API de Doubao: la guía completa (2026): qué modelo usar y cómo

Qué significa realmente «Doubao API»

Doubao (豆包) es el chatbot de consumo de ByteDance. Su aplicación internacional es Dola, que antes se llamaba Cici. Debajo de ambas se encuentra la familia de investigación Seed de ByteDance, y esa familia —no la aplicación de chat— es lo que ofrece una API. Seed es la vertiente de texto. Seedream genera imágenes. Seedance genera vídeo. Volcano Engine (cuya marca internacional es BytePlus) es la nube que aloja todos estos servicios.

El error que conviene evitar es interpretarlos como una única clasificación en la que un número mayor siempre es mejor. No son niveles comparables. Son trabajos diferentes. No eliges «Seedance en lugar de Seed» como eliges GPT-5 en lugar de GPT-4; eliges el modelo cuyo tipo de salida coincide con lo que estás creando. Cuando lo ves así, «¿qué modelo de Doubao debo invocar?» deja de ser un proyecto de investigación y se convierte en una consulta rápida.

Aquí tienes esa consulta, asignada a los ID de modelo que realmente aloja GPT Proto:

Un detalle sobre estos nombres: en el código debes pasar el ID de modelo completo —por ejemplo doubao-seedream-5-0-260128— exactamente como aparece en los ejemplos siguientes, incluidos los guiones y el sufijo de fecha. Esa cadena larga es el parámetro literal de la API; los nombres cortos anteriores son simplemente la forma en que me refiero a los modelos en esta guía.

Hay una carencia que conviene señalar: la programación. ByteDance ofrece un modelo especializado en programación, Seed 2.0 Code, pero en GPT Proto aparece como obsoleto, así que no te dirigiré hacia él. Para trabajos orientados al código, la opción actual más cercana es Seed 1.6 Thinking, que es un modelo de razonamiento y no un especialista en programación. Si un modelo de programación dedicado es el objetivo central de tu proyecto, esa es una razón para buscar en otro sitio; prefiero decirlo claramente antes que exagerar sus capacidades.

¿Por qué no usar directamente Volcano Engine?

Puedes hacerlo. ByteDance cuenta con una plataforma internacional y los desarrolladores fuera de China pueden registrarse. La cuestión es cuánta fricción implica cada vía, así que estas son las cuatro opciones:

La aplicación de consumo (Dola) es gratuita, pero no es una API, la generación de vídeo está bloqueada por región y la aplicación ni siquiera está disponible en Estados Unidos, Canadá o Australia. El truco de VPN más cuenta china funciona para la aplicación y falla constantemente; no te ofrece nada programático. Volcano Engine / BytePlus directamente es la API real, pero la consola aparece en chino por defecto, el registro solicita una identificación o verificación empresarial y tendrás que gestionar otra relación de facturación. Un endpoint agregado —el que utiliza esta guía— te proporciona una clave, una URL base y llamadas al estilo de OpenAI sin una identificación china; el coste es que confías en una capa intermedia, por lo que deberías comprobar su disponibilidad y leer sus precios antes de integrarlo en producción.

En resumen: si hoy solo quieres invocar Seedream o Seedance desde código, un endpoint agregado elimina los dos obstáculos reales: la barrera de identificación y la consola china. No elimina tu responsabilidad de leer los precios, que en el caso del vídeo es donde la mayoría se lleva una sorpresa.

Cuánto cuesta realmente cada modelo

Imágenes: tarifa fija por imagen

Seedream se factura por cada imagen generada, así que la cifra de la página es lo que pagas. Ten en cuenta que los precios no están ordenados por versión: la 4.5 es más cara que la 5.0, que a su vez es más cara que la 4.0.

Vídeo: facturación según la configuración, no una tarifa fija

Esta es la parte que debes entender bien. El coste del vídeo de Seedance no es una tarifa fija por clip; aumenta según la resolución, la relación de aspecto, la duración y si generas audio. El precio destacado en la página del modelo refleja una configuración básica. Una configuración más exigente cuesta más: en una ejecución real, un clip de 720p / 16:9 / 5 segundos con audio costó alrededor de 0,605 $, muy por encima de la cifra base.

Hay dos cosas que debes vigilar. Primero, Seedance 2.0 está aquí aproximadamente un 10 % por encima de la referencia de mercado, no por debajo: si un clip resulta más barato de generar directamente en Dreamina, la plataforma propia de ByteDance, eso es cierto, y el motivo para usar la API es disponer de acceso programático estable y no de un precio de lista más bajo. Segundo, como el coste aumenta con los parámetros, no calcules un presupuesto por vídeo basándote en la cifra destacada; consulta la estimación del panel para tu configuración real.

