BAGEL一作解读：MoT架构+交错数据+生成理解联合预训练

青稞社区主页
原文首发：https://mp.weixin.qq.com/s/S1MyUeeY2_38Kwf0AuJenA

BAGEL是字节跳动Seed推出的一个开源的多模态理解和生成础模型，具有70亿个激活参数（总共140亿个），并在大规模交错多模态数据上进行训练。BAGEL 在标准多模态理解排行榜上超越了当前顶级的开源VLMs，如Qwen2.5-VL和InternVL-2.5，并且提供了与强大的专业生成器如SD3竞争的文本到图像质量。

此外，BAGEL 在经典的图像编辑场景中展示了比领先的开源模型更好的定性结果。更重要的是，它扩展到了自由形式的视觉操作、多视图合成和世界导航，这些能力构成了超出以往图像编辑模型范围的“世界建模”任务。

关于 BAGEL 的更多细节请参考：字节Seed开源BAGEL: 更聪明的统一生成理解模型

6月12日20:00，青稞Talk 第54期，BAGEL 一作、中国科学院博士生黎昆昌，将直播分享《BAGEL：统一生成理解的多模态基础模型》。

分享嘉宾

黎昆昌，中国科学院博士五年级，导师是乔宇、王亚立，研究方向为视频基础模型、统一模型等。在学期间以第一作者或共同第一作者身份，在TPAMI、CVPR等会议和期刊发表12篇论文， Google学术引用6400余次。

主题提纲

BAGEL：统一生成理解的多模态基础模型

1、统一多模态模型的设计及难点
2、BAGEL：MoT架构+交错数据+生成理解联合预训练
3、能力涌现特性的“三阶段定律”
4、性能评估与应用实践

直播时间

6月12日20:00 - 21:00