GPT-4o的图像生成能力前段时间确实引发了广泛关注。各路博主发布的创意图片刷屏了社交媒体，但说实话，对大多数用户而言，网络访问限制是一道难以跨越的门槛，看得见却用不了，只能隔着屏幕过过眼瘾。

不过，这种局面恐怕不会持续太久。字节跳动近期开源了一款名为BAGEL的模型，直接向闭源巨头发起了挑战。

BAGEL是字节跳动专门设计用于对标GPT-4o、Gemini 2.0等闭源多模态模型的开放解决方案。它的性能直接瞄准行业标杆，并将一系列实用功能——包括带图推理、图像编辑、3D模型生成、视频生成甚至图片导航——全部集成于一体。用户需要什么，它就提供什么，几乎覆盖了所有主流应用场景。

该模型的单卡参数规模仅为140亿（实际活跃70亿），发布后迅速冲上Huggingface趋势榜。

网上甚至有呼声，希望字节跳动的开源速度能稍微放缓一些，否则大家真的跟不上节奏了。

官方在官网上放出了演示视频，可以抢先了解大致效果。

01 图像编辑能力

图像编辑与扩展功能，如今已成为大模型的标准配置。

它不仅输出最终结果，还会在编辑前进行推理，将思考过程与细节清晰展示给用户。

例如，将一件衣服自然地贴合到人物身上。

更令人惊叹的是其推理能力。给模型一张布料叠放的照片，让它想象展开后的形态。

展开效果的还原度极高，几乎看不出明显破绽。来看看模型是如何完成这一推理过程的。

02 图片风格转换

3D玩偶风格。

粘土风格。

Chibi（萌系）风格，还能直接转换到卡片上，并让角色手持卡片。这一玩法直接对标了此前在X平台上火爆出圈的名片卡风格。

03 图片导航

图片导航功能，堪称BAGEL最令人印象深刻的能力之一。它从视频中学习，能够有效从现实世界中提炼出导航知识。这样一来，它就能在科幻场景、艺术画作，甚至是不同旋转角度或视角的环境中进行导航。

直接看效果：

转动摄像头拍摄。

马路向左拐。

向前和向右。

最后，干货时间。项目代码和模型均已上传至GitHub和Huggingface。

GitHub：
https://github.com/bytedance-seed/BAGEL

Huggingface：
https://huggingface.co/ByteDance-Seed/BAGEL-7B-MoT

GitHub上提供了完整的项目启动步骤。

根据不少博主实测的结果来看，要在本地运行，至少需要满足以下硬件条件。有条件的话可以自己尝试跑一下。

没有硬件条件也没关系，官方提供了线上Demo地址：

https://demo.bagel-ai.org/

实测下来，图片导航功能暂不支持，且响应速度较慢。

写在最后

对普通用户来说，更关心的是这个模型何时能上线到豆包。估计需要基于A100集群进行部署，大概需要等待2到3个月，2025年第三季度应该就能看到，不会太久。

不过，目前豆包的生图能力已经非常强大，还没用过的可以前去体验一下。