Texto: por millón de tokens

Facturación estándar por tokens. La opción de entrada más económica es Seed 1.6 Flash; las más costosas son las versiones Vision Pro.

Aquí no existe un nivel gratuito permanente de la API. Pagas por cada llamada desde la primera solicitud, así que la forma más económica de experimentar es Seed 1.6 Flash, a aproximadamente dos céntimos por millón de tokens de entrada.

Inicio rápido: una clave, dos superficies de API

Todo lo que necesitas para empezar es una clave de API de GPT Proto del panel. Sin embargo, antes de realizar la primera llamada, debes conocer el detalle que más confunde a los usuarios: hay dos superficies de API y no se comportan igual.

El chat de texto es compatible con OpenAI y síncrono, en /v1/chat/completions. Las imágenes y el vídeo son tareas asíncronas en /api/v3/doubao/…: envías una solicitud, recibes un ID de resultado y después consultas un segundo endpoint hasta que el archivo está listo.

Y aquí está el error que puede costarte la primera hora: el encabezado de autenticación no es idéntico en ambos casos. La documentación del endpoint de chat pasa la clave sin modificaciones; los endpoints de imagen y vídeo requieren «Bearer » delante de ella. Si los mezclas, obtendrás un 401 con «Invalid signature». Mantén clara esta diferencia y todo lo demás será una solicitud HTTP normal.

Invocar los modelos de texto (compatibles con OpenAI)

Como la superficie de texto utiliza el formato de OpenAI, puedes apuntar el SDK oficial de OpenAI hacia ella y cambiar dos cosas: la URL base y el modelo. Aquí aparece primero en cURL, siguiendo el formato documentado, y después en Python.

curl -X POST "https://gptproto.com/v1/chat/completions" \
  -H "Authorization: YOUR_GPTPROTO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "doubao-seed-1-6-250615",
    "messages": [
      { "role": "user", "content": "¿Quién eres?" }
    ],
    "stream": false
  }'

from openai import OpenAI
 
client = OpenAI(
    api_key="YOUR_GPTPROTO_API_KEY",
    base_url="https://gptproto.com/v1",
)
 
resp = client.chat.completions.create(
    model="doubao-seed-1-6-250615",          # or doubao-1-5-pro-32k-250115
    messages=[{"role": "user", "content": "¿Quién eres?"}],
    stream=False,
)
 
print(resp.choices[0].message.content)

Cambia a Doubao 1.5 Pro cuando quieras un razonamiento más sólido, o a Seed 1.6 Flash para obtener las respuestas más económicas y rápidas; solo tienes que cambiar el campo model por el ID de ese modelo (los ejemplos muestran las cadenas exactas). Los errores que encontrarás realmente están documentados: 401 «Invalid signature» (la clave es incorrecta o está en el encabezado equivocado), 403 «Insufficient balance» (se agotó el crédito) y 503 «Content policy violation» (el prompt fue bloqueado). Este último es importante: estos endpoints tienen una política de contenido, así que no planifiques suponiendo que no tienen restricciones.

Generar imágenes con la API de Seedream

Seedream utiliza el patrón asíncrono: haces POST para enviar la tarea y después GET para obtener el resultado. El cuerpo de la solicitud es pequeño: un prompt, un tamaño y dos valores booleanos.

# 1. Enviar la tarea
curl --request POST \
  "https://gptproto.com/api/v3/doubao/doubao-seedream-5-0-260128/text-to-image" \
  --header "Authorization: Bearer YOUR_GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "prompt": "Mujer joven de cabello castaño rojizo leyendo en una cafetería rústica, cálida luz de bombillas Edison, lluvia en la ventana, fotorrealista, 8k, objetivo de 35 mm, f/1.8",
    "size": "2048x2048",
    "enable_base64_output": false,
    "enable_sync_mode": false
  }'
 
# 2. Consultar el resultado usando el id devuelto por la solicitud de envío
curl --request GET \
  "https://gptproto.com/api/v3/predictions/YOUR_RESULT_ID/result" \
  --header "Authorization: Bearer YOUR_GPTPROTO_API_KEY"

