ByteDance Seed: Seedream 5.0 Flash

Seedream 5.0 Flash は、ByteDance Seed による画像生成および編集モデルです。Seedream 5.0 ファミリーに属し、その中では高速でコスト効率の高いティアとして位置づけられており、ファミリー内で最大のモデルが必要となるケースではなく、大量生産やインタラクティブなワークロード向けに配置されています。

このモデルは画像モデルです。テキストと画像の入力を受け付け、出力は画像です。この入力モダリティの組み合わせにより、書かれたプロンプトからの生成と既存画像の編集の両方が同じモデル内で可能になります。最大 14 個の入力参照をサポートするため、リクエストは単一の画像ではなく複数のソース画像によって誘導できます。テキスト出力はありません。つまり、モデルは書かれた説明や回答ではなく画像を返します。このモデルについてコンテキスト長は公開されていないため、コンテキストウィンドウを前提としたトークンベースの計画はここでは適用できません。このモデルに記載されているリクエストパラメータは frequency_penalty、max_tokens、temperature、top_p です。

入力側がテキストと画像の両方をカバーし、出力が常に画像であるため、実用的な用途はビジュアルを大量に生成および編集することから生じます。テキストと画像のプロンプトを組み合わせることは、製品画像、マーケティングおよびソーシャル用アセット、コンセプトおよびドラフトのビジュアル、そして保持したい見た目をソース画像が担う既存画像のバリエーションに適しています。参照入力は、ブリーフを提供された素材に視覚的に固定しておく必要がある場合に役立ちます。このモデルはプロンプトと参照画像を受け取って画像を返すため、多くの画像を迅速に必要とするパイプラインに適合します。これには、ユーザーがプロンプトを調整し、同じセッション内で結果を期待するインタラクティブツールも含まれます。

このモデルは、モデル id "bytedance-seed/seedream-5-0-flash" を使用して api14 の OpenAI 互換 API を通じて呼び出します。リクエストは他の OpenAI 互換呼び出しと同じ方法で構築し、その id を model の値として使用し、テキストおよび画像入力はエンドポイントが期待する方法で指定します。サポートされているリクエストパラメータは frequency_penalty、max_tokens、temperature、top_p です。それらに加えて、画像設定は resolution、aspect_ratio、n、input_references、seed です。resolution は 1K または 2K の列挙です。aspect_ratio は 1:1、1:2、2:1、2:3、3:2、3:4、4:3、4:5、5:4、9:16、16:9、9:19.5、19.5:9、9:20、20:9、9:21、21:9、auto をカバーする列挙です。n は単一の値のみを受け付け、最小値は 1、最大値は 1 であるため、リクエストごとに 1 枚の画像です。input_references は 0 から 14 の範囲で、seed は boolean です。

コミットする前に知っておく価値があります。n は 1 に固定されており、より大きな数に上げることはできないため、必要な画像ごとに個別のリクエストを発行します。モデルは画像のみを出力するため、分類や要約などテキスト出力を必要とするタスクには別のモデルが必要です。どちらの resolution オプションも最大 2K であるため、モデル自体からより大きなレンダリングが必要な場合には制約となる可能性があります。長いコンテキストの推論はこのモデルが行うことではありません。ワークロードが主にテキストである場合、または 1 回の呼び出しで複数の画像を返す必要がある場合、api14 上の別のモデルの方が適している可能性があります。