21 天追平 GPT-4o？字节 Seed 玩真格的

文章预览

GPT-4o 在3月底掀起的“吉卜力”风潮过去还没多久，字节又加入了图像生成竞赛。 4月15日，字节Seed团队发布了中英双语图像生成基础模型 Seedream 3.0，主要在文本渲染能力增强、美学质量提升、原生高分辨率输出、高效推理成本方面进行了优化。 Seedream 3.0支持原生 2K 分辨率图像生成，无需后处理，同时兼容更高分辨率，适应多种比例输出。在不使用位置编码（PE）情况下，生成一张 1K 分辨率图像仅需约 3 秒，速度远超当前主流商用模型。 字节还针对 CT（对比学习）和 SFT（监督微调）阶段的数据，专门训练了多个版本的字幕模型。这些描述模型覆盖了美学、风格、版式等多个专业领域，极大增强了 Seedream 3.0 对提示词的响应能力。  Seedream 3.0 继续采用 MMDiT 架构来处理图像和文本的 token。团队采用混合分辨率训练策略，在每一阶段训练中，将不同 ………………………………