Tipo
Especificação
Tarifa
Entrada
por 1M de tokens de prompt
<=128K $0.40 128K-256K $0.80
Saída
por 1M de tokens gerados
<=128K $2.40 128K-256K $4.80
Seed 2.0 Code e Seed 2.0 Mini lado a lado: especificações, recursos, parâmetros e preços ao vivo do catálogo da EmpirioLabs.
ByteDance Geração de TextoSeed 2.0 Code e Seed 2.0 Mini são modelos de ByteDance na categoria Geração de Texto, disponíveis pela API da EmpirioLabs.
| Especificação | Seed 2.0 Code | Seed 2.0 Mini |
|---|---|---|
| ID do modelo | seed-2-0-code | seed-2-0-mini |
| Autor | ByteDance | ByteDance |
| Lançado | 14 de fev. de 2026 | 14 de fev. de 2026 |
| Janela de contexto | 229.1K tokens | 229.2K tokens |
| Saída máxima | 128.000 tokens | 128.000 tokens |
| Entrada | Texto Imagem Vídeo Documento | Texto Imagem Vídeo Documento |
| Saída | Texto | Texto |
| Saída estruturada | Não suportado | JSON Schema |
| Batch API | - | Disponível |
| Região | Malaysia | Malaysia |
| Endpoints | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/seed-2-0-code:generateContent | POST /v1/chat/completions POST /v1/responses POST /v1/messages POST /v1beta/models/seed-2-0-mini:generateContent |
| Recursos |
Tarifas ao vivo do catálogo da EmpirioLabs para os dois modelos. Cada tabela de tarifas sempre corresponde ao que a API cobra.
Parâmetros de requisição que cada modelo indica na EmpirioLabs, com os valores permitidos ou o intervalo quando houver. Um traço marca um parâmetro que o modelo não indica.
| Parâmetro | Seed 2.0 Code | Seed 2.0 Mini |
|---|---|---|
| max_tokens | 1 a 128000 | 1 a 128000 |
| frequency_penalty | -2 a 2 Padrão: 0 | -2 a 2 Padrão: 0 |
| presence_penalty | -2 a 2 Padrão: 0 | -2 a 2 Padrão: 0 |
| stop | string | string |
| enable_thinking | boolean Padrão: true | boolean Padrão: true |
| reasoning_effort | low, medium, high Padrão: medium | low, medium, high Padrão: medium |
| enable_web_search | boolean Padrão: false | boolean Padrão: false |
| max_tool_calls | 1 a 10 Padrão: 3 | 1 a 10 Padrão: 3 |
| image_detail | low, high, xhigh Padrão: high | low, high, xhigh Padrão: high |
| video_fps | 0.2 a 5 | 0.2 a 5 |
| temperature | - | 0 a 2 Padrão: 0.7 |
| top_p | - | 0 a 1 Padrão: 0.9 |
| response_format | - | enum |
O preço é 2x quando os tokens de entrada >=128K. Temperatura e top_p são fixos pelo servidor (temp=1, top_p=0,95) independentemente do valor do cliente.
O preço é 2x quando os tokens de entrada >=128K. Temperatura e top_p são fixos pelo servidor (temp=1, top_p=0,95) independentemente do valor do cliente.
Seed 2.0 Code atende a API Chat Completions compatível com OpenAI. Aponte qualquer SDK OpenAI para https://api.empiriolabs.ai/v1 com sua chave de API EmpirioLabs e use o id de modelo seed-2-0-code. Os dois modelos são chamados pelo mesmo endpoint. Defina model como seed-2-0-code ou seed-2-0-mini. Obtenha uma chave de API no painel EmpirioLabs.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "seed-2-0-code",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'Os dois modelos foram lançados em 14 de fev. de 2026. Seed 2.0 Mini tem a maior janela de contexto: 229.2K tokens, contra 229.1K de Seed 2.0 Code. Recursos indicados apenas para Seed 2.0 Code: code interpreter, agentic coding. As especificações, as tabelas de tarifas e os parâmetros desta página vêm do catálogo ao vivo da EmpirioLabs.
Os dois modelos são tarifados em unidades ou níveis diferentes, então compare as tabelas de tarifas ao vivo desta página. Elas sempre correspondem ao que a API cobra.
Sim. Os dois modelos usam POST /v1/chat/completions com a mesma chave de API da EmpirioLabs, então a maioria das integrações alterna só mudando o valor model. Confira antes a tabela de parâmetros desta página se você depende de um parâmetro específico de um modelo.
Sim. Abra cada modelo no playground da EmpirioLabs e execute o mesmo prompt nos dois, com os parâmetros que a API expõe.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.