Dola Seed 2.0 Pro es el buque insignia de la familia Dola Seed 2.0 de ByteDance en BytePlus ModelArk, descrito oficialmente como un modelo agéntico de propósito general construido para la era de los agentes.
- Entrada
- texto imagen vídeo $0.5/M
- Salida
- texto $3/M
- Lectura de caché
- $0.1/M
- Contexto
- 262K
- vs GPT-4o
- ~90% más barato
Prompts de más de 128K tokens: toda la solicitud se factura a $1/M de entrada · $6/M de salida
El precio en contexto
Posición del precio entre 68 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 256.000 |
|---|---|
| Salida máxima (especificación del proveedor) | 131.072 |
Caché de prompts
| Modo | automático + explícito |
|---|---|
| Prefijo mín. | 1024 |
Razonamiento
| Parámetro del proveedor | thinking.type + reasoning_effort |
|---|---|
| Valores admitidos | thinking.type enabled · disabled (no auto); reasoning_effort minimal · low · medium · high |
| Valor por defecto | enabled, con reasoning_effort medium y el resumen de pensamiento activado se aplica si la solicitud no indica nada |
| Se puede desactivar | Sí |
| Comportamiento del razonamiento | El resumen de pensamiento está activado por defecto, por lo que reasoning_content lleva un resumen junto a encrypted_content en lugar de la traza en bruto; en los turnos con llamada a herramientas hay que devolver encrypted_content o la calidad de la inferencia se degrada. |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high parámetros que expone la pasarela; se aplica el mapeo del proveedor indicado arriba |
Modelo
| Modalidades | texto + imagen + vídeo → texto |
|---|
Buque insignia agéntico de propósito general con razonamiento profundo, grounding visual y llamada a herramientas en un contexto de 256K.
Un prompt, medido a través de la pasarela
Dola Seed 2.0 Pro superado · 3 sentences
Reasoning-enabled LLMs do not generate final answers in one pass: they run hundreds of unshown internal trial, cross-check, and correction steps for every user request, and every one of these hidden steps consumes billable GPU time just like the visible output text. Unlike our prior standard chat workload which only processed exactly what users typed, reasoning mode automatically executes these validation loops by default, with no visible indicator to end users that extra compute is being consumed. This 2x increase is not a billing error or rogue usage spike: industry benchmarks consistently put reasoning workloads at 1.7-2.6x the compute cost of equivalent standard LLM requests, and this pricing dynamic is almost never clearly disclosed on vendor rate cards.
salida 563 tok (+416 razonamiento) latencia 9.4 s
Cumplimiento de la instrucción (exactamente tres frases, se pueden contar), adaptación al público (registro de CFO) y la diferencia de facturación por razonamiento oculto que dejan ver los contadores de tokens de abajo.
Dola Seed 2.0 Pro superado · 8/8 cases
### Corrected Implementation ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 best = max(best, cur) else: cur = 1 return best ``` --- ### Bug Explanation The original code has three critical linked flaws: 1. It initialized run counters `best` and `cur` to `0` instead of `1`, failing to account for the fact that *every individual element is already a valid run of length 1* -- this causes single-element inputs to incorrectly return `0`. 2. `cur` only counted how many extra matching elements followed the start of a run, so it always tracked one less than the actual run length, and it reset to `0` (instead of `1`) when a new run began, preserving this off-by-one error for all runs. 3. […]
salida 1278 tok (+951 razonamiento) latencia 16.7 s
Si la corrección funciona de verdad (se puede ejecutar), lo densa que es la explicación y la eficiencia en tokens en una tarea acotada.
Dola Seed 2.0 Pro superado · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
salida 506 tok (+452 razonamiento) latencia 8.6 s
Respeto del esquema (sin campos inventados), tentación de alucinar (la guidance se omite a propósito) y diferencias entre las vías de salida estructurada.
Dola Seed 2.0 Pro superado · 123 words, 0 banned, 1 question
Today we’re rolling out cross-provider prompt caching for our API gateway. For engineering teams routing LLM requests across OpenAI, Anthropic, Mistral and open source models, this feature stores identical prompt payloads at the gateway layer, rather than relying on per-provider cache implementations limited to single endpoints. How much time and compute could your team save by avoiding redundant token processing for repeated system prompts, context windows, or common user queries? Cache hits return responses in under 10ms, with configurable TTL, granular purge controls, and per-application cache partitioning. Early access teams running support bots, batch inference and internal assistants recorded 42-67% lower LLM spend. This feature is live for all gateway users today, with no required code changes to existing routing workflows. (120 words)
salida 1041 tok (+872 razonamiento) latencia 11.4 s
Respeto de las restricciones (límite de palabras, lista de palabras prohibidas, una única pregunta), sello de estilo y control de la longitud.
