Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
fragen-fundeohne Datum · Q004947

Seed News - ByteDance Seed Team

seed.bytedance.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

ByteDance präsentiert Seed1.8 als multimodales agentisches Modell für Suche, Coding, GUI-Bedienung und komplexe Aufgaben und berichtet über starke Benchmark-Ergebnisse, etwa 67,6 Punkte bei BrowseComp-en und 87,8 bei VideoMME. Diese Leistungsangaben stammen aus den vom Anbieter beschriebenen Tests; viele Vergleichsdaten stehen nur in nicht lesbaren Abbildungen, und unabhängige Bestätigungen enthält der Bericht nicht.

Mittel

Der ByteDance Seed Team-Bericht stellt Seed1.8 als agentisches Modell mit Text- und Bildeingabe vor. Es soll Suche, Programmierung und Bedienung grafischer Oberflächen verbinden und komplexe Arbeitsabläufe ausführen. Drei Denkmodi sollen Aufwand und Verarbeitung an die Aufgabe anpassen; effizientere Bild- und Videoverarbeitung soll die Latenz senken.

Der Anbieter berichtet von guten Ergebnissen in GUI-, Such-, Coding-, Sprach- und Bild-/Videobenchmarks. Genannt werden unter anderem 67,6 Punkte bei BrowseComp-en, 47,2 bei WorldTravel (Bestwert aus fünf Versuchen), 11,0 bei ZeroBench, 62,0 bei VLMsAreBiased und 87,8 bei VideoMME. Als Anwendungsbeispiel beschreibt der Artikel eine Berlinreiseplanung, die Budget, Zeit und persönliche Vorlieben berücksichtigt. ByteDance zufolge liegt Seed1.8 in mehreren Bereichen auf Augenhöhe mit führenden Modellen oder übertrifft seinen Vorgänger Seed1.5-VL.

Die Angaben stammen aus vom Unternehmen beschriebenen internen und öffentlichen Auswertungen; der Bericht verweist für Details auf die Model Card. Viele Vergleichswerte sind nur in eingebetteten Grafiken enthalten und im Text nicht einsehbar. Unabhängige Bestätigungen und vollständige Testbedingungen liefert der Artikel nicht. Für die Zukunft kündigt ByteDance Verbesserungen bei Langzeitaufgaben, Agentengedächtnis und praxisnahen Bewertungsdaten an.

Ausführlich lesen

Der ByteDance Seed Team-Bericht kündigt Seed1.8 als allgemeines agentisches Modell mit Text- und Bildeingabe an. Laut Anbieter soll das Modell über reine Sprachgenerierung hinausgehen und Aufgaben wie Suche, Programmierung, Bedienung grafischer Oberflächen sowie mehrstufige Arbeitsabläufe übernehmen. Es bündele Such-, Code- und GUI-Agent-Funktionen und könne durch seine visuellen Fähigkeiten Schnittstellen erfassen und bedienen. Drei einstellbare Denkmodi sollen die Verarbeitung an die Aufgabenkomplexität anpassen; eine effizientere Bildkodierung soll die Antwortlatenz senken, ohne die Leistungsfähigkeit zu beeinträchtigen.

Der Bericht beschreibt interne und öffentliche Benchmarks sowie Tests in simulierten Arbeitsabläufen. ByteDance zufolge verbessert Seed1.8 die GUI-Agent-Fähigkeiten gegenüber Seed1.5-VL und bewährt sich bei mehrstufigen Aufgaben auf Desktop-, Web- und Mobiloberflächen. Für die agentische Suche nennt der Text 67,6 Punkte im Benchmark BrowseComp-en und behauptet, damit unter anderem Gemini-3-Pro zu übertreffen. Auch bei agentischer Programmierung und Finanz- sowie Geschäftsanwendungen meldet der Anbieter gute beziehungsweise konsistente Ergebnisse. Im multimodalen Anwendungstest WorldTravel werden 47,2 Punkte angegeben; dieser Wert beruhe auf dem besten von fünf Versuchen. Als Beispiel zeigt der Bericht die Planung einer Berlinreise für eine Familie mit knappem Budget und besonderen Vorlieben. Das Modell soll dabei Reiseinformationen aus mehreren Quellen zusammenführen und Zeit-, Budget-, Essens- und Unterkunftsvorgaben berücksichtigen.

