、跑任务，大部分活儿都在终端里让agent干。我想拿两个我日常工作流的真实场景，把豆包2.1接进我天天用的工作流，当主力使，它扛不扛得住。要是真行，对所有想用Claude Code、Cursor这类coding agent的人来说，就是多了一个实在的选择。
接起来不麻烦。火山方舟有个兼容Anthropic协议的端点，本来就是给Claude Code这类工具用的。配好之后终端敲一下，Claude Code就换成豆包2.1 Pro在跑了。
想自己试，三步就够
-
去火山方舟控制台开通 doubao-seed-2-1-pro-preview 这个模型，拿一个ARK API Key。 -
给Claude Code配三个环境变量（写进 ~/.claude/settings.json 的 env 里也行）：
-
起 claude，敲个 /status 看一眼接的是不是豆包。
我懒，不想每次都翻配置，就在 .zshrc 里写了个 doubao 的别名，把这几个变量一次塞进去：
存好以后，终端敲 doubao 就起一个豆包驱动的Claude Code，跟我平时那个 claude（还是原来的模型）互不干扰。想换个模型试试，几乎零成本。
其实更省事的是，上面这一整套，配变量、写别名、调端点，你压根不用自己动手，把这篇文章的配置丢给Claude Code或者任何agent，它几分钟就给你接好了。真正得你亲手做的就那几步：去火山控制台开通模型、拿Key、充点钱。这部分agent替不了你，剩下全包给它。
然后我让它干了两件真事：修我自己开源产品里的真bug，看一段网页录屏把网站复刻出来。
先让它修我自己产品的bug
我前段时间新发了个开源产品，叫FanBox。一句话讲，它是 Coding Agent的驾驶舱：左边浏览预览本地文件，右边在内嵌的真终端里跑Claude Code、Codex，agent每改一个文件，对应的卡片就亮一下，你能看清它碰过的每一行，随时接手。
这项目是Fable 5起的头（对，就是开头说的、刚被禁那个Fable 5），6月初开工。然后我基本没停，一周多，97次提交，从v1.1滚到现在的v2.3。中间加功能、修bug，主力是Opus 4.8，再加上几个国产第一梯队的模型轮着上。
现在它有多大？自己写的代码28个文件、15609行，光主逻辑那个 app.js 就4572行。架构也不算轻：Electron无构建运行时、node-pty跑真终端、xterm.js做渲染、Monaco当编辑器，还塞了微信ClawBot、上下文自动整理、记忆层兜底。
说这些是想讲清楚：这不是一个下午搭的demo，是个真有人用、还在天天长的产品。让一个新模型进来改一个复杂项目，跟从头写个小玩意儿完全两回事。
一个真实的测试
我没给它出题。直接让它去拉FanBox在GitHub上的open issue，都是用户提的真问题。
然后我挑了两个：一个是 #27，终端里复制粘贴用不了，跟原生终端不一样；一个是 #28，项目里新加的skills加载不出来。
这俩都不好一眼看穿。第一个我自己都没底，翻箱的Edit菜单明明带了粘贴，怎么终端里还是粘不上？第二个得读懂skills那套加载刷新逻辑才能定位。
它没急着改代码
这段我体感比较好。Seed 2.1 Pro拿到任务，没上来就动手。先给自己做了轮准备，然后自动进了plan mode，就是Claude Code里那个「先探索、先想清楚、再动手」的模式。
接着它自己把活儿拆了，开并行：一口气派了两个Explore子agent，一个专门去啃终端的实现代码，一个去查skills的加载机制，俩同时跑。这量还不小，啃终端那个45次工具调用、12万token，查skills那个35次、近4万token，都把相关代码摸透了才回来。
探索完它还是没急着写，又起了个Plan agent，花了十来分钟专门设计修复方案，中间十几次精确定位，在4572行的 app.js 里一点点把终端创建、剪贴板、skills加载这些地方抠出来。
我想说的是这个节奏：先探索、再规划、最后才动手。当然，plan mode、子agent这套编排，本来就是Claude Code这套harness搭好的脚手架，不全是模型的功劳。但脚手架是死的，会不会用是活的。我接过别的模型进来，plan mode走个过场、子agent不会调、上来就闷头改的，见得太多了。Seed 2.1 Pro是真把这套吃下来了，该并行并行、该拆拆、该规划规划。
后来翻字节这次的发布，发现他们专门把「优化 Harness 与模型的协同」列成了下一步方向。可见模型配不配合 harness 这事，模型厂商也在认真盯着这事了。
改得挺规矩
探索规划完才动手。最后改出来的东西，说实话比我预期稳。
就拿 #27终端粘贴说。它没走歪门，是顺着项目本来的写法修的：装上xterm 官方的剪贴板插件，再给终端挂个按键处理：Cmd+C 复制选中、Cmd+V 读系统剪贴板再用bracketed paste安全塞进终端，顺手连 Cmd+加减 调字号都补了。改动落在 app.js 等5个文件、80多行。
