Bee Comb 2.0

Bee Comb 2.0 属于 Bee by HEOSSI 的 Bee 系列，是该系列中偏中低价的通用型号，2026 年 7 月 10 日发布，权重不开源。它要解决的问题比较具体：一是把图像、音频、视频和文本放进同一次请求，省掉前置的转写与描述环节；二是用足够长的上下文容纳整份长文档或整段会议材料，减少切片与摘要带来的信息损耗；三是通过工具调用、结构化输出和温度调节，让模型能嵌入已有的业务流程而不是只做对话。输出侧只给文本，意味着它更像一个“理解端”的模型，生成图像或语音需要另接其他组件。本站未收录该模型的第三方跑分，能力判断只能基于规格与同系列定位，不做数字结论。

选型建议需要多模态输入、长上下文与工具调用，且能接受纯文本输出时选它；只做文本处理或需要图像、语音生成时，同系列更低价型号或其他方案更合适。

• 解析带截图的合同或报表，抽取关键字段并以结构化输出回填业务系统
• 把会议录音与演示视频整段送入，生成文字纪要与待办清单
• 基于长上下文知识库做检索问答，并配合工具调用查询内部数据
• 对图文混排的客服工单做分类，生成回复草稿供人工复核
• 批量处理多模态素材并输出统一 JSON，交给下游流程消费

官方未公开参数规模、网络结构与训练方案，可确认的是上下文与输出上限、模态覆盖范围以及可调用的能力接口，架构层面只能做定性描述。

• 输入输出可接收文本、图像、音频、视频四类输入，输出限定为纯文本，适合把多媒体素材统一转成文字结论的处理链路。
• 长上下文262144 tokens 上下文配 16384 tokens 单次输出，长报告、长会议记录可整段送入，不必先做切片摘要。
• 可控性提供推理、工具调用、结构化输出与温度调节，便于接入函数调用与固定字段的 JSON 下游系统。
• 披露权重不开源，参数规模、训练数据与对齐方案均未公开，架构细节公开资料较少。

开源权重

否

本站未收录该模型的第三方跑分，无法给出量化结论，只能结合规格与同系列定位描述其能力取向与已知约束。

• 强项多模态输入叠加长上下文是明确卖点，跨图、音、视频的整段材料处理比纯文本模型省去大量前置转换工作。
• 短板只输出文本，需要图像或语音产出的任务要另接模型；缺少公开评测，实际推理与多模态理解水平缺少外部验证。
• 输出约束16384 tokens 的单次上限对超长报告或批量生成偏紧，长产出需分段调用并自行拼接。
• 适合工具调用与结构化抽取为主的链路，例如附件解析、检索问答、字段回填这类对输出格式要求稳定的任务。

输入 1.25 美元/百万 tokens、输出 5 美元/百万 tokens、缓存读 0.125 美元/百万 tokens，在 Bee 系列中处于中间偏低价位。

• 定位系列中间档，输入价约为 Bee Buzz 1.0 的一半、Bee Hive 1.0 的四分之一，低于旗舰但明显高于走量型号。
• 横向对比同系列 Bee Brood 1.0、Bee Cell 1.0 的输入价分别比本模型低 52% 与 76%，不需要多模态与长上下文时下探更划算。
• 平台差价目前仅 models.dev 一家收录，其 bee 条目报价与官方一致，暂无跨平台价差可比较。
• 省钱缓存读价格约为输入价的十分之一，把系统提示与长文档固定在请求前部，可显著压低重复调用的成本。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $1.25/M / $5/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径无第三方跑分与公开评测数据，能力描述仅来自规格与系列定位，不代表实测水平，选型前建议自行验证。
• 边界输出只有文本且单次最多 16384 tokens，多模态生成与超长一次性产出都不在其能力范围内。
• 覆盖仅 1 家平台收录，价格与可用性以该平台为准，缺少多来源交叉验证。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。