字节跳动（ByteDance Research）近日正式开源了其原生统一多模态大模型——Lance。该模型以仅3B（30亿）的极致轻量化参数量，实现了图像/视频的理解、生成与跨模态编辑的全功能覆盖，打破了长久以来“理解模型”与“生成模型”之间的技术壁垒。

Lance的核心创新在于其“共享上下文+能力解耦并行”的设计。所有文本、图像、视频输入首先被转化为统一的交错序列，随后送入双流专家架构（Dual-Stream MoE），让专门负责“理解”与“生成”的专家路由各司其职，有效解决了能力冲突问题。理解侧依赖Qwen2.5-VL的嵌入层与ViT编码器提取语义视觉标记，生成侧则采用Wan2.2的3D因果VAE压缩编码，保留细腻的动态连续表示。

为了应对混合模态序列中的边界混淆问题，Lance独创了MaPE（模态感知旋转位置编码）机制，通过为不同模态组添加固定的时间偏移量，在不破坏图像和视频内部空间结构与时间顺序的前提下，增强了模型的空间和时间边界辨识力。

在训练方面，Lance展现了极高的“财务责任感”。整个生命周期被控制在最多128张GPU预算内，通过四个环环相扣的阶段精细化推进：预训练阶段（1.5T Tokens）、持续训练阶段（300B Tokens）、监督微调阶段（72B Tokens）以及强化学习阶段（GRPO算法）。在强化学习阶段，团队罕见地使用PaddleOCR作为奖励模型，专门针对图片中文字渲染不准以及图文不对齐的问题进行优化。

尽管参数量仅有3B，Lance在各项基准测试中却取得了惊人的越级表现。在视频生成测试VBench中，Lance获得85.11分，超越了HunyuanVideo和Wan2.1-T2V等纯视频生成大模型。在图像生成测试GenEval中，总分达到0.90，进入全球开源梯队前列。在视频理解测试MVBench中，Lance斩获62.0分，将体积比它大一倍的专用理解模型Show-o2（7B，55.7分）远远甩在身后。

Lance的开源对生成式AI行业意义重大。过去，开发一款既能看懂剧本、又能生成分镜，还能根据反馈实时修改画面的AI工具，需要同时调度多个大模型，系统复杂且成本高昂。现在，Lance 3B用一个“大脑”实现了“左眼看、右眼编、双手创”的全能闭环。其极低的参数量意味着企业端侧与服务器端的部署成本、推理延迟和算力消耗将迎来断崖式下跌。公测环境最低仅需40GB显存，单张消费级显卡或轻量服务器即可轻松驱动。

该模型采用Apache2.0协议开源，权重已全面上线Hugging Face，为2026年AIGC的工业化量产提供了坚实的技术基础。