Плотная инфографика
Изображения, насыщенные текстом, — для учебных и профессиональных задач. Модель справляется со сложным рассуждением и организацией информации внутри одного кадра: подписи стоят на своих местах, связи между блоками не путаются.
Seedream 5.0 и 5.0 Pro
Старшее поколение линейки ByteDance. Pro разбирает запрос развёрнутым рассуждением и правит готовый кадр по пометкам, Lite добавляет к тому же рассуждению поиск в вебе прямо во время генерации.
015.0старшее поколение// рассуждение
Рассуждение до первого пикселя
Seedream 5.0 Pro — мультимодальная модель генерации изображений с продвинутым рассуждением и продакшн-качеством вывода. Запрос не уходит в отрисовку сразу: модель сначала раскладывает его на части — что за объекты, как они связаны, где какой текст, — и рисует уже по этой раскладке.
Разница заметна там, где кадр сложный. Схема из десяти блоков со стрелками и подписями, разворот с несколькими колонками текста, композиция, где предметы перекрывают друг друга в заданном порядке, — на таких запросах поколение 5.0 держит структуру, а не рассыпает её на красивые фрагменты.
Офсайт показывает примеры в трёх пропорциях — 16:9, 9:16 и 4:5. Кадр под горизонтальный экран, вертикальную ленту и печатный формат приходит из одной и той же модели, переключать её не нужно.
024опоры поколения// что входит
На чём стоит 5.0 Pro
Четыре возможности, которые ByteDance выносит на страницу модели как основные.
Интерактивная правка
Модель точно отвечает на пространственные пометки и наброски: обведённую область и подпись от руки она читает как указание. Кадр разделяется на слои, и работать можно с отдельным слоем, а не со всем изображением.
Фотографическая достоверность
Свет, тени и текстура кожи считаются по физике сцены. На крупном плане это видно по тому, как ложится блик и как ведёт себя полутень на границе освещённой части.
Многоязычность
Около десятка распространённых языков — и в самом запросе, и в надписях внутри кадра. В примерах офсайта показаны семь: английский, китайский, японский, корейский, испанский, бенгальский, арабский.
03// lite
Lite и поиск в вебе
Seedream 5.0 Lite — единая мультимодальная модель с глубоким рассуждением и поиском в вебе. Второе и отличает её от Pro: во время генерации Lite может сходить и посмотреть, как выглядит запрошенная вещь.
Это меняет результат там, где нужен реальный объект, а не его правдоподобная замена: конкретная модель техники, узнаваемое здание, упаковка существующего товара. Без поиска модель рисует обобщённый образ по описанию; с поиском — опирается на то, что нашла.
Pro или Lite
Pro берут за глубину проработки кадра и за интерактивную правку со слоями.
Lite берут, когда важнее точность конкретного объекта и модель должна свериться с вебом, а не додумать.
Обе входят в поколение 5.0 и живут в общем каталоге Seed.
04// сравнение
Что различается между версиями
Старшая версия не отменяет предыдущие — 4.5 и 4.0 остаются в каталоге и решают свои задачи.
| Модель | Что держит лучше всего | Чем это сделано |
|---|---|---|
| Seedream 5.0 Pro | Плотный текст и сложную композицию | Развёрнутое рассуждение перед генерацией, правка со слоями |
| Seedream 5.0 Lite | Точность реально существующего объекта | Поиск в вебе во время генерации |
| Seedream 4.5 | Один предмет или персонажа в серии кадров | Консистентность и точность деталей |
| Seedream 4.0 | Крупный формат до 4K | Генерация и правка в одной архитектуре, ускоренный вывод |
05// кадры
Кадры из старшего поколения
06// тесты
По каким тестам ByteDance сравнивает поколения
Команда называет два набора: внутренний MagicBench и сторонний Artificial Analysis Image Arena. Баллов ByteDance не публикует — ни на странице модели, ни в каталоге Seed, поэтому числовое сравнение поколений между собой взять неоткуда.
Что проверяется руками за пару минут: один и тот же запрос на 5.0 Pro и на 4.5, дальше смотреть на текст внутри кадра и на то, сохранилась ли заданная композиция.
07// проверка
Три проверочных запроса
для рассуждения
Развёрнутое рассуждение проявляется не на портрете и не на пейзаже — там хватает любого поколения линейки. Оно вылезает там, где кадр надо сначала спроектировать.
- Схема со связями. Попросите диаграмму из восьми блоков с подписанными стрелками между ними. Смотреть надо не на красоту, а на то, ведут ли стрелки туда, куда сказано, и читаются ли подписи как слова.
- Кадр с текстом в двух местах. Заголовок сверху и мелкая строка снизу, оба с заданным содержанием. Слабое место генераторов — вторая надпись: её приносят в жертву первой.
- Композиция с порядком перекрытия. Три предмета, где вы прямо указываете, что перед чем стоит. Проверяется, удержана ли заданная глубина, а не просто собраны ли объекты в кадре.
Тот же запрос имеет смысл прогнать на 4.5 и сравнить два результата рядом — числовых сравнений поколений ByteDance не публикует, а собственный тест занимает пару минут.
Пропорции под задачу
Офсайт показывает 5.0 Pro в трёх форматах, и каждый закреплён за своим применением.
- 16:9 — горизонтальный экран, обложка статьи, слайд.
- 9:16 — вертикальная лента и экран телефона.
- 4:5 — печатный и карточный формат, лента социальных сетей.
Открыть 5.0 Pro и проверить на своём запросе
Возьмите кадр, где есть текст и несколько объектов сразу, — на нём разница между поколениями видна с первой генерации.