字节跳动开源3B全能多模态模型Lance

币界网消息，字节跳动（Bytedance Research）正式开源原生统一多模态大模型Lance。该模型激活参数仅为3B，是一个轻量级模型，能够在单一框架内同时支持图像与视频的理解、生成及编辑。研发团队让模型完全从零开始训练，并将整个训练周期的总计算预算压低至128张A100 GPU。为解决不同模态与任务间的内部冲突，Lance在架构上做了两项硬性隔离：采用双流混合专家（MoE）架构处理交织的多模态序列，解耦理解与生成的计算路径引入模态感知的旋转位置编码，削弱图像和视频异构视觉token之间的信号干扰。尽管算力压缩，Lance的图像与视频生成及编辑在绝大多数基准测试中表现优异，展现了小参数兼顾生成与语义理解的低成本路线。