Lance · AI 工具图鉴

🔥 Lance：3B参数实现理解+生成+编辑全统一，字节跳动最新多模态模型

一个模型搞定图像生成、视频生成、图像编辑、视觉理解四大任务——字节跳动用3B有效参数挑战7B+统一模型的性能天花板。

封面图

🚀 什么是 Lance？

Lance 是字节跳动研究团队最新开源的轻量级原生统一多模态模型，仅需 3B有效参数 即可同时支持图像生成、视频生成、图像编辑、视觉理解四大核心任务。

核心定位：3B有效参数统一架构，单模型覆盖理解+生成+编辑全链路

与传统方案需要多个专用模型不同，Lance 通过双流混合专家架构(Dual-stream MoE)和解耦能力路径设计，在同一个模型框架内实现了理解与生成的完美平衡。项目于 2026-05-15 发布，论文已被学术界关注，代码完全开源。

✨ 核心功能一览

Lance 核心功能对比

🛠️ 快速上手：5 分钟跑通示例

环境要求

软件： Python 3.10+，CUDA 12.4+（必须）
硬件： 单卡至少 40GB 显存（推荐 A100/H100）

安装步骤

# 克隆仓库
git clone https://github.com/bytedance/Lance.git
cd Lance

# 一键安装依赖
bash ./setup_env.sh

# 从 Hugging Face 下载模型权重
# 放到 downloads/ 目录下
# https://huggingface.co/bytedance-research/Lance

核心代码示例

Lance 提供了统一的命令行接口，一个脚本搞定所有任务：

# 文本生成图像
bash inference_lance.sh \
  --TASK_NAME t2i \
  --MODEL_PATH downloads/Lance_3B \
  --RESOLUTION image_768res \
  --VIDEO_HEIGHT 768 \
  --VIDEO_WIDTH 768 \
  --SAVE_PATH_GEN results/t2i

# 文本生成视频（支持最长121帧）
bash inference_lance.sh \
  --TASK_NAME t2v \
  --MODEL_PATH downloads/Lance_3B_Video \
  --RESOLUTION video_480p \
  --NUM_FRAMES 121 \
  --VIDEO_HEIGHT 480 \
  --VIDEO_WIDTH 848 \
  --SAVE_PATH_GEN results/t2v_121f

# 图像编辑
bash inference_lance.sh \
  --TASK_NAME image_edit \
  --MODEL_PATH downloads/Lance_3B \
  --RESOLUTION image_768res \
  --SAVE_PATH_GEN results/image_edit

# 启动 Gradio Web 界面
python lance_gradio_t2v_v2t.py --gpus 0 --server-port 7860

注意：推荐使用示例中的 prompt 格式编写输入提示词，生成质量更优

支持的任务类型

任务名	描述	示例配置
`t2v`	文本生成视频	`config/examples/t2v_example.json`
`t2i`	文本生成图像	`config/examples/t2i_example.json`
`image_edit`	图像编辑	`config/examples/image_edit Example.json`
`video_edit`	视频编辑	`config/examples/video_edit_example.json`
`x2t_image`	图像理解	`config/examples/x2t_image_example.json`
`x2t_video`	视频理解	`config/examples/x2t_video Example.json`

💡 适用场景

文本生成图像

Lance 文生图效果

功能说明：Lance 支持高质量文生图，最高支持 768x768 分辨率输出。在 GenEval 基准上得分 0.90，超越了 FLUX.1-dev(12B) 和 Show-o2(7B) 等专用模型。

输入要求：文本描述，建议使用项目示例中的 prompt 格式。

输出效果：高保真图像，支持复杂场景、多物体、精细纹理。

适用场景：电商产品可视化、创意设计、社交媒体内容生成。

图像编辑

Lance 图像编辑效果

功能说明：支持内容感知编辑、多轮一致性编辑。在 GEdit-Bench 上均值 7.30，超越所有开源竞争模型。

输入要求：原始图像 + 编辑指令。

输出效果：保持整体一致性的精准编辑，支持多轮迭代。

适用场景：电商修图、内容创作、广告设计。

视频生成与编辑

Lance 基准测试概览

功能说明：Lance 支持文生视频（最长 121 帧）和视频编辑。在 VBench 视频生成基准上得分 85.11，是统一模型中的最佳成绩。

输入要求：文本提示词 + 分辨率参数。

输出效果：流畅的 480p 视频，支持复杂动态场景。

适用场景：短视频创作、广告制作、教育内容生成。

用户群体总结

✅ AI 研究者：统一多模态建模的新范式，值得深入研究
✅ 内容创作者：一模型搞定图像、视频、编辑，降低成本
✅ 开发者：完整的推理接口和 Gradio 界面，开箱即用
❌ 不适合：显存不足的入门级用户（需 40GB+ 显存）

💰 定价方案

开源协议： Apache-2.0

💡 完全免费开源，可商用，无使用限制

📊 与竞品对比

Lance vs 竞品对比

性能对比数据

GenEval 图像生成基准（得分越高越好）：

Lance(3B): 0.90 = TUNA(7B): 0.90
FLUX.1-dev(12B): 0.82
Show-o2(7B): 0.76

GEdit 图像编辑基准（均值越高越好）：

Lance(3B): 7.30（最佳）
InternVL-U(1.7B): 6.66
BAGEL(7B): 6.52

VBench 视频生成基准（得分越高越好）：

Lance(3B): 85.11（统一模型最佳）
TUNA: 84.06
Show-o2: 81.34

关键优势：3B 参数达到 7B-12B 模型的水准，性价比极高

🎯 总结

Lance 是字节跳动在多模态统一模型领域的又一力作。它以仅 3B 有效参数实现了图像生成、视频生成、图像编辑和视觉理解的统一，在多个基准测试中达到了与 7B-12B 模型相当甚至更优的水平。双流混合专家架构和解耦能力路径是其核心创新点，为统一多模态建模提供了新的技术路径。

推荐指数： ⭐⭐⭐⭐⭐（满分5星）

适合人群： AI 研究者、内容创作者、有 GPU 资源的开发者

立即体验： Lance 官网

GitHub 仓库： bytedance/Lance

数据截至 2026-05-20，最新信息请以官网为准。

配套媒体