Seed1.5 VL

bytedance / UI-TARS-desktop and Agent TARS 公开的研究与报告生成案例，来源为 公开代码库，复核于 2026-06-27T08:28:16Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：这是一个围绕研究分析和报告生成的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Run Agent TARS CLI with provider volcengine and model doubao-1-5-thinking-vision-pro-250428 to execute multimodal agent tasks across terminal, computer, browser and MCP tools, including showcased booking, chart-generati…

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The public Agent TARS artifact ships CLI/Web UI documentation, showcase videos, and quick-start commands that bind Seed1.5-VL's Volcano Engine model ID to real GUI-agent and browser-operator workflows.

模型作用：Seed1.5 VL 在该案例中承担研究分析和报告生成相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL contributes multimodal vision and reasoning for GUI/browser-agent perception and planning when users choose the Volcengine provider model ID.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence is official open-source product documentation and snapshots that explicitly reference doubao-1-5-thinking-vision-pro-250428; because the project is ByteDance-affiliated, it is less independent than third-party …

原始记录：Agent TARS uses Seed1.5-VL/Doubao Thinking Vision Pro as a Volcengine provider option for multimodal computer and browser agents

DSeaStar / ai-diary 公开的研究与报告生成案例，来源为 公开代码库，复核于 2026-06-27T08:28:16Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：这是一个围绕研究分析和报告生成的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Automatically take hourly desktop screenshots, upload the image, ask doubao-1-5-thinking-vision-pro-250428 to summarize what appears on screen and infer the user's activity, then turn the analysis into diary content.

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The application saves generated diary text under a diaries directory and can sync the generated content and screenshot URL into Notion when configured.

模型作用：Seed1.5 VL 在该案例中承担研究分析和报告生成相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL provides multimodal screenshot understanding: it reads the uploaded screenshot and produces the concise visual activity summary that becomes the input for diary generation.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence is public source code plus README describing the Doubao screenshot-analysis workflow; repository does not publish production usage metrics.

原始记录：AI Diary uses Seed1.5-VL/Doubao Thinking Vision Pro to analyze screenshots and generate diary entries

mocehu / image2form_llm 公开的文档理解与处理案例，来源为 公开代码库，复核于 2026-06-27T08:28:16Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：Use a multimodal LLM application to convert pictures into form data; the model store exposes doubao-1-5-thinking-vision-pro-250428 under the '豆包多模态深度思考模型' group as a selectable thinking/vision model.

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The application artifact is a public Vue/Pinia project whose predefined model list lets users select Seed1.5-VL/Doubao Thinking Vision Pro for image-to-form conversion workflows.

模型作用：Seed1.5 VL 在该案例中承担文档理解和结构化处理相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL supplies the multimodal image-understanding and reasoning model option for extracting structured form content from images.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence is a public application repository with an explicit model ID in the product model store and a repo description stating the image-to-form task; runtime adoption is not quantified.

原始记录：image2form_llm offers Seed1.5-VL/Doubao Thinking Vision Pro as a predefined model for converting images into forms

Openmyeyesxz / Image-Renamd_By_AI-OCR 公开的代码代理与软件工程案例，来源为 公开代码库，复核于 2026-06-27T08:28:16Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：这是一个围绕软件工程任务执行的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Detect rigid field-trial sample labels with YOLO, crop the label region, send the crop to Ark using model doubao-1-5-thinking-vision-pro-250428, OCR the sample name/code, and batch rename images for phenotypic data coll…

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The public repo provides a command-line workflow that writes rename_mapping.csv and moves successfully processed images into renamed output folders using OCR-derived filenames such as sample-code numbered names.

模型作用：Seed1.5 VL 在该案例中承担软件工程任务执行相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL, exposed as doubao-1-5-thinking-vision-pro-250428 on Volcano Engine Ark, performs the visual OCR step on cropped label images and returns the text used as the canonical filename base.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence is a public GitHub project and code path explicitly sets DEFAULT_ARK_MODEL to doubao-1-5-thinking-vision-pro-250428; usage scale is not independently reported.

原始记录：Image-Renamd_By_AI-OCR uses Seed1.5-VL/Doubao Thinking Vision Pro for field-trial label OCR and batch image renaming

schxar / LibrarySearch 公开的研究与报告生成案例，来源为 公开代码库，复核于 2026-06-27T08:28:16Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：这是一个围绕研究分析和报告生成的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Provide a Flask VLM service in a broader AI chat, book-search and multimedia-processing platform; the service accepts base64 image data and a prompt, calls Ark with model doubao-1-5-thinking-vision-pro-250428, and retur…

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The code returns structured JSON containing the image-analysis text or validation/error messages, enabling the frontend/chat service to handle image inputs alongside text and search workflows.