Usa Dola Seed 2.0 Pro en 30 segundos
Compatible con OpenAI: cambia el base_url y conserva tu SDK. POST /v1/chat/completions
from openai import OpenAI
client = OpenAI(
base_url="https://synthorai.io/v1",
api_key="sk-syn-...",
)
resp = client.chat.completions.create(
model="Dola-Seed-2.0-pro",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
print(resp.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://synthorai.io/v1",
apiKey: "sk-syn-...",
});
const resp = await client.chat.completions.create({
model: "Dola-Seed-2.0-pro",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
console.log(resp.choices[0].message.content);curl https://synthorai.io/v1/chat/completions \
-H "Authorization: Bearer sk-syn-..." \
-H "Content-Type: application/json" \
-d '{
"model": "Dola-Seed-2.0-pro",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'package main
import (
"context"
"fmt"
"github.com/openai/openai-go/v3"
"github.com/openai/openai-go/v3/option"
)
func main() {
client := openai.NewClient(
option.WithBaseURL("https://synthorai.io/v1"),
option.WithAPIKey("sk-syn-..."),
)
resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
Model: "Dola-Seed-2.0-pro",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
OpenAIClient client = OpenAIOkHttpClient.builder()
.baseUrl("https://synthorai.io/v1")
.apiKey("sk-syn-...")
.build();
ChatCompletion resp = client.chat().completions().create(
ChatCompletionCreateParams.builder()
.model("Dola-Seed-2.0-pro")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Acerca de Dola Seed 2.0 Pro
- Las notas de lanzamiento destacan un rendimiento estable en razonamiento complejo y tareas de largo horizonte, incluidas la planificación de varios pasos, el razonamiento visual-textual, la comprensión de vídeo y el análisis avanzado, y BytePlus lo llama el modelo más capaz de la serie, un motor multimodal para flujos de trabajo dirigidos por agentes con uso de navegador y uso del ordenador, y nombra como escenarios objetivo la moderación de contenidos, la supervisión de seguridad de señales de cámara, la investigación web y la redacción de informes, el análisis financiero, el procesamiento de documentos y la atención al cliente.
- Ofrece razonamiento profundo, comprensión multimodal, grounding visual y llamada a herramientas dentro de una ventana de contexto de 256K y hasta 128K de salida, incluida la cadena de pensamiento, además de caché de prefijo y de sesión en formas implícita y explícita.
- Conviene conocer dos diferencias con sus hermanos menores antes de estandarizarse en él: el grounding visual figura para Pro y no para las compilaciones más recientes de Lite y Mini, mientras que la salida estructurada figura para esas dos y no para Pro, así que las respuestas restringidas por esquema aconsejan Lite o Mini.
- Thinking.type está enabled por defecto sin modo automático, y reasoning_effort va de minimal a high, con medium por defecto; la salida toma 4K por defecto frente al techo de 128K.
- Synthorai lo coloca tras su endpoint de completions compatible con OpenAI.
Preguntas frecuentes
¿Se puede probar gratis la API de Dola Seed 2.0 Pro?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $0.5/M de tokens de entrada, solo con ese crédito tienes para unas 250 solicitudes de ~8K tokens a Dola Seed 2.0 Pro.
¿En qué destaca Dola Seed 2.0 Pro?
Modelo agéntico de propósito general para la era de los agentes; estable en razonamiento complejo y tareas de largo horizonte; grounding visual, comprensión de vídeo y llamada a herramientas. En la sección «Acerca de» tienes la visión completa, según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta Dola Seed 2.0 Pro?
Dola Seed 2.0 Pro cuesta $0.5 por millón de tokens de entrada y $3 por millón de tokens de salida en Synthorai. Es el precio de lista del proveedor, sin recargo de plataforma. Los tokens de entrada en caché se facturan a $0.1/M.
¿Cuál es la ventana de contexto de Dola Seed 2.0 Pro?
Dola Seed 2.0 Pro tiene una ventana de contexto de 262K tokens en Synthorai. Una sola respuesta puede tener hasta 131,072 tokens.
¿Dola Seed 2.0 Pro admite caché de prompts?
Sí: la caché automática viene activada por defecto y hay un modo explícito para garantizar el ahorro. Los tokens de entrada en caché se facturan a $0.1/M frente a $0.5/M sin caché; los prompts necesitan un prefijo estable de 1,024 tokens para entrar en caché. Guía de caché de prompts →
¿Cómo obtengo acceso a Dola Seed 2.0 Pro?
Apunta el SDK de OpenAI que ya usas a base_url="https://synthorai.io/v1", pon model="Dola-Seed-2.0-pro" y listo. Una sola clave API sirve para todos los modelos de la pasarela.
Modelos relacionados
Comparar
Todos los valores de esta página están transcritos de la documentación del propio proveedor, enlazada arriba, e indican la fecha en que se comprobaron. Los precios se comparan con los de todo el catálogo; cuando los proveedores definen una especificación de forma distinta, se muestra el valor indicando la diferencia en lugar de llevarlo a un gráfico. Aquí no hay mediciones nuestras ni puntuaciones.