Seedream 5.5 Mengalahkan GPT Image 2.5 Sunburst dalam Hal Teks — di Papan Skor ByteDance Sendiri

Dua angka membawa cerita rendering teks dalam Seedream 5.5, dan tidak satu pun dari keduanya merupakan skor benchmark dalam pengertian biasa. ByteDance menyatakan bahwa kerusakan teks parah mencapai 0,4% dan kerusakan ringan 1,7% dalam bahasa Mandarin dan Inggris, termasuk huruf kecil yang padat, dan bahwa evaluasi mereka sendiri menempatkan Seedream 5.5 di depan baik GPT Image 2.5 Sunburst maupun Nano Banana 2.1 pada struktur teks dalam text-to-image dan image-to-image. Itu adalah klaim yang spesifik dan dapat difalsifikasi tentang hal yang paling sering rusak dalam pekerjaan gambar komersial. Hal itu juga, per 10 November 2026, sehari setelah model tersebut diumumkan, sepenuhnya belum diverifikasi oleh siapa pun di luar ByteDance — dan dua model yang disebutkannya berada di puncak papan peringkat independen yang sama sekali tidak memiliki baris untuknya.

Apa yang sebenarnya diukur oleh 0.4% itu

Tingkat kerusakan teks adalah metrik gambar langka yang definisinya dapat diperdebatkan secara produktif. Judul yang dirender entah terbaca atau tidak. Kesalahan satu karakter pada nama merek berarti pengambilan ulang; karakter yang tertukar pada harga lebih buruk daripada pengambilan ulang. Jadi, ketika vendor memublikasikan "severe 0,4%, minor 1,7%", pertanyaan yang menarik adalah set karakter mana yang diuji, pada ukuran berapa, dan siapa yang menilai "minor".

Pengumuman ByteDance menjawab dua hal pertama: bahasa Mandarin dan Inggris, termasuk teks kecil yang padat, dievaluasi pada enam kasus penggunaan dalam setup MagicArena miliknya sendiri. Namun, pengumuman itu tidak menjawab hal ketiga secara publik, dan tidak mempublikasikan rincian per model yang memungkinkan pihak luar menghitung ulang perbandingan terhadap GPT Image 2.5 Sunburst atau Nano Banana 2.1. Hal itu bukanlah sesuatu yang luar biasa — hampir tidak ada yang mempublikasikan rubrik penilaian — tetapi itu berarti angka tersebut merupakan klaim tentang proses ByteDance sama besarnya dengan klaim tentang model itu sendiri.

Yang membuat klaim ini tetap layak dipertimbangkan adalah sifatnya yang sempit. "Struktur teks yang lebih baik" adalah janji yang jauh lebih kecil daripada "gambar yang lebih baik", dan janji yang sempit adalah janji yang biasanya berhasil ditepati vendor, karena hal itulah yang dikeluhkan pelanggan mereka sendiri. Logika komersialnya mudah diikuti: platform konsumen ByteDance — Doubao, Doubao Work, Dreamina, BytePlus AI Playground, Dola — penuh dengan poster, kartu produk, dan aset sosial, dan setiap satu di antaranya adalah pengujian rendering teks.

Para pesaing yang disebutkannya ada di papan. Ia tidak.

Inilah bagian yang janggal dari perbandingan tersebut. Di papan peringkat penyuntingan gambar Artificial Analysis, versi 2.1, GPT Image 2.5 Sunburst berada di posisi ketiga dengan 1.199 Elo dan Nano Banana 2.1 di posisi ketujuh dengan 1.152, keduanya dengan interval kepercayaan sekitar ±12 poin. Di papan peringkat teks-ke-gambar, GPT Image 2.5 Sunburst berada di posisi ketiga dengan 1.227. Itu adalah pengukuran preferensi manusia secara buta dengan ribuan suara di belakangnya dan tanpa keterlibatan vendor.

