Dola Seed 2.0 Pro は BytePlus ModelArk 上の ByteDance Dola Seed 2.0 ファミリーのフラッグシップで、公式にはエージェント時代のために構築された汎用エージェントモデルと説明されています。
- 入力
- テキスト 画像 動画 $0.5/M
- 出力
- テキスト $3/M
- キャッシュ読み取り
- $0.1/M
- コンテキスト
- 262K
- GPT-4o 比
- 約 90% 割安
価格の位置づけ
同種 60 モデル中の料金の位置
このバーは、Synthorai 上の同種モデルの中でこのモデルの価格がどこに位置するかを示します。両端には最も安いモデルと最も高いモデルの名前が入ります。表示は基本料金で、バッチ・リージョン・キャッシュ書き込みの割引は料金ページにあります。
スペックと制限
トークン
| コンテキストウィンドウ(ベンダー仕様) | 256,000 |
|---|---|
| 最大出力(ベンダー仕様) | 131,072 |
プロンプトキャッシュ
| キャッシュ方式 | 自動 + 明示 |
|---|---|
| 最小プレフィックス | 1,024 |
思考
| ベンダー側パラメータ | thinking.type + reasoning_effort |
|---|---|
| 指定可能な値 | thinking.type enabled · disabled (no auto); reasoning_effort minimal · low · medium · high |
| デフォルト | enabled、reasoning_effort は medium で思考サマリーはオン リクエストで未指定の場合に適用 |
| 無効化の可否 | 対応 |
| 思考の挙動 | 思考サマリーはデフォルトでオンのため、reasoning_content には生のトレースではなく encrypted_content と並ぶサマリーが入ります。ツール呼び出しのターンでは encrypted_content を返送しないと推論品質が低下します。 |
| パラメータ | reasoning_effort |
| 値 | minimal · low · medium · high ゲートウェイ側のパラメータ面——上のベンダーマッピングが適用されます |
モデル
| モダリティ | テキスト + 画像 + 動画 → テキスト |
|---|
256K コンテキストでディープリーズニング、ビジュアルグラウンディング、ツール呼び出しを備えた汎用エージェントフラッグシップ。
1つのプロンプト — ゲートウェイ経由で測定
Dola Seed 2.0 Pro パス · 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.
出力 563 tok (+416 思考) レイテンシ 9.4 s
指示追従（ちょうど三文 — 数えられる）、読み手に合わせた調整（CFO 向けの語り口）、そして下のトークン計から見える隠れた思考の課金ギャップ。
Dola Seed 2.0 Pro パス · 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. […]
出力 1278 tok (+951 思考) レイテンシ 16.7 s
修正が実際に正しいか（実行可能か）、説明の密度、そして範囲の限られたタスクでのトークン効率。
Dola Seed 2.0 Pro パス · 5/5 fields, guidance null
{ "company": "Meridian Robotics", "quarter": "September quarter", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null }
出力 506 tok (+452 思考) レイテンシ 8.6 s
スキーマ遵守（フィールドをでっち上げない）、ハルシネーション圧（guidance は明示的に保留されている）、そして構造化出力の経路の違い。
Dola Seed 2.0 Pro パス · 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)
出力 1041 tok (+872 思考) レイテンシ 11.4 s
制約の遵守（語数の上限、禁止語リスト、唯一の疑問文）、文体の指紋、そして長さの制御。
30 秒で Dola Seed 2.0 Pro を使う
OpenAI 互換。base_url を差し替えるだけで、SDK はそのまま。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(""));Dola Seed 2.0 Pro について
- リリースノートは、マルチステップの計画立案、視覚とテキストの推論、動画理解、高度な分析を含む複雑な推論と長期タスクでの安定した性能を強調しています。
- BytePlus はこれをシリーズで最も高性能なモデルであり、ブラウザ使用とコンピュータ使用を伴うエージェント駆動ワークフローのためのマルチモーダルエンジンと呼び、コンテンツモデレーション、カメラ映像の安全監視、ウェブリサーチとレポート作成、財務分析、文書処理、カスタマーサービスを対象シナリオとして挙げています。
- 深い推論、マルチモーダル理解、ビジュアルグラウンディング、ツール呼び出しを 256K コンテキストウィンドウとチェーンオブソートを含む最大 128K 出力の中で提供し、プレフィックスおよびセッションキャッシュにも暗黙的・明示的の両形式で対応します。
- 標準採用を決める前に知っておくべき、小型の兄弟モデルとの違いが 2 つあります。
- ビジュアルグラウンディングは Pro には記載され最新の Lite と Mini のビルドには記載がない一方、構造化出力はその 2 つには記載され Pro にはありません。
- つまりスキーマで制約された応答が必要なら、代わりに Lite か Mini を選ぶ理由になります。
- thinking.type は既定で有効で automatic モードはなく、reasoning_effort は minimal から high までで既定は medium、出力は 128K の上限に対して既定で 4K です。
- Synthorai は OpenAI 互換の completions エンドポイントの背後に配置します。
よくある質問
Dola Seed 2.0 Pro API は無料で試せますか?
はい。新規アカウントには 10 回のトライアル呼び出しと最大 $1 の無料クレジットが付与され、カード登録は不要です。入力 $0.5/M で計算すると、このクレジットだけで Dola Seed 2.0 Pro に対して約 250 回の ~8K トークンのリクエストを送れます。
Dola Seed 2.0 Pro は何が得意ですか?
エージェント時代向けの汎用エージェントモデル、複雑な推論と長期タスクで安定、ビジュアルグラウンディング・動画理解・ツール呼び出し。全体像はベンダー公式のリリースノートに基づく「このモデルについて」セクションをご覧ください。
Dola Seed 2.0 Pro の料金はいくらですか?
Synthorai 上の Dola Seed 2.0 Pro は入力 100 万トークンあたり $0.5、出力 100 万トークンあたり $3 です。ベンダー定価のままで、プラットフォーム手数料はありません。キャッシュ済み入力トークンは $0.1/M で課金されます。
Dola Seed 2.0 Pro はプロンプトキャッシュに対応していますか?
はい。自動キャッシュがデフォルトで有効なうえ、確実な割引を得られる明示モードもあります。キャッシュ済み入力トークンは $0.1/M(未キャッシュは $0.5/M)で課金されます。なお、キャッシュには 1,024 トークン以上の安定したプレフィックスが必要です。 プロンプトキャッシュガイド →
Dola Seed 2.0 Pro を利用するには?
お使いの OpenAI SDK の base_url を "https://synthorai.io/v1" に向け、model="Dola-Seed-2.0-pro" を設定すれば完了です。API キー 1 本でゲートウェイ上のすべてのモデルを利用できます。
関連モデル
比較
このページの値はすべてベンダー自身のドキュメント(上部にリンク)から転記し、確認した日付を付しています。価格はカタログ全体で比較しますが、ベンダーごとに定義が異なる仕様値は差異を明記するにとどめ、図表で比較はしません。当社が測定した数値はなく、スコアも付けていません。