字节跳动开源统一多模态模型 Lance，激活参数量 3B

字节跳动发布开源统一多模态模型 Lance，激活参数量 3B，从训练起就把图像、视频的理解与生成以及跨模态编辑放进同一体系。模型采用双流专家架构，文本和理解视觉标记来自 Qwen2.5-VL，生成视觉输入用 Wan2.2 的 3D 因果 VAE 编码；训练分 4 阶段，总计约 1.5T 加 300B 加 72B 标记，预算控制在最多 128 张 GPU 内。