Seedream 5.5 tidak memiliki semua itu. Tidak ada papan peringkat yang memuat baris untuknya. Hal terdekat dengan jangkar independen adalah pendahulunya: Seedream 5.0 Pro dengan 1.129 Elo pada penyuntingan (kesebelas) dan 1.101 pada teks-ke-gambar (kedelapan belas). Jadi perbandingan yang ditawarkan ByteDance — model baru versus dua model terkuat untuk teks — adalah perbandingan antara hasil arena internal vendor dan dua skor Elo yang diambil sampel secara independen. Keduanya bukan jenis pengukuran yang sama, dan menempatkannya dalam satu kalimat tanpa menyebutkan hal itu adalah cara angka-angka vendor menjadi mitos.

Celah itu akan tertutup atau tidak. Artificial Analysis biasanya menambahkan baris dalam hitungan hari hingga minggu setelah sebuah model dapat diakses melalui API, dan API pengembang Seedream 5.5 masih digambarkan akan dibuka “minggu ini” di Volcano Ark, tanpa pengenal model publik dalam dokumentasi ModelArk hingga saat ini. Sampai sebuah baris muncul, pembacaan jujur atas klaim dalam teks tersebut adalah: masuk akal, spesifik, dan belum teruji.

Mengapa rendering teks adalah klaim yang penting secara komersial

Sebagian besar perbandingan model gambar adalah soal selera, dan selera adalah dasar yang buruk untuk keputusan pembelian. Teks berbeda. Model yang merender judul film Tiongkok dalam karakter Tradisional alih-alih Sederhana bukanlah model dengan masalah gaya; itu adalah model yang tidak dapat digunakan dalam pipeline lokalisasi. Mode kegagalan itu telah didokumentasikan berulang kali dalam pengujian independen terhadap model pesaing, dan itu adalah alasan paling umum sebuah tim desain menjaga model tetap di luar produksi bahkan ketika gambarnya terlihat bagus.

Jika angka ByteDance bertahan bahkan secara longgar — katakanlah, tingkat korupsi berada di kisaran satu digit rendah, bukan di bawah satu persen — Seedream 5.5 menjadi layak untuk kategori pekerjaan yang selama ini merepotkan bagi setiap model gambar: mockup poster dan kemasan yang tipografinya harus tetap utuh, kartu e-commerce yang harga dan SKU-nya harus sama-sama benar, serta aset bilingual apa pun yang mengharuskan satu model menangani dua aksara dalam satu frame.

Jika klaim itu tidak terbukti, model ini masih punya dua hal lain untuk dijual, dan keduanya dibahas di bagian lain dalam seri ini: saluran alpha native, dan loop pengeditan yang diklaim ByteDance mampu bertahan hingga seratus putaran tanpa mengalami drift. Teks adalah headline-nya; itu semua adalah fiturnya.

Klaim soal daya tahan adalah yang bisa Anda uji sore ini.

Ada asimetri yang berguna dalam peluncuran ini. Angka-angka dalam teks memerlukan harness evaluasi, diff tingkat karakter, dan aturan penilaian. Klaim ketahanan tidak memerlukan semua itu. ByteDance mengatakan area yang tidak diedit dipertahankan hingga tingkat piksel dan gambar yang sama tetap bertahan setelah 100 putaran pengeditan. Anda dapat membuka Dreamina, mengambil satu foto produk, dan melakukan dua puluh pengeditan padanya sambil mengamati area yang tidak pernah Anda sentuh. Bayangan di belakang subjek itu tetap bayangan yang sama pada putaran kedua puluh atau tidak.

Hal itu layak dilakukan sebelum Anda mempercayai persentase yang dipublikasikan, karena kedua klaim tersebut tidak independen dalam praktik. Model yang menjaga gambar tetap utuh sepanjang sesi panjang adalah model yang teksnya juga bertahan saat diedit — tipografinya tidak dirender ulang dari awal pada setiap giliran. Model yang melenceng pada akhirnya akan melenceng pada huruf-hurufnya, dan tidak ada tingkat korupsi sekali lintas yang akan memberi tahu Anda hal itu.