模型作用：Seed1.5 VL 在该案例中承担研究分析和报告生成相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL is the visual reasoning backend for uploaded images, converting image_url plus prompt inputs into natural-language analysis results.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence combines README project overview and public VLM service code that hard-codes doubao-1-5-thinking-vision-pro-250428; deployment scale is not stated.

原始记录：LibrarySearch uses Seed1.5-VL/Doubao Thinking Vision Pro for image-content analysis inside an AI chat and library-search platform

langgenius / Dify 公开的代码代理与软件工程案例，来源为 公开代码库，复核于 2026-06-27T08:23:39Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：这是一个围绕软件工程任务执行的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Dify's official plugin repository added the Doubao-1.5-thinking-vision-pro model to the Volcengine MaaS provider so Dify users can select the ByteDance vision-thinking model inside application workflows.

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The merged PR is titled 'feat: add Doubao-1.5-thinking-vision-pro model' and records the model addition in Dify's official plugins artifact for provider-based model invocation.

模型作用：Seed1.5 VL 在该案例中承担软件工程任务执行相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL contributes vision-language reasoning capability to Dify apps through the Volcengine MaaS provider, enabling workflows that need image understanding plus text reasoning.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence is an official plugin integration PR, not an end-customer narrative; it is accepted because it is a public, merged software artifact enabling concrete use of the model in Dify.

原始记录：Dify official Volcengine MaaS plugin adds Doubao-1.5-thinking-vision-pro for multimodal app workflows

web-infra-dev / Midscene.js 公开的代码审查与测试案例，来源为 公开代码库，复核于 2026-06-27T08:23:39Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：这是一个围绕代码审查和测试生成的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Midscene's documentation update introduced configuration for Doubao-1.5-thinking-vision-pro from Volcano Engine in an open-source UI automation framework that writes tests in natural language and drives interfaces throu…

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The PR summary states that documentation was updated to introduce and configure Doubao-1.5-thinking-vision-pro in English and Chinese model-provider guides; the Midscene artifact is a public vision-driven UI testing and…

模型作用：Seed1.5 VL 在该案例中承担代码审查和测试生成相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL acts as the multimodal model behind Midscene-style visual UI interpretation, allowing natural-language test steps to be grounded in screenshots and page state.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence is a documentation/configuration PR mirrored through a public fork rather than an upstream customer story; it is included because it binds the model to a concrete open-source UI automation product artifact.

原始记录：Midscene documents Doubao-1.5-thinking-vision-pro for vision-driven UI automation

Skyvern-AI 公开的多模态生成与理解案例，来源为 公开代码库，复核于 2026-06-27T08:23:39Z。 Model Atlas 将它标记为 A 类证据，因为它同时具备具体使用者、具体任务、公开原始证据和可访问产物。

任务：这是一个围绕多模态内容处理的真实任务，公开材料可以回溯到具体使用者和具体产物。 原始资料写作：Skyvern added a UI-TARS client path that calls the Volcano Engine endpoint with model doubao-1-5-thinking-vision-pro-250428 and uses it to generate actions from scraped browser pages for web automation tasks.

公开产物：公开材料提供公开代码、README 或项目配置，可用于核验任务结果、项目形态和模型绑定关系。 原始资料写作：The merged Skyvern PR exposes UI-TARS action generation in the Skyvern codebase; the evidence page shows the exact Seed1.5-VL-linked model id and code comments describing generation of actions using UI-TARS (Seed1.5-VL).

模型作用：Seed1.5 VL 在该案例中承担多模态内容处理相关的生成、分析、编排或实现角色。 原始资料写作：Seed1.5-VL supplies multimodal screen/page understanding and action selection for GUI/browser automation, turning visual page state into executable Skyvern actions.

A 类理由：有具体使用者、具体任务、公开原始证据和可访问产物，可公开核验。

风险边界：当前判断基于公开材料；若产物下线、仓库变更或模型参与比例仅来自作者自述，需要在引用前重新复核。 原始资料写作：Evidence is a GitHub integration PR rather than a customer story; it clearly binds the exact Volcano Engine model id to Seed1.5-VL and a concrete open-source automation artifact.

原始记录：Skyvern integrates Seed1.5-VL / Doubao thinking-vision for UI-TARS browser automation actions