Lance is ByteDance's 2025 native unified multimodal model — 3B active parameters under Apache 2.0. One set of weights covers four tasks: text→image (768×768), image-edit (768×768), text→video (480p, up to 121 frames ≈ 5 seconds), and image+video understanding (VQA, captioning). Built on a Qwen2-derived LLM backbone with a Wan-Video VAE and a Qwen2.5-VL ViT. Self-hosted on Free.ai's H200 with no upstream provider, no API markup, and no per-call fees beyond your token balance.

Οι περισσότερες ανοιχτές στοίβες διαλέγουν τον καλύτερο ειδικό για κάθε επιφάνεια SDXL ή FLUX για την παραγωγή πρώτης εικόνας, Qwen-Image-Edit για επεξεργασία, Wan 2.2 για βίντεο, Qwen.5-VL για τη λογοτεχνία της γλώσσας της όρασης. Lance εμπόριο ένα κομμάτι της ποιότητας ανά δοκιμή για τη συνοχή cross-task: η ίδια εσωτερική αναπαράσταση τροφοδοτεί κάθε έξοδο, έτσι μια εικόνα που παράγει και στη συνέχεια επεξεργαστεί διατηρεί το ύφος της, και το VQA το μοντέλο δίνει για ένα βίντεο ταιριάζει με το γλωσσικό μοντέλο στο ίδιο σημείο ελέγχου.

Επιλέξτε Lance όταν: θέλετε συνεπή στυλ σε όλη την εικόνα + επεξεργασία + βίντεο από ένα μοντέλο, είστε πρωτοτυπώντας έναν αγωγό πολλαπλών-task και το "ένα μοντέλο" θέματα γωνίας, ή χρειάζεστε ανεκτική άδεια για την ενοποιημένη ροή εργασίας. Επιλέξτε ειδικούς όταν: θέλετε υψηλότερης ποιότητας ακατέργαστο είδος εικόνας (FLUX.2 Klein > Lance σε >7682), μακρύτερο / υψηλότερης ποιότητας βίντεο (Wan 2.2 TI2V-5B ή HunyuanVideo > Lance σε >480p), ή ταχύτερα VQA σε συνομιλία (Qwen.5-VL είναι πάντα ζεστό στο H200, Lance έχει να κρύο-φορτώσει).

Text→image and image-edit: 5.000 μάρκες (matches FLUX-class image gen). Text→video: 15.000 μάρκες (matches CogVideoX / Wan 5B class). Image+video VQA: 1.000 μάρκες. Το υψηλότερο κόστος έναντι SDXL (1.000) αντανακλά το βαρύτερο κρύο φορτίο του Lance.

Μετά από κρύο-φορτίο (~25-40 s): εικόνα gen ~12-20 s, επεξεργασία εικόνας ~15-25 s, κείμενο→video ~60-180 s (ανάλογα με τους αριθμούς_frames), VQA ~3-8 s. Κάθε Lance καλεί κρύο-φορτώνει το μοντέλο επειδή δεν μπορεί να συγκατοικήσει με το υπόλοιπο του θερμού στόλου στο H200, έτσι η καθυστέρηση κρύο-φορτίου είναι μέρος κάθε κλήσης, όχι μόνο το πρώτο.

Η παραγωγή εικόνας και η επεξεργασία εικόνας είναι σταθερές σε 768×768. Η παραγωγή βίντεο είναι σταθερή σε 480p (συνήθως 480×848 τοπίο) και περιθωριοποιείται σε 121 πλαίσια (~5 δευτερόλεπτα σε 24 fps).

Janus (DeepSeek) και Show-o διχασμένη κατανόηση και γενιά σε ξεχωριστές κεφαλές σε μια κοινή ραχοκοκαλιά; Lance είναι πιο σφιχτά ενοποιημένη ~ ένα σύνολο της γενιάς+κατανόηση κεφάλια με σαφείς μάρκες εργασίας. Emu3 (BAAI) σημαδεύει τα πάντα ως διακριτές μάρκες συμπεριλαμβανομένων των pixels, η οποία δίνει καθαρότερη αυτόματη γενιά αλλά χαμηλότερη ποιότητα σε σταθερό compute. Lance apos pitch is the four-task cover in 3B active params plus its Wan-παράγωγη VAE which handels video intratively (Janus and Show-o are image- only).

Apache 2.0 __τόσο τα βάρη (αγκάλιασμαface.co/bytedance-έρευνα/Lance) όσο και το GitHub repo (github.com/bytedance/Lance). Δεν εδαφικούς περιορισμούς, δεν MAU cap, κανένας μη εμπορικός αναβάτης, καμία ρήτρα μόνο έρευνας. Οι έξοδοι είναι δική σας για να χρησιμοποιήσετε εμπορικά χωρίς δικαιώματα ή απαιτήσεις απόδοσης πέρα από το πρότυπο Απάτσι 2.0 κείμενο άδειας.

40 GB minimum per ByteDance's README. Τα 3B ενεργά params είναι απατηλά Qwen LLM + Wan VAE + Qwen.5-VL VIT όλα κάθονται στη μνήμη μαζί. Για να αυτο-φιλοξενήσει θα χρειαστείτε ένα ενιαίο A100 80 GB, A6000 48 GB, ή ένα H100/H200 με τουλάχιστον 40 GB δωρεάν.

Yes — POST JSON or multipart to /v1/multimodal/lance/ on api.free.ai with {task: "t2i" | "image_edit" | "t2v" | "vqa", prompt: "...", image: <upload> or image_url: "/static/outputs/..."}. Bearer auth via developer API keys. Response includes job_id, output URL, and share_token. /api/ has curl examples per task.

Μπορούμε να προσθέσουμε ένα "θερμό Lance" βαθμίδα αργότερα, αν η χρήση δικαιολογεί τον προσδιορισμό μιας υποδοχή, ή μπορούμε να προσθέσουμε ένα δεύτερο H200 ειδικά για ενιαία μοντέλα. Για τώρα είναι διαθέσιμο στην ίδια οικονομία με το υπόλοιπο των Free.ai αυτο-φιλοξενούμενων μοντέλων χωρίς επιπλέον χρέωση, μόνο το υψηλότερο ανά κλήση συμβολικό κόστος που αντανακλά το χρόνο GPU τοίχου-ημερών.

Μεταφορτωμένες εικόνες για την επεξεργασία εικόνων και VQA διαγράφονται αμέσως μετά την ολοκλήρωση της εργασίας. Γεννημένες εξόδους κάθονται στο CDN μας για 24 ώρες (7 ημέρες για τους πληρωμένους χρήστες) ώστε να μπορείτε να ξαναφορτώσετε από /λογαριασμό/?tab=ιστορία. Τίποτα δεν μοιράζεται με το ByteDance. Τα βάρη τρέχουν τοπικά στο υλικό μας. Πλήρεις λεπτομέρειες στο /privacy/.