El mismo flujo en Python, con un pequeño bucle de consulta:

import time, requests
 
API_KEY = "YOUR_GPTPROTO_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"}
 
# 1. Enviar
submit = requests.post(
    "https://gptproto.com/api/v3/doubao/doubao-seedream-5-0-260128/text-to-image",
    headers=HEADERS,
    json={
        "prompt": "Mujer joven leyendo en una cafetería rústica, cálida luz de bombillas Edison, 8k",
        "size": "2048x2048",
        "enable_base64_output": False,
        "enable_sync_mode": False,
    },
)
result_id = submit.json()["id"]   # confirma el nombre exacto del campo en la respuesta de la documentación
 
# 2. Consultar hasta que la imagen esté lista
while True:
    r = requests.get(
        f"https://gptproto.com/api/v3/predictions/{result_id}/result",
        headers={"Authorization": f"Bearer {API_KEY}"},
    )
    data = r.json()
    if data.get("status") in ("succeeded", "failed"):
        break
    time.sleep(2)
 
print(data)

Dos notas prácticas. El separador del tamaño no es el mismo en todas las versiones: el ejemplo de Seedream 5.0 utiliza 2048x2048 con una «x», mientras que los ejemplos de la versión 4.x utilizan 2048*2048 con un asterisco; por eso debes copiar el formato del modelo que realmente estés invocando. Y enable_sync_mode es la alternativa al sondeo: establécelo en true y la respuesta llegará directamente, a cambio de mantener abierta la conexión durante más tiempo.

Generar vídeo con la API de Seedance

El vídeo sigue la misma estructura de envío y consulta, pero con un cuerpo más completo: relación de aspecto, duración, resolución, activación de audio, bloqueo de cámara y una semilla. La diferencia práctica es el tiempo: un vídeo tarda bastante más que una imagen, así que el bucle de consulta debe esperar un rato en lugar de solo un par de segundos.

# 1. Enviar
curl --request POST \
  "https://gptproto.com/api/v3/doubao/doubao-seedance-2-0-260128/text-to-video" \
  --header "Authorization: Bearer YOUR_GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "prompt": "Plano general cinematográfico de una playa de Maldivas bañada por el sol, amigos jugando al voleibol, agua turquesa, 8k, objetivo de 35 mm",
    "aspect_ratio": "16:9",
    "duration": 5,
    "resolution": "720p",
    "generate_audio": true,
    "camera_fixed": false,
    "seed": -1
  }'
 
# 2. Consultar (el vídeo tardará un rato)
curl --request GET \
  "https://gptproto.com/api/v3/predictions/YOUR_RESULT_ID/result" \
  --header "Authorization: Bearer YOUR_GPTPROTO_API_KEY"

Elige Seedance 2.0 Fast cuando quieras reducir costes y obtener resultados más rápidos, y puedas aceptar algo menos de acabado; elige Seedance 1.5 Pro cuando el modelo más reciente sea excesivo para tus necesidades. Recuerda la regla de precios anterior: la duración, la resolución y el audio determinan la factura, así que un clip de 5 segundos en 720p con audio es el caso de aproximadamente 0,60 $, no la cifra base.

Proyectos reales creados con la API de Doubao

Dos resultados del modelo de vídeo, con los prompts exactos que los produjeron. Ambos utilizan el mismo código de envío y consulta anterior; solo cambian el prompt y el ID del modelo.

Realismo de retransmisión de F1: Seedance 2.0

Seedance 2.0 destaca especialmente en el realismo y el movimiento propios de una retransmisión, y puede conservar una identidad a partir de una referencia. Este prompt aprovecha las tres capacidades:

Prompt
Captura de pantalla ultrarrealista de una retransmisión televisiva en directo de F1, identidad conservada exactamente a partir de la imagen de referencia.
Mujer joven sentada en el paddock VIP / garaje del equipo durante una carrera de Fórmula 1, mostrada en la retransmisión oficial en directo como la novia de un piloto de F1. Es la última vuelta; escucha la radio del equipo con unos auriculares profesionales de competición, observa nerviosa los monitores del garaje, se inclina hacia delante con una mano cerca de la boca y muestra una expresión orgullosa y tensa.
Lleva una camiseta blanca ajustada, una chaqueta grande del equipo de carreras sobre los hombros, unos grandes auriculares negros de radio del equipo con micrófono de brazo, joyas doradas y maquillaje glamuroso suave. De su cuello cuelga una acreditación del paddock.
Gráficos realistas de una retransmisión de F1: banner «FINAL LAP», contador de vueltas, torre de tiempos de los pilotos a la izquierda, pequeño logotipo al estilo de F1, indicador «LIVE» y rótulo inferior que la identifica como invitada del paddock.
Personal del equipo, auriculares, pantallas del garaje y mecánicos desenfocados a su alrededor. Cámara de retransmisión con teleobjetivo desde el otro lado del garaje, artefactos de compresión, ruido digital, iluminación intensa del paddock, textura natural de la piel, sin suavizado, 8k.

