我要投稿

太猛了，字节把GPT-4o级图像模型开源了！

发布日期：2025-05-26 20:07:42 浏览次数： 1947

作者：程序猿玩AI

微信搜一搜，关注“程序猿玩AI”

前段时间，GPT-4o的图像生成非常的火。网上博主有发布各种脑洞打开的图片。

但对普通人来说，唯一不好的地方就是不方便使用，毕竟网络不通，所以很多人都只能在自媒体账号上欣赏下玩法，没法亲自体验

但这一切，不会太久了。最近，字节开源了一个模型：BAGEL

BAGEL是字节跳动专为挑战闭源多模态模型（如GPT-4o、Gemini 2.0）设计的开源方案

不光性能对标了GPT-4o，而且把带图推理，图像编辑，3D模型，视频生成，导航等功能全集成进去了。主打的就是你想要什么，我就给什么。

单卡参数规模只有140亿(活跃70亿)。刚刚发布就在huggingface上登上了趋势榜

甚至有人呼吁让字节的开源速度慢点，不然跟不上了

官网上放出了演示视频，先睹为快

01

图像编辑能力

图像编辑，拓展功能算是现在大模型的必备能力了。

不光给出图像，而且在之前还会进行推理，让用户看到推理过程和细节。

将衣服融入人身上

不光具备编辑功能，甚至还具备推理的功能。给模型一个叠在一起的布料，让它想象一下布料展开后是什么样子

这展开效果还原度很高，看不出什么错误。看看模型是如何推理的

02

图片风格转换

3D玩偶风

粘土风格

chibi风格，并且还可以转换在卡片上，并在手中持有。这个玩法直接对标了之前在x上火的名片卡风格。

03

图片导航

这个功能我觉得是最牛逼的一个功能

通过从视频中学习，BAGEL有效地从现实世界中提炼出导航知识，这样就能够在包括科幻世界、艺术画作以及具有不同旋转或视角的环境中导航。

直接看效果

转动摄像头拍摄

马路往左拐

向前和向右

最后上干货了，github以及huggface上都已经上传了模型。

github:

https://github.com/bytedance-seed/BAGEL

huggingface:

https://huggingface.co/ByteDance-Seed/BAGEL-7B-MoT

github上有完整的项目启动步骤

根据网上很多博主实测的结果来看，要本地运行，至少具备下面的硬件条件。有条件的可以去本地运行玩玩

没有硬件条件的小伙伴也不用着急，官方提供了demo地址：

https://demo.bagel-ai.org/

我测试了下，图片导航功能不支持，而且比较慢。

写在最后

作为普通人来说，应该更关心的是什么时候才能把这个模型上线豆包

我估计这个得基于A100集群部署才行，得等2-3个月的样子吧，2025年第三季度应该可以看到，等不了多久了

不过现在豆包的生图能力已经非常强了，还没用过的可以去玩玩豆包。最近还上线了视频通话功能。

#AI #AI工具 #开源 #字节 #github #多模态 #人工智能 #大模型

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2025-11-26

7800美元！微博Vibethinker-1.5B数学能力超越R1-671B

2025-11-25

混元OCR模型宣布开源，参数仅1B，多项核心能力SOTA

2025-11-25

5分钟部署AstrBot+NapCat：用Docker把 DeepSeekAI接入你的QQ

2025-11-25

OpenAI 推出 Shopping Research：AI 正在重塑电商价值链

2025-11-25

Gemini Prompt：直接开源！我把「顶尖商业咨询」写进了一套 AI 指令里

2025-11-24

字节跳动开源RL框架verl：让大模型强化学习效率提升20倍，已支持671B参数模型训练

2025-11-24

GPUStack v2：推理加速释放算力潜能，开源重塑大模型推理下半场

2025-11-23

一行代码，让你的 AI 拥有永久记忆！告别昂贵的向量数据库

了解更多

了解更多

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

阿里Qoder vs Trae vs Cursor：谁才是2025年程序猿的效率之王？

2025-09-07

开源发布！适合中国宝宝的 LangGraph 智能体开发模板！

2025-09-06

DeepSeek又开源，这次是OCR模型！附论文解读！

2025-10-20

Claude不让用，有哪些国产模型能迎头赶上？

2025-09-08

发现一个超神的Github开源OCR项目，国产多模态杀疯了

2025-10-27

MiniMax悄悄发布M2，8%价格打出Claude级性能

2025-10-27

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

如愿以偿！Qwen3-VL再开源30B-A3B，附实测！

2025-10-03

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

大家都在问

我们为什么选择 Spring AI 开发智能体，而不是 Dify？

2025-11-12

开源安全审核模型终极PK：Qwen3Guard、OpenAI-SafeGuard、Llama4-Guard谁才是王者？

2025-11-10

DeepSeek-OCR到底厉害在哪？

2025-11-03

n8n如何调用最近爆火的deepseek OCR？

2025-10-29

小红书入局AI智能体开源DeepAgent，在计划什么更新？

2025-10-28

埃森哲的大裁员，向市场发出了什么信号？

2025-10-13

DeepSeek-V3.2背后的国产算子编程语言TileLang是什么？如何保持性能领先的同时减少6倍代码量？

2025-09-29

Qwen3-Next 首测！Qwen3.5的预览版？但为什么我的测试一塌糊涂？

2025-09-17

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI 知识管理开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB

应聘简历请发送至： ceo@53ai.com

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部