字节跳动开源Lance模型：单架构实现图像/视频生成与理解，仅用3B参数

近日，字节跳动研究院在Hacker News社区展示了其最新的视觉多模态大模型——Lance。该项目旨在通过单一模型架构，同时解决图像生成、视频生成以及视觉内容理解三大任务，打破了传统模型针对单一任务优化的局限。Lance模型拥有30亿活跃参数，规模相对轻量，但其高效的设计使其在多模态处理能力上表现出色，证明了中小规模模型在复杂视觉任务中的巨大潜力。该项目的一个显著技术亮点在于其训练效率：团队仅使用少于128个GPU完成了模型的训练，这在当前动辄需要大规模算力集群的大模型竞赛中显得尤为独特，体现了极高的算力性价比和算法优化能力。目前，Lance的相关代码、模型权重、技术论文及演示主页已全面开源，供开发者社区下载与测试。项目方特别强调，Lance目前仍是一个研究性质的原型项目，尚未经过工业级产品的打磨，主要面向学术研究和算法探索，为AI社区提供了一个探索统一视觉模型的重要基座。

事件分析

💡 核心观点：仅3B参数实现生成与理解全能，标志着多模态大模型正从“堆算力”向“拼架构”的高效进化。