Emoción en varias tomas: Seedance 2.0 Fast

La variante rápida también gestiona una secuencia de cinco tomas con continuidad y atmósfera. Este es el clip del principio de la guía:

Prompt
Una bailarina de ballet anciana, extremadamente frágil, de unos 80 años, con un tutú harapiento, actúa sola en el escenario de un teatro abandonado, iluminado únicamente por un reflector.
Toma 1: Primer plano de sus pies nudosos y artríticos deslizándose hasta la primera posición sobre el polvoriento suelo del escenario; se oye el crujido de la madera bajo ellos.
Toma 2: Plano general: eleva los brazos por encima de la cabeza con una elegancia temblorosa, enderezando la columna centímetro a centímetro; las butacas de terciopelo vacías se extienden hacia la oscuridad.
Toma 3: Plano medio: comienza a girar, lentamente y después cada vez más rápido; su tutú captura la luz y el polvo gira alrededor de sus tobillos como humo.
Toma 4: Plano contrapicado: inicia un grand jeté, suspendida en el aire durante un instante sin aliento, con el rostro concentrado intensamente.
Toma 5: Aterriza, da un traspié, se queda completamente inmóvil —el pecho agitado, las lágrimas corriendo en silencio— y hace una profunda reverencia en solitario ante nadie.
El ambiente es agridulce y estremecedor, impregnado de gloria marchita y de un amor inquebrantable por una vida vivida en movimiento.

Una advertencia que reconocen las propias notas del modelo: en secuencias rápidas con mucho movimiento pueden aparecer grano en las texturas y algún que otro problema de consistencia. Reserva uno o dos reintentos para las tomas principales en lugar de suponer que el primer render estará listo para publicar.

Texto y multimodalidad, brevemente

Si has llegado por la parte de chat de «doubao api», aquí es donde encajan. Doubao 1.5 Pro es el modelo de razonamiento bilingüe de referencia; Seed 1.6 Flash es la opción económica y rápida; las versiones Vision Pro leen documentos y realizan OCR. Todos utilizan el formato de OpenAI mostrado anteriormente.

El chat general de vanguardia no es el ámbito en el que Doubao destaca en esta plataforma; los modelos de imagen y vídeo son el motivo para estar aquí. Además, el especialista en programación Seed 2.0 Code está obsoleto, por lo que ya no es una opción actual. Utiliza los modelos de texto cuando quieras inferencia bilingüe económica junto con tus llamadas de imagen y vídeo bajo una misma clave, no porque vayan a superar a un modelo occidental de vanguardia en razonamiento en inglés.

Notas sobre cumplimiento y compras

Como ByteDance también es propietaria de TikTok, Doubao plantea cuestiones de compras que una comparación puramente técnica pasaría por alto, y merece la pena mencionarlas. Para la mayoría de los usos comerciales —contenido de marketing, prototipos y herramientas internas— estos modelos son adecuados. En sectores regulados, organismos gubernamentales, trabajos de defensa o cualquier contexto en el que la residencia de los datos esté fijada contractualmente, evalúa la opción con cuidado o elige un modelo occidental; algunos compradores lo descartarán únicamente por sus políticas, y es una decisión legítima que no dice nada sobre la calidad del modelo.

En cuanto al contenido, recuerda el error 503 «Content policy violation»: estos endpoints aplican una política y rechazarán algunos prompts. Diseña tu aplicación teniendo esto en cuenta, no suponiendo que la generación será ilimitada.

Empieza a crear

Elige el modelo que corresponda a tu tarea y toma el formato de solicitud de su página: Seedream 5.0  para imágenes, Seedance 2.0 para vídeo. Consulta las tarifas actualizadas en la página del modelo  antes de integrarlo en producción, especialmente en el caso del vídeo, donde la configuración determina el coste.

Si buscabas una visión del producto Doubao —qué es la aplicación, cómo se compara con ChatGPT y cómo es utilizarla— en lugar de información sobre la API, esa es otra lectura: consulta nuestra reseña completa de Doubao AI.