豆包大模型1.6-vision：支持Responses API，能自主调用工具如定位/剪裁/点选/画线等

豆包大模型1.6-vision由火山引擎于2025年9月30日正式发布，是豆包家族首个具备「工具调用能力」的视觉深度推理模型。它把图像直接纳入思维链，可自主完成裁剪、缩放、旋转、画框等精细操作，并支持Responses API，开发者无需手写大量调用代码即可把视觉推理嵌入Agent。

豆包大模型1.6-vision项目特点：

1、工具调用：

模型可像调用函数一样调用图像处理工具，实现从“全局扫描”到“局部聚焦”的人类式视觉推理，显著提升可解释性。

2、性能提升：

在保持高精度的同时，综合使用成本较上一代Doubao-1、5-thinking-vision-pro下降约50%，性价比更高。

3、多模态深度推理：

对复杂图表、界面截图或实物照片，可先整体理解再定位关键区域，输出带坐标的结构化结果，方便后续自动化操作。

4、开发友好：

官方提供ResponsesAPI示例，几行代码即可完成「上传图片→选择工具→返回结果」的完整闭环，大幅降低视觉Agent开发门槛。

5、长上下文与高清输入：

支持256K长上下文，单图最大4K分辨率，可一次处理20张以上高清图，适合批量UI测试、文档比对等场景。

进入豆包大模型1.6-vision官网入口