太猛了，字节把GPT-4o级图像模型开源了！

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

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

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。

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。

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