Seedream

定义

Seedream是字节跳动Seed团队研发的智能图像创作模型系列，定位为多模态图像生成与编辑的基础模型家族。该系列采用统一的生成与编辑架构，在同一套模型中同时支持文生图、图生图、图像编辑与多图融合等任务，目标之一是避免在不同模型之间切换时出现风格漂移。

在具体版本中，Seedream 4.0被官方描述为具备知识与思考能力的多模态创意引擎，其单次输入可包含文本与图像，并支持参考生成、融合生成与组图生成^[3]。Seedream 5.0 Lite则进一步引入实时检索增强能力，可通过联网获取较新的信息以回应时效性创作需求^[4]。

原理

Seedream系列的底层结构继承自Seedream 2.0，采用MMDiT处理图像与文本两类token，并建立两种模态之间的关联^[5]。Seedream 2.0在SD3的MMDiT基础上引入QK-Norm以抑制注意力矩阵的数值波动，并配合全分片数据并行策略提升训练收敛速度。

为适配多种输出尺寸，该系列采用混合分辨率训练，将不同长宽比与分辨率的图像打包在同一训练阶段，并以尺寸嵌入使模型感知目标分辨率^[5]。位置编码方面，Seedream 2.0提出Scaling RoPE，通过对编码因子动态缩放，使图像中心区域在不同宽宽比下保持空间一致，从而支持未参与训练的尺寸。Seedream 3.0进一步将这一方法扩展为跨模态RoPE，把文本token按二维形式编码，以加强图文对齐与文字渲染准确度^[5]。

训练目标上，Seedream 3.0采用流匹配目标并叠加表示对齐损失REPA，即令MMDiT的中间特征与预训练视觉编码器DINOv2-L的特征做余弦距离约束，以加快大规模文生图训练的收敛^[5]。在文本渲染环节，Seedream 2.0构建双模态编码融合系统：由语言模型解析文本含义，ByT5负责刻画字形，字体、颜色、大小与位置等属性通过端到端训练获得，而不依赖预设模板。后训练阶段包含持续训练、监督微调、人类反馈对齐与提示工程，并分别训练图文对齐、美学与文本渲染三类奖励模型。

推理效率方面，Seedream 3.0采用自研推理加速算法，依靠一致性噪声预测并叠加重要时间步采样，在保持图文匹配、美学质量与结构准确度的前提下加快生成^[1]。Seedream 4.0则通过新的架构设计与蒸馏加速，使DiT生图推理速度相比3.0提升超过10倍^[2]。

发展历程

字节跳动并未公开发布Seedream 1.0，该系列从Seedream 2.0开始披露^[6]。Seedream 2.0于2024年12月初上线豆包应用与即梦平台，定位为原生中英双语图像生成基础模型。2025年3月，团队发布Seedream 2.0技术报告，公开了数据处理、预训练与RLHF后训练的全流程细节。与该基础模型配套的图像编辑模型SeedEdit同期推出，用于指令式图像编辑^[7]。

2025年4月16日，团队发布Seedream 3.0技术报告，该模型支持2K分辨率直出，生成1K图像约需3秒；同月，第三方榜单Artificial Analysis的评测显示其综合性能与当时的GPT-4o相近，并超过Recraft V3、Ideogram、Imagen 3、Midjourney V6.1等模型^[1]。据相关报道，Seedream 3.0发布当月，其在抖音平台的相关内容播放量达到12亿次^[8]。2025年6月5日，团队公布配套编辑模型SeedEdit 3.0，在处理真实图像编辑时的可用率为56.1%。

2025年9月9日，字节跳动Seed团队正式发布Seedream 4.0，该版本把文生图、图像编辑与组图生成整合进单一架构，最高支持4K分辨率输出，并在评测中取得较高评分^[2]。此后该系列继续迭代：2025年12月发布Seedream 4.5，重点强化多图场景一致性与美学指令遵循能力；2026年2月13日发布Seedream 5.0 Lite，首次为该系列引入实时检索增强^[4]。

应用

Seedream系列主要通过字节跳动自有产品落地。Seedream 4.0发布后已在豆包应用、即梦AI与扣子等产品上线，用户可免费体验，企业客户则可通过火山引擎获取相关技术服务^[3]。Seedream 5.0 Lite上线即梦AI与火山方舟体验中心，并在豆包开启内测^[4]。

在创作场景上，该系列可用于海报与电商修图、影视后期、虚拟形象与衍生设计等任务^[2]。其文字渲染与排版能力支持公式、表格、化学结构与统计图的生成，可用于教育课件与学术插画^[9]。Seedream 5.0 Lite的信息可视化能力面向办公、教育与科研等生产力场景，可将抽象概念转化为信息图表^[4]。此外，其生成结果也可作为图生视频流程的起始帧使用^[10]。

局限

Seedream系列在空间智能方面仍存在明显不足。根据阿里高德在ICLR 2026上发布的SpatialGenEval基准评估结果，Seedream 4.0在该基准上的得分为62.7%，评测方认为这一成绩仅达到及格线水平。

编辑一致性也是该系列曾受到质疑的方面。有评测指出，Seedream 4.0在图像编辑的一致性上表现仍不及部分同期竞品^[6]。同时，模型对世界知识与物理规律、时间与空间约束的处理仍处于早期阶段，Seedream 4.0被官方定位为具备通用多模态创意引擎雏形，而非成熟形态^[3]。

训练数据时效性构成另一项限制。Seedream 5.0 Lite引入实时检索，正是为了应对训练数据可能过时的问题，该检索功能可开启或关闭，关闭时生成过程相对稳定^[4]。

参见

• 多模态大模型 —— Seedream是面向图像的多模态模型，其输入可同时包含文本与图像。

• 扩散模型 —— Seedream的生成过程基于扩散与流匹配框架，属于该技术路线的应用。

• 字节跳动 —— Seedream的研发与发布主体为字节跳动旗下Seed团队。

• 豆包 —— Seedream系列模型的落地产品之一。

• 即梦AI —— Seedream系列模型的上线平台，承担网页端与移动端体验入口。

• 火山引擎 —— 面向企业客户提供Seedream相关模型服务的云平台。