字节 Seedream 3.0 登场：文生图跑分超 GPT-4o，生成 1080P 图像仅需约 3 秒

GoodNav 4 月 19 日报道，字节跳动最新发布的文本生成图像模型 Seedream 3.0，在内部和外部评测中均展现出卓越的性能，超越了前一代 Seedream 2.0，并与 GPT-4o、Midjourney v6.1 和 Imagen 3 等主流系统展开竞争。

该模型的训练数据量增加了一倍，新增了经过预处理的瑕疵图像，同时采用了分辨率自适应采样和混合分辨率训练等新技术，以确保不同尺寸图像的高保真输出。

Seedream 3.0 支持原生 2K（2560×1440）分辨率，生成 1K（论文中未标注具体数值，通常情况下指 1920×1080）图像仅需约 3 秒。在 Artificial Analysis Arena 等基准测试中，Seedream 3.0 的图像质量评分（Arena ELO 1158）超过了 GPT-4o（1157），展现出强大的竞争力。截图如下：

Seedream 3.0 在处理文本密集型任务时表现尤为突出，英文和中文文本的渲染成功率高达 94%，即使面对复杂排版也能游刃有余。

字节跳动透露，该模型的训练数据集包含详细的美学和风格描述，使其在海报、贴纸等设计任务中超越 GPT-4o，甚至可与 Canva 等专业平台相媲美。

在写实肖像领域，该模型生成的皮肤纹理、皱纹和头发等细节更加真实，避免了 AI 肖像常见的“过度平滑”问题，效果优于 Midjourney v6.1，且无需后期放大处理即可输出高分辨率图像。

字节跳动还推出了配套工具 SeedEdit，专注于图像内文本和图像编辑功能。据称，SeedEdit 在精确编辑方面优于 GPT-4o 和 Gemini 2.0 Flash，能够在不破坏图像整体风格的情况下完成文本的移除、替换或插入等操作，且几乎没有明显瑕疵。

字节跳动计划未来将 Seedream 3.0 集成到其聊天机器人平台“豆包”，进一步拓展应用场景。