ByteDance Lance: 이미지·영상 이해·생성·편집 통합 3B 멀티모달 모델
ByteDance Research가 텍스트-이미지 생성(t2i), 텍스트-영상 생성(t2v), 이미지·영상 편집, 이미지·영상 이해를 단일 프레임워크에서 처리하는 Lance를 오픈소스 공개했다. 3B 활성 파라미터로 Qwen2.5-VL-3B-Instruct 기반 구조를 채택하며, GenEval 0.90, VBench 85.11(통합 모델 중 최고) 등 7B 이상 대형 모델과 경쟁하는 성능을 보인다. Apache 2.0 라이선스로 제공되며 128개 A100 GPU로 학습되었고, arXiv 논문 번호는 2605.18678이다.
원문 보기