Lance ist ByteDances neues natives multimodales Modell, das mit einem „Unified"-Ansatz vier Aufgaben in einem einzigen Framework abdeckt: Bildverstehen, Bildgenerierung, Bildbearbeitung und Videogenerierung. Bemerkenswert ist die Effizienz: Mit nur 3B aktiven Parametern soll Lance laut ByteDance starke Ergebnisse auf einschlägigen Benchmarks für alle drei Generierungsaufgaben erzielen. Das Modell wurde vollständig from scratch trainiert – ohne Rückgriff auf vortrainierte Einzelmodelle –, unter Verwendung eines mehrstufigen Multi-Task-Rezepts. Das Trainingsbudget belief sich auf 128 A100-GPUs, was für ein Modell dieser Breite vergleichsweise kompakt ist. ByteDance veröffentlicht Lance als Open-Source-Modell, was lokales Deployment und Community-Feintuning ermöglicht. Der Ansatz, multimodale Generierung und Verständnis in einem kleinen Modell zu vereinen, ist für Entwickler interessant, die ressourcenschonende All-in-One-Lösungen suchen.