字节跳动 Seed 团队正式发布新一代图像创作模型 Seedream 4.0。

Seedream 4.0 采用同一套构架实现文生图与通用编辑能力，融合常识和推理能力，相比前代模型 Seedream 3.0 和 SeedEdit 3.0，在多模态效果、速度和可用性上均实现显著突破：

多模态玩法拓展： 灵活支持文本、图像的组合输入，允许文生图、图生图、图像编辑、多图编辑、组图生成等创作模式，玩法创意多样。

风格化美感提升： 支持高度自由的艺术风格迁移，从巴洛克到赛博朋克风，风格百变，更可组合创造全新风格，美感突出。

逻辑理解力增强： 结合世界知识，提升了多模态输入理解，会“画”，更会先“想”，在涉及物理和时间约束、解谜填字、续写漫画等任务中，展现出推理生成能力。

自适应与 4K 生成： 可根据指令或参考图生成最佳比例图片，也支持用户自定义尺寸，最高分辨率从 2K 扩展至 4K 超高清。

推理速度跃升： 通过全新高效的架构设计，以及极致的蒸馏加速，DiT 生图的推理速度较 Seedream 3.0 提升超 10 倍。

在综合评测中，Seedream 4.0 取得领先的结果，各项关键能力处于业界前列。目前，Seedream 4.0 已正式上线，欢迎通过即梦、豆包、火山方舟等平台直接体验。

项目主页：https://seed.bytedance.com/seedream4_0

体验入口：

（1）即梦网页端-图片生成-上传参考图-选择图片 4.0 模型-输入 Prompt；
（2）豆包 App 对话框-AI 生图/生视频-上传参考图-输入 Prompt；

从图像生成到创意引擎，解锁视觉创作全新体验

Seedream 4.0 不仅仅是一个图像生成模型，更是一个完整的多模态创意引擎。基于 Seedream 4.0 的最新能力，我们提出了模型的八种基础玩法， 除一般的图像生成与编辑外，还探索了模型在衍生创作、推理生成、专业应用等方面的潜力。

精准编辑（Precise Editing）

Seedream 4.0 在图像编辑方面表现突出，只需通过文本提示即可实现高质量修改。它既能精准执行添加、删除、修改、替换等操作，又能在保持整体画面完整性的同时，完成背景替换、人物修饰等复杂任务，生成效果自然逼真、细节真实。

这一特性对广告设计、电商修图、影视后期等场景尤为重要，大幅减少了人工二次修正的成本。

从写实摄影、波普艺术、赛博朋克到中国古风，Seedream 4.0 都能驾驭，且图片质感与美感较好。如视频所示，Seedream 4.0 可让女主角在 30 余种迥异的艺术风格与场景中自由切换，随意更换背景、服装与配饰，面部特征保持如一。灵活参考（Flexible Reference）

灵活参考（Flexible Reference）

与编辑不同，参考生成的难点在于——如何在“保持”与“创造”之间找到平衡。Seedream 4.0 能从参考图像中抽取关键信息，如人物身份、艺术风格或结构特征，并在全新的场景下进行再创造。

例如，它可以基于一张人像生成不同风格的角色照，或将一张 2D 草图转化为 3D 模型渲染图。这让它在虚拟形象创造、衍生设计和二次创作中具备广阔潜力。

Prompt：根据这张图片做一个动漫人物手办，放在桌上，后面放置一个印有角色图像的生日礼物包装盒，盒子下面有一本书，在包装盒前面，添加一个圆形塑料底座，角色手办站在上面，将场景设置在室内，尽可能真实；生成尺寸和现在图一样；手办在图片的左边；整个图片的风格和原始图一样。

视觉信号可控生成（Visual Signal Controllable Generation）

传统上，系统需要依赖 ControlNet 等额外模型才能利用 Canny、Depth、Mask 等视觉信号。Seedream 4.0 则将这些能力原生集成，此外，用户还可以通过简单的草图、涂鸦或辅助线，直接引导模型生成目标图像。

