在火山引擎FORCE原动力大会上，字节跳动再次向外界展示了其在图像和视频生成领域的创新实力。新推出的图像生成模型Seedream5.0Pro与视频生成模型Seedance2.5的亮相，标志着字节在多模态生成技术上迈出了重要一步。这些新技术不仅为用户提供了更高效的创作工具，还推动了AI生成技术的进一步发展。
Seedream5.0Pro具备交互式精准编辑功能，能够将图像拆解为多个图层，直接生成可编辑的分层设计图。这一功能的推出，使得用户可以更灵活地进行图像创作，不再受限于传统的单一生成模式。而Seedance2.5则将视频创作的原生时长延长至30秒，并支持多达50个素材的联合参考，为视频创作提供了更多的可能性。
回顾过去一年多的发展历程，字节跳动的生成模型几乎保持了每月更新的频率。其中，2025年9月发布的Seedream4.0是一个关键节点，它首次将“按文字生成图片”和“修改已有图片”两种功能整合到同一个模型中。然而，这种整合并非简单相加，实际操作中常常面临能力冲突的问题。例如，增加局部编辑功能可能会影响文生图的基本性能，而叠加全局改写功能又可能导致局部编辑出现混乱。
为了解决这一难题，字节Seed团队联合新加坡国立大学等高校，在arXiv平台上发布了一篇名为DanceOPD的论文，提出了一种新方法，旨在为生成模型添加新功能的同时，不削弱原有能力。这一研究不仅具有学术价值，更与用户实际使用场景高度契合。
在字节的AI创作工具即梦中，用户通常会进行多个操作：先生成图片，再修改背景、更换风格、扩展画幅或进行局部重绘。理想情况下，这些操作应由同一个模型完成，但现实中每增加一种编辑功能，往往需要额外部署专用模型，或者将功能硬塞进主模型导致文生图质量下降。
DanceOPD提供了一种新的解决方案：将训练好的“编辑专家”模型作为“冻结教师”，通过蒸馏技术将其能力迁移到主模型中，且仅更新少量轻量参数，避免对主模型的基础结构造成影响。这种方法实现了“增量加能力”，使得Seedream系列模型从4.0到5.0的迭代过程中，每次更新都为主模型增添了新功能。
传统做法通常采用重训或权重融合，但这些方法存在风险：新功能提升的同时，老功能可能退化。DanceOPD的实测结果显示，采用权重融合方式时，文生图分数基本保持不变，但图片编辑能力直接归零，这正是传统方法局限性的体现。而DanceOPD采用的硬路由蒸馏技术，理论上可以在不影响现有能力的情况下添加新的编辑功能，显著降低了迭代成本和失败概率。
论文还解决了两个具体问题：其一，将CFG（无分类器引导）作为一种能力场吸收进模型权重中，省去了推理时的额外计算，对于处理海量C端请求的即梦产品而言，每张图片节省一次计算都意味着实际成本的降低；其二，Seedream5.0主打的精致纹理和SeedEdit主打的“非编辑区域保持不动”功能，在DanceOPD框架中得到了明确支持。
尽管论文尚未明确说明这套机制已应用于哪个版本的Seedream模型，但其瞄准的问题、采用的技术底座与字节跳动的产品路线高度一致。要理解这篇论文的核心贡献，需先了解当前主流生图模型的工作原理。这些模型通常采用流匹配技术，将“从随机噪声生成清晰图片”的过程分解为无数微小位移，每个位置都有一个“速度场”指导数据移动方向。
文生图、局部编辑和全局改写分别对应不同的速度场，但这些场之间往往相互干扰，导致生成结果模糊不清。论文将这种能力丢失现象命名为“capability identity”，即能力的身份缺失。针对这一问题，业界此前尝试过多种方法，但均存在局限性。
DanceOPD提出了三招创新解决方案：第一招是硬路由，为每个训练样本指定唯一教师，确保能力身份不被模糊；第二招是采用在策略蒸馏，在学生模型实际生成轨迹的状态上进行教学；第三招是选择低噪声点进行单点对齐，采用简单的均方误差（MSE）作为对齐方式，避免复杂的奖励模型或对抗判别器。
实验数据显示，硬路由配单点MSE的组合在图像编辑评测GEditBench上取得了5.347的分数，比最强基线高出8.1%；在局部编辑加全局编辑的组合上取得5.498的分数，比最强对照高出16.1%；同时，衡量文生图基本功的Geneval指标不降反升。
对于字节跳动这样的企业而言，DanceOPD的研究为解决能力冲突问题提供了清晰的思路，也为AI图片的直接修改提供了高效路径。随着技术的不断进步，未来的图像生成与编辑将变得更加智能化、便捷化，用户的创作体验也将得到进一步提升。