Bei allgemeinen Sprachmodellfähigkeiten ordnet ByteDance Seed1.8 in Mathematik, Schlussfolgern, Wissen und komplexer Anweisungsbefolgung der Spitzengruppe zu und vergleicht es mit führenden Modellen. Für Bildverständnis nennt der Bericht 11,0 Punkte im anspruchsvollen visuellen Schlussfolgerungsbenchmark ZeroBench und 62,0 im Benchmark VLMsAreBiased. Außerdem beansprucht er gute Ergebnisse bei räumlichem Verständnis in 2D und 3D. Für Videoverständnis hebt er unter anderem 87,8 Punkte bei VideoMME hervor. Das Modell nutze dafür das Videowerkzeug VideoCut, mit dem ausgewählte Abschnitte verlangsamt betrachtet werden könnten. Laut Bericht verbessert Seed1.8 zugleich die Token-Effizienz bei Videos und übertreffe Seed1.5-VL bei mehreren Langvideo-Benchmarks auch mit weniger maximal verfügbaren Videotokens.

Als Grenzen der Belege ist zu beachten, dass dies eine Produktankündigung des Anbieters ist. Die Aussagen beruhen auf den von ByteDance beschriebenen Tests; der Bericht verweist für vollständige Resultate auf eine Model Card. Zahlreiche Vergleichswerte stehen nur in den eingebetteten Abbildungen, deren Inhalte im bereitgestellten Text nicht lesbar sind. Der Artikel erläutert zudem, dass manche Werte aus öffentlichen technischen Berichten stammen und manche aus offiziellen Volltests; einzelne Ergebnisse, etwa WorldTravel, haben besondere Auswertungsbedingungen. Unabhängige Bestätigung oder nähere Angaben zu sämtlichen Testbedingungen enthält der Text nicht. Für die Zukunft kündigt das Team weitere Leistungssteigerungen, bessere Langzeitaufgaben und Agentenerinnerung, mehr Training mit realen Anwendungssituationen sowie die Veröffentlichung ausgewählter Bewertungsdatensätze an.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen wurden gemeinsam bewertet; die mittlere ist vollständiger, die kurze lässt mehr Details aus. Die Einordnungen stützen sich allein auf den Bericht, und der Bericht enthält kaum Material zu den Sicherheits- und Aufsichtsfragen der Sammelfragen.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Behauptung, Seed1.8 habe branchenführende GUI-Agent-Fähigkeiten und arbeite auf Desktop-, Web- und Mobilsystemen zuverlässig
  • Der Vergleich, Seed1.8 übertreffe bei BrowseComp-en Modelle wie Gemini-3-Pro
  • Das Werkzeug VideoCut für präzisere Langvideo-Analyse und Zeitlupe ausgewählter Segmente
  • Die Ankündigung, einige für Seed1.8 entwickelte Bewertungsdatensätze seien bereits öffentlich oder sollen als Open Source folgen

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Aussage, viele Vergleichsdaten stünden nur in nicht lesbaren Abbildungen. Der Bericht sagt nur, dass die Ergebnisse in eingebetteten Grafiken stehen, nicht dass sie unlesbar sind.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 39 %gleiches Oberthema, hilft nicht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-F1-T05 Welche Cyber-Prüfungen und welche Testbausteine (Testfälle, Bewertungswerkzeuge, Datensätze) würden jedes Labor und jedes Ministerium anstelle einer bloßen Behauptung als gültig anerkennen, wenn andere sie an ihrem Modell durchführen? Und welche genormte Testsammlung würden Labore verschiedener Staaten gemeinsam an eingefrorenen Modellversionen laufen lassen, verwaltet von einer dritten Stelle, der alle trauen? Luna: Stufe 3 · 30 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 36 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 49 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 25 %gleiches Oberthema, hilft nicht
    • Luna 48 %einzelne zitierbare Belege
    • JEV 58 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 38 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 67 %Hintergrund, keine Belege
    • JEV 35 %gleiches Oberthema, hilft nicht
    • amos 33 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 59 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 100 %kein Bezug
    • amos 28 %Hintergrund, keine Belege
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 64 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 28 %gleiches Oberthema, hilft nicht
    • JEV 50 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 44 %Hintergrund, keine Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 52 %Hintergrund, keine Belege
    • JEV 53 %einzelne zitierbare Belege
    • amos 25 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 38 %gleiches Oberthema, hilft nicht
    • JEV 46 %einzelne zitierbare Belege
    • amos 29 %nur am Rande erwähnt
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 31 %Hintergrund, keine Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 40 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 43 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 66 %gleiches Oberthema, hilft nicht
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 45 %Hintergrund, keine Belege
    • JEV 30 %einzelne zitierbare Belege
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 46 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →