ByteDance Seedream 5.0 Pro, пуснат на 8 юли, направи сравнение с OpenAI GPT Image 2 за неговите възможности за генериране на текст към изображение. Обширно тестване в три основни посоки реализъм, визуализация на сложна информация и дизайн разкрива модел, който е постигнал значителни крачки, като същевременно запазва някои характерни разлики от американския си аналог.
При тестване за реализъм Seedream 5.0 Pro беше тестван срещу GPT Image 2, използвайки идентични подкани. За генериране на стари снимки в ретро стил Seedream създаде технически точни изображения, но със забележимо по-чиста, по-нова естетика в сравнение с автентичното състарено усещане на GPT Image 2. При генерирането на екранни снимки на WeChat моделът създаде изключително реалистични интерфейси, но показа очевидно фалшиви суми за трансфер, вероятно умишлена мярка за безопасност срещу измами. Най-впечатляващият резултат дойде от репликацията на интерфейса на социалната платформа, където Seedream изобрази пръстови отпечатъци, водни петна, отражения на прозорци и мазни петна върху екрана на телефона със забележителна прецизност, въпреки че телефонът изглежда плаваше без поддръжка.
Визуализацията на сложна информация беше основна сила. Моделът успешно генерира инфографика Generative AI Technology Stack с подходящо йерархично оформление, ясна типография и последователни визуализации на данни, включително лентови диаграми и мрежови диаграми. Той също така създаде инфографика с разбивка на разходите на роботи с оформление от три панела и графика за научно образование на тема Защо AI чиповете се нуждаят от HBM с техническа точност. Обаче представянето на китайски текст остава непоследователно, като някои знаци изглеждат замъглени или неправилни в гъста информационна графика.
При задачите, ориентирани към дизайна, моделът показа силно представяне при генериране на рекламни плакати, създавайки зимен рекламен плакат с ретро пергаментен стил, точен рекламен текст и ясно йерархично оформление. Генерирането на UI за електронна търговия беше по-малко впечатляващо, създавайки функционални, но визуално основни интерфейси, които не отговарят на стандартите за уеб дизайн, готови за производство.
Забележителните възможности включват прецизно локално редактиране, при което моделът успешно замени материала на стола от червено до тъмнозелено кадифе, като същевременно запази оригиналната перспектива, сенките и околното осветление. Генерирането на многоезичен текст също работи добре, като моделът демонстрира надеждно изобразяване на некитайски знаци.
Seedream 5.0 Pro се предлага чрез Doubao, Jimeng и центъра за изживяване Volcengine Ark, въпреки че за пълен достъп са необходими платени планове. Моделът представлява най-силното навлизане на ByteDance досега в надпреварата за генериране на изображения с изкуствен интелект, конкуриращ се с глобалните лидери, като същевременно преследва разпознаваема различна естетическа философия, даваща приоритет на яснотата и безопасността пред суровия реализъм.