什么是BAGEL？
BAGEL由字节跳动Seed开发，是一个Apache 2.0开源的统一多模态模型，旨在实现先进的图像/文本理解、生成、编辑和导航。它提供的能力与像GPT-4o和Gemini 2.0等专有系统相媲美。BAGEL可以进行微调、蒸馏，并可以部署在任何地方，通过其原生的多模态架构提供精确、准确和逼真的输出。
如何使用 BAGEL？
用户可以通过其统一的多模态接口使用BAGEL，接受图像和文本输入，并以混合格式输出。用户可以进行多轮对话，生成高保真图像和视频帧，执行图像编辑，应用风格迁移，导航虚拟环境，并通过提供提示与模型进行互动，利用其组合和思维模式。
BAGEL 的核心功能
- 统一多模态模型
- 图像/文本理解
- 图像/文本生成（逼真图像、视频帧）
- 图像编辑（保留视觉身份和细节）
- 风格迁移
- 导航（在多种环境中）
- 组合能力（多轮对话）
- 思维模式（通过推理增强生成和编辑）
- 基于大型语言模型初始化的预训练
- 专家混合变换器架构（MoT）
BAGEL 的使用案例
#1描述和理解图像（例如，'告诉我这个图片的内容'）
#2根据文本提示生成逼真图像（例如，'三瓶古董玻璃魔法药水的照片'）
#3在保留细节的情况下编辑图像（例如，'他蹲下并抚摸一只狗的头'）
#4转换图像风格（例如，'换成3D动画风格'）
#5导航和与虚拟环境互动（例如，'在0.40秒后向前移动'）
#6与模型进行多轮对话，进行组合推理（例如，为一只玩偶创造口号）
#7使用'思维'模式优化提示，以获得详细和连贯的视觉输出