Di mana lapisan routing membantu ketika model tidak memiliki skor

Model yang belum memiliki skor adalah masalah pengadaan sebelum menjadi masalah rekayasa. Anda ingin mencoba Seedream 5.5 pada brief nyata tanpa harus menulis ulang pipeline di sekitar endpoint yang pengenal modelnya belum ada, dan Anda ingin punya opsi untuk mundur jika angka-angka dalam teks itu ternyata hanyalah artefak arena vendor.

Itulah kasus yang menjadi alasan OrcaRouter dibuat, dengan satu catatan jujur: kami tidak membawa model gambar ByteDance apa pun, jadi peluncuran ini bukan sesuatu yang bisa Anda panggil melalui kami sejak hari pertama. Yang Anda dapatkan dari satu endpoint adalah perbandingannya. OrcaRouter meneruskan harga daftar penyedia dengan markup 0% untuk lebih dari 200 model teks dan gambar, yang berarti model yang Anda jadikan pembanding untuk Seedream 5.5 — GPT Image 2.5 Sunburst, Nano Banana 2.1, Imagen 4.0 — ditagihkan di invoice Anda tepat sebesar yang dikenakan vendornya, dan perubahan harga vendor langsung berlaku di sisi kami pada hari yang sama, bukan saat perpanjangan. Saat daftar tarif Volcano Ark akhirnya terbit, angka yang Anda pakai sebagai pembanding adalah angka milik vendor itu sendiri, bukan milik reseller.

Failover penting karena alasan yang berbeda. Endpoint yang benar-benar baru pada minggu pertamanya adalah versi paling tidak andal yang akan pernah ada: batas laju tidak diumumkan, latensi tidak dapat diprediksi, penolakan tidak terdokumentasi. Mengarahkan persentase lalu lintas tertentu ke endpoint itu dengan fallback otomatis ke model yang sudah Anda nilai adalah cara memperoleh bukti tanpa mempertaruhkan jalur produksi pada API minggu peluncuran.

Apa yang akan mengubah putusan ini

Tiga hal, diurutkan berdasarkan seberapa besar pengaruhnya terhadap jawaban.

Pertama, satu baris di papan penyuntingan. Seedream 5.5 adalah model yang mengutamakan penyuntingan — klaim seratus putaran berkaitan dengan loop penyuntingan — jadi papan penyuntingan adalah tempat model ini seharusnya tampil paling kuat, dan tempat celah terhadap 1,199 milik GPT Image 2.5 Sunburst akan paling informatif. Jika hasilnya mendekati 1,129 milik pendahulunya sambil mempertahankan loop, ini adalah alat alur kerja dengan harga yang bagus. Jika hasilnya di atas 1,180, klaim teksnya menjadi jauh lebih mudah dipercaya dan harga para pemain mapan menjadi ceritanya.

Kedua, seseorang yang mereproduksi tingkat korupsi. Diff tingkat karakter atas beberapa ratus prompt dalam kedua skrip adalah pekerjaan akhir pekan bagi siapa pun yang memiliki harness eval, dan orang pertama yang memublikasikan salah satunya akan menuntaskan pertanyaan yang menjadi landasan peluncuran.

Ketiga, varian {{1}}Pro{{/1}} yang menurut ByteDance akan menyusul seri {{2}}5.5{{/2}}. Keputusan pembelian yang dibuat berdasarkan model saat ini harus mengasumsikan bahwa varian saudara yang lebih mahal dan lebih mumpuni akan hadir di atasnya, yang merupakan pola normal dan alasan untuk menyimpan pengenal model dalam konfigurasi, bukan dalam kode.

Sampai salah satu dari itu terwujud, ringkasan yang adil adalah bahwa ByteDance telah membuat klaim teks paling spesifik di pasar gambar bulan ini, mengaitkannya dengan model yang sudah aktif di aplikasi konsumennya hari ini, dan menyerahkan verifikasinya kepada pihak lain. Itu bukanlah kritik melainkan deskripsi tentang bagaimana peluncuran gambar bekerja pada 2026. Klaim itu layak dilacak justru karena dapat diperiksa — dan pemeriksaannya lebih murah daripada perdebatannya.