1モデル、3モダリティ：ByteDanceが画像・動画の理解・生成・編集を実現する「Lance」を公開

ByteDanceのインテリジェント創作研究室は、画像と動画の理解、生成、編集を単一のフレームワークで処理するオープンソースのネイティブ統一マルチモーダルモデル「Lance」を公開しました。活性化パラメータはわずか3B。デュアルストリームMixture-of-ExpertsアーキテクチャとModality-Aware Rotary Positional Encoding（MaPE）を採用し、4段階のトレーニングを経て、画像生成、動画生成、画像編集、動画理解など複数のベンチマークで最先端の結果を達成しています。Apache 2.0ライセンスでオープンソース化されています。