这对姿态控制、建筑设计、UI 交互原型生成等任务具有重要意义。

Prompt：根据这张平面图，生成 “现代简约风精装客厅 + 开放式餐厅”的实景图，房间布局、家具位置完全匹配例图。地中海风格配色，空间结构和方向始终与例图一致。房间立体、开阔、挑高，餐桌那边有阳光，由近及远分别是沙发和绿植、电视、餐桌和椅子、落地窗，不需要体现文字和手绘边缘。注意例图画面方向一样，不要镜像。注意餐桌摆放短边对着落地窗。绿植摆放位置和原图完全一致。

上下文推理生成（In-Context Reasoning Generation）

多模态模型的生成范式，已从单纯执行指令，拓展到具备推理能力的“上下文推理生成”。

Seedream 4.0 不仅能理解物理与时间约束、三维空间等复杂语境，还能在解谜、填字、续写漫画等任务中保持风格一致与细节精致，推理与创意生成能力突出。

Prompt：时间过了 11 个小时 15 分钟，闹钟时间和房间光线随之变化。

多图参考生成（Multi-Image Reference Generation）

相比单图输入，多图参考能提供更丰富的信息。Seedream 4.0 最多可支持十余张参考图，同时抽取人物特征、场景风格和物体结构，并进行有机融合。

例如，它可以基于多张服装照片完成虚拟试衣，或将多个零件组合为完整的机械结构。更重要的是，它在合成过程中基本能保持尺度合理与物理结构的连贯性，展现出对现实世界的“常识理解”。

Prompt：一个超模，她穿着白色礼服，戴着银色素面宽边手镯，她一只手拿着一个银色的包，另一只手将望远镜举在眼前，下巴微微扬起，倚靠在一辆银色的有未来感的摩托车边上，背景是沙漠，天空中飘着几个银色的降落伞。

多图输出（Multi-Image Output）

如果单图生成难以满足需求，Seedream 4.0 还能提供一次生成多张图像的能力。

Seedream 4.0 能保持全局规划与上下文一致性，可以生成角色连贯、风格统一的图像序列，适用于分镜、漫画创作，以及需要统一视觉风格的成套设计，如 IP 产品或表情包制作。

Prompt：参考这个 LOGO，做一套户外运动品牌视觉设计，品牌名称为“GREEN”，包括包装袋、帽子、卡片、手环、纸盒、挂绳等。绿色视觉主色调，简约现代风格。 今天，字节跳动 Seed 团队正式发布端到端同声传译模型 Seed LiveInterpret 2.0。

高级文字渲染与排版（Advanced Text Rendering）

Seedream 4.0 在文字处理上突破了以往生成模型的瓶颈。它不仅能正确渲染出清晰的文字，还能一定程度上处理公式、表格、化学结构、统计图等复杂排版。

这使得它能产出教育课件、学术插图等具有高知识密度的内容，且支持后续的文字编辑与字体替换，在专业化使用场景中具有潜力。

使用同样 prompt，分别用 Seedream 3.0 和 Seedream 4.0 生成送货机器人的手绘草图，Seedream 4.0 在文字渲染和排版上更精致。

Seedream 4.0 生成的“伽利略自由落体实验详解”信息图表，包括科普文字、示意图和基础物理公式，分列进行排版。

自适应比例与 4K 生成（Adaptive Aspect Ratio & 4K Generation）

传统生成模型需预设分辨率，比例不当会影响画面效果。Seedream 4.0 引入自适应长宽比机制，可根据语义需求或参考物体形状自动调整画布，并支持用户自定义尺寸，生成更美观合理的构图。同时，生成分辨率扩展至 4K 超高清，图像质量已达到商业应用水准。

使用同样 prompt，分别用 Seedream 3.0 和 Seedream 4.0 生成包含视觉意象的海报，Seedream 4.0 可生成 4K 高清图像，且细节更丰富细腻。

通过上述八种基础玩法，Seedream 4.0 将传统的图像生成，拓展为可以激发灵感的交互式创意工具。我们相信，Seedream 4.0 还有更多“打开方式”，等待用户挖掘和解锁。

Seedream 4.0 综合评测结果: 美感、文字渲染等核心指标领先

在 Seed 团队建立的 MagicBench 人工评测基准上，Seedream 4.0 在文生图与图像编辑两个场景各维度的评测中均位居业界头部水平，单图编辑的综合 Elo 结果排名第一。

