文生图领域权威的字节追平第三方榜单Artificial Analysis竞技场发布消息称，字节跳动Seed团队图像生成模型Seedream 3.0综合性能已追平文生图SOTA模型GPT-4o，字节追平稳定超越Recraft V3、字节追平WhatsApp%E3%80%90+86%2015855158769%E3%80%91u%20of%20m%20football%20jerseyIdeogram、字节追平Imagen 3、字节追平Midjourney V6.1等模型，字节追平进入全球第一梯队。字节追平

?

?

Seedream 3.0是字节近日发布的新一代文生图主力模型，目前已在即梦、字节追平WhatsApp%E3%80%90+86%2015855158769%E3%80%91u%20of%20m%20football%20jersey豆包等平臺全量開放。字節(jié)追平據(jù)Seedream 3.0技術(shù)報(bào)告，字節(jié)追平Seedream3.0是字節(jié)追平一個(gè)原生高分辨率、支持中英雙語的圖像生成基礎(chǔ)模型，無需后處理即可實(shí)現(xiàn)?2K?分辨率圖像直出，適配多比例場景，同時(shí)針對小字體高保真生成、多行文本排版等業(yè)界難題，模型也取得了突破性的效果表現(xiàn)。

?

值得一提的是，Seedream 3.0在3秒左右即可快速生成1K分辨率的高品质内容，相比之下，业界同类模型生成该分辨率内容的耗时基本在10秒以上，而此前文生图SOTA模型GPT-4o平均耗时为77秒。

?

圖注：Seedream3.0?技術(shù)報(bào)告中評測結(jié)果

?

豆包大模型团队推文介绍称，Seedream3.0研发始于2024年末，通过调研设计师等群体的实际需求，团队不仅将图文匹配、结构、美感等行业共识性指标纳入攻坚方向，同时，也将挑战小字生成与复杂文本排版、2K高清直出、快速图片生成等难题作为核心目标。

?

針對2K分辨率、多尺寸圖像直出能力實(shí)現(xiàn)，團(tuán)隊(duì)借助了Transformers?架構(gòu)對變長輸入序列的靈活處理能力，在從?512x512?到2048x2048?的多種分辨率和不同長寬比上混合訓(xùn)練，讓模型實(shí)現(xiàn)不經(jīng)過額外深加工的高清直出，同時(shí)也支持多種分辨率輸出。

?

為支持快速生成高品質(zhì)圖像，模型采用自研推理加速算法，依靠一致性噪聲預(yù)測，疊加重要時(shí)間步采樣，最終實(shí)現(xiàn)對模型的無損加速。在保障圖文匹配、美學(xué)質(zhì)量、結(jié)構(gòu)準(zhǔn)確度等指標(biāo)的前提下，Seedream 3.0?生成1K分辨率圖像僅需?3?秒。

?

图注：Seedream3.0输出图像细节丰富，蝴蝶绒毛根根分明

?

Seedream3.0还大幅提升了小字体高保真生成、多行文本语义排版表现，满足设计师对海报设计的需求。团队在预训练阶段，引入跨模态旋转位置编码，补足传统方法模态特征对齐短板，进一步加强了文字渲染能力。

?

图注：Seedream3.0模型可完成小字生成、多行文本排版，并兼顾画面美感

?

據(jù)Seedream團(tuán)隊(duì)介紹，相比此前2.0版本，Seedream 3.0?在數(shù)據(jù)和RLHF階段也使用了全新方案。團(tuán)隊(duì)采用缺陷感知的訓(xùn)練策略，使有效數(shù)據(jù)集擴(kuò)充超過20%，同時(shí)設(shè)計(jì)了精準(zhǔn)的美感描述維度，并進(jìn)一步拓展RLHF獎勵(lì)模型，使Seedream 3.0?具備多維度質(zhì)量判別能力，綜合性能大幅提升。

?

图注：Seedream3.0在美感等方面较2.0进一步提升

?

Seedream团队表示，“新模型在海报创作、生成效率、结构与美感等方面取得了明显进步，但在生成可用性、美感与结构、智能化方面仍有提升空间。”

?

据了解，未来，团队计划探索更高效的结构设计，包括构建效果更好、成本更低、生成更快的文生图模型，并进一步拓展模型对世界知识的理解，赋予模型交织生成等能力。同时，团队也计划探索数据、模型量级、奖励模型等维度的Scaling现象，将认知积累应用于下一代模型中。

?

Seedream 3.0?技術(shù)報(bào)告：https://arxiv.org/abs/2504.11346

Seedream 3.0?官方網(wǎng)頁：https://team.doubao.com/zh/tech/seedream3_0

?

?