字节Lance 3B：一个模型统一图像/视频理解、生成与编辑

Type: article
Author: ByteDance Research
Primary Topic: 行业动态
Ingested: 2026-06-01

Summary

字节跳动发布Lance 3B，一个30亿参数的多模态统一模型，可同时处理图像与视频的理解、生成和编辑任务，无需多模型协作。该模型在VBench、MVBench、GenEval等主流基准上达到开源顶级水平，仅需单张RTX 4090即可运行，部署成本从百万级降至千元级。采用Apache 2.0协议完全免费商用，核心创新包括统一交错序列架构、MaPE位置编码和四阶段训练策略。

Key Concepts

• 统一多模态模型
• 图像视频理解生成编辑
• 双流混合专家
• MaPE模态感知位置编码
• 3D因果VAE
• GRPO强化学习
• Apache 2.0开源

Entities

• ByteDance Research
• Lance 3B
• 字节跳动
• Qwen2.5-VL
• Wan2.2
• HuggingFace
• PaddleOCR

Source

• Raw: bytedance-lance-3b-unified-multimodal-model.md

Relations

• (none)

---

Auto-generated on 2026-06-01