我挺在意的一点是：它守着这个仓库原本的规矩改。项目里到处用 __noXterm 这种「加载失败就降级」的开关，它修的时候就照着加了个 __noClipboard 兜底，跟原来的风格严丝合缝。不是硬塞一段能跑但风格不搭的代码。对一个要长期维护的项目，这点比「能不能跑」还重要。最怕新模型进来按自己的习惯乱改，把代码搅成一锅粥。
它能自己跑40分钟
还有件事得单拎出来说。
它处理这两个issue，在auto mode里自己一口气跑了40多分钟，先把 #27标成完成，又接着啃 #28，中间没让我插一次手。
别小看这个。能长时间稳住一个复杂任务，本身就是能力。差一点的模型跑十几分钟就开始丢上下文、跑偏，或者草草交差。能在一个一万多行的真项目里稳跑40分钟、不断线不跑飞、一个个把问题啃下来，这就是能不能当主力最实在的一条线。我之前跑别的模型也有类似体会，能连着跑一个多小时任务还不散架的，往往就是好用的那个。
最后这两个issue它都修完了，一个commit提交了进来。改完我自己在app里点了点：终端Cmd+V能粘上了，新项目里加的skill也刷出来了，确实修好了，不是它自己嘴上说完成。#27终端粘贴它顺手连右键菜单、选中即复制（对齐 iTerm2）都补齐了。#28更难，它定位到的根因有点出乎我意料：skills加载只扫「最近12个活跃项目」，新项目里加的skill落在这名单外就加载不到。我翻了下那段缓存逻辑，确实是这么回事。它加了个强制刷新的接口绕过缓存。这种藏在缓存里的坑能自己挖出来，不容易。
聊到这，场景一我的体感是：把Seed 2.1 Pro丢进我最熟的工作流，给它一个真复杂项目的真bug，它接得住。探索、规划、动手、长跑，到最后真把代码改对、提交进产品，该有的都有。一个新模型能干到这份上，我觉得够了。
再让它看视频复刻网页
第二件事换个角度，测视觉理解和还原。
现在「看图复刻网页」已经是红海了，截张设计稿丢过去，生成个差不多的页面，很多模型都能做到七七八八。
我故意加了难度：不给图，给视频。
为什么视频更难？一段录屏里有图给不了的东西，页面怎么滚、鼠标划过哪儿有反应、那块渐变是死的还是流动的、卡片怎么一个个冒出来。这些动效，单张截图给不了。模型得真「看懂」这段视频在演什么，才还原得出来。比看图难。
我录了段十秒左右的Stripe中文官网首页，从上到下滚一遍。把这段录屏分别丢给Seed 2.1 Pro和Opus 4.8，让它们把布局、视觉、动效都复刻出来。先看原站长什么样：
它俩的做法都差不多：先把视频按时间顺序抽成帧，逐帧看懂整页从上到下的结构、还有滚动时冒出来的内容，然后写成一个单文件网页。
先看Seed 2.1 Pro的：
说实话，认得出来。顶部导航、Hero区那句「金融基础设施，托举营收增长」、招牌那块橙粉紫渐变、底下那排客户logo，都还原了，再往下的bento卡片区也铺出来了。关键是你看它是会动的：滚动有淡入，渐变在飘。这正是喂视频的意义，模型把动效也一并学走了，喂一张静态截图根本传不了这些。
当然不是满分。越往下、越复杂的区块还原度越打折，那块流体渐变它抓到了颜色，没完全抓到斜着飘的那个形。
再看Opus 4.8的，同一段视频：
整体更完整些，下半部分的区块铺得更全。但你看到的是同一件事：复刻出来的页面是活的，会滚、会渐变、会淡入。
我想说的其实不是这俩谁高谁低（名次和体感前面都聊过了），是「拿录屏来复刻」这件事本身的价值：喂一张静态图，模型最多还原个样子；喂一段录屏，它能把动效一起复现出来。这一关，Seed 2.1 Pro接得住。顺带一提，视频理解正好是Seed 2.1这次重点讲的能力，说处理时序、动作这些比上一代更准。我这段复刻，算是给那个说法找了个能上手验证的例子。
那它到底行不行
跑完这两件事，我的体感是：Seed 2.1 Pro这一代，确实上牌桌了。
它不是那种「能聊但干不了活」的模型。接进Claude Code这种重harness，plan mode、多子agent、自己拆任务，它都用起来了。丢个一万多行的真项目让它修bug，它沉得住气，先探索再动手。看段视频复刻网页这种硬活，也能交出认得出的东西。
国内第一梯队，这位置我觉得它站得住。离海外最顶尖那几个（像Opus 4.8）还有距离，这个我不藏着。但「追上来了」这四个字，这回是我自己跑出来的，不是听谁说的。
也不只我这么觉得。回到开头那张Arena榜，我测的这个Seed 2.1 Pro，榜上排到第8、1539分，跟Opus 4.6同档 。我上手的体感，跟这个名次几乎对上了。
所以这阵子国产模型是真有点杀疯了。不是某一家偶然冒头，是一批模型一起往上顶。跟顶尖的差距，硬是压到了差不多同一档。现在Seed 2.1 Pro出来，大家完全可以多一个选择了。