在文生图上，Seedream 4.0 相比上一版本全面提升。其不仅在指令遵循、结构稳定性和视觉美感上表现突出，还特别增强了密集文字渲染和复杂语义理解能力。相比 GPT-Image-1 等其他模型，Seedream 4.0 在画面质感、光影自然度和色彩协调性上优势明显，生成结果更具冲击力和艺术感。

文生图任务综合评测

在单图编辑方面，Seedream 4.0 将生成与编辑深度融合，效果较 SeedEdit 3.0 全面提升。它在指令遵循、参考一致性、结构完整性和文字编辑方面实现了平衡，既能灵活完成风格转换、视角变换等复杂任务，又能保持画面结构稳定。相比之下，其他模型往往在准确性和一致性间失衡，而 Seedream 4.0 则展现出更高的实用性和可靠性，在 MagicArena 的综合 Elo 打分中，Seedream 4.0 超越 Gemini 2.5 Flash Image 位居第一。

图片编辑任务综合评测

生成与编辑联合训练，提升复杂任务泛化性

在多模态扩展方面，Seedream 4.0 采用同一套构架实现文生图与编辑能力的统一，并在联合训练中实现相互的能力增强。

生成和编辑统一： 团队将前续版本的 Seedream 文生图与 SeedEdit 图像编辑能力整合到同一套架构中，使模型能够感知文本 prompt 与参考图像等不同模态的数据，并保持高质量的图像生成与高一致性的特征参考

高效模型架构： Seedream 4.0 采用精心设计的扩散 Transformer 架构与全新高压缩比 VAE，所构建的 DiT 模型较 Seedream 3.0 训练和推理速度提升超 10 倍，且性能更优，在模态能力、任务覆盖及上下文条件控制上具备出色的效率和可扩展性。

多模态理解增强： 基于一个微调版本的 SeedVLM 模型，Seedream 4.0 实现了高性能的多模态理解，并能借助 VLM 强大的世界知识进一步拓展输入 prompt。

多模态数据 Pipeline： 团队构建了大规模可扩展的多模态数据处理链路，通过视频抽帧、基于 HTML 的数据检索与过滤、多专家模型的数据合成等多种方式，能够快速高效构建大规模、高质量的编辑数据对，为模型的编辑和生成能力提供了坚实的数据基础。

联合训练框架： Seedream 4.0 在 CT、SFT、RLHF 等全 post-training 链路实现了编辑和 T2I 两个任务的联合训练，并设计了多角度的奖励模型用于 RLHF 阶段。实验表明，联合优化的效果显著优于单任务独立训练，模型在指令遵循和画质美感上全面提升。

为了让高质量生成能力真正走向大规模应用，团队还在推理环节进行了多层次优化，从算法到硬件均深入改造。

对抗蒸馏： 通过学生-教师模型的分布对齐，让小模型学习到大模型的生成轨迹，保证其在少步数推理下依然稳定，有效缓解了扩散模型在快速采样时的失真问题。

分布匹配： 团队用可学习的判别器替代固定的 KL 散度，提升了复杂分布的拟合精度。在 10 步以内的采样中，可达到传统 50 步生成的效果。

量化与稀疏化： 采用 4/8-bit 混合量化，并结合离线平滑与逐层搜索，确保模型在不同硬件上均能达到最优性能。自研算子适配多种精度，可进一步释放算力潜能。

推测解码： 在采样过程中预测未来 token 的概率轨迹，解决了扩散采样中不确定性带来的延迟。同时团队在 KV Cache 上引入损失函数，从而提升缓存复用率，大幅缩短推理时间。

这一整套加速方案，使 Seedream 4.0 在实际应用中既能生成高质量的 4K 图像，也能实现最快秒级推理生成 2K 图片，实现了高质量和高效生成的统一。

总结与展望

图像创作已从单一的文生图进入多模态交互的新阶段。Seedream 4.0 强化了理解能力且运用多维数据联合训练，其对复杂任务的泛化性大幅提升——它在图像生成上不再局限于单点能力，而是已具备通用多模态创意引擎的雏形。

同时，在专业化场景的创作中，Seedream 4.0 也展现出相当的潜力，对于高知识密度内容的生成处理已达初阶水平。

未来，Seed 团队将继续探索更实时的交互式生成体验，进一步深度融合多模态推理与世界知识，让 Seedream 系列模型更好、更快、更聪明，充分帮助用户激发灵感、实现创意。