Seedream 5.5、ByteDance自身のスコアボードでテキスト処理においてGPT Image 2.5 Sunburstを上回る

テキスト描画の状況を物語る2つの数字がSeedream 5.5にはあり、どちらも通常の意味でのベンチマークスコアではありません。ByteDanceによると、中国語と英語の両方で、密集した小さい文字を含めて、深刻なテキスト破損は0.4%、軽微な破損は1.7%に達するとのことです。さらに、同社自身の評価ではSeedream 5.5がGPT Image 2.5 SunburstとNano Banana 2.1の両方を、テキストから画像への変換と画像から画像への変換におけるテキスト構造で上回るとしています。それは、商用の画像制作で最も頻繁に破綻する部分についての、具体的で反証可能な主張です。また、2026年11月10日時点、つまりモデル発表の翌日時点では、ByteDance以外の誰によっても完全に検証されていません。しかも、名指しされた2つのモデルは、それに関する行がまったくない独立系リーダーボードの上位に位置しています。

0.4%が実際に測定しているもの

テキスト破損率は、定義について生産的に議論できる珍しい画像指標だ。レンダリングされた見出しは、判読できるかできないかのどちらかである。ブランド名の1文字の誤りは再撮影案件であり、価格の文字の入れ替わりは再撮影よりも悪い。だからベンダーが「重大0.4%、軽微1.7%」と公表したとき、興味深い問いは、どの文字セットをどのサイズでテストしたのか、そして誰が「軽微」と判定したのかである。

ByteDanceの発表は最初の2つに答えている。中国語と英語、密集した小さな文字も含まれ、独自のMagicArena設定で6つのユースケースにわたって評価されている。3つ目については公には答えておらず、GPT Image 2.5 SunburstやNano Banana 2.1との比較を外部者が再計算できるようなモデル別の内訳も公開していない。それは珍しいことではない——採点基準を公開する人はほとんどいない——が、つまりその数字はモデルについてと同じくらい、ByteDanceのプロセスについての主張でもあるということだ。

それでもこの主張を真剣に受け止める価値があるのは、その範囲が限定的だからだ。「より良いテキスト構造」は「より良い画像」よりもはるかに小さな約束であり、限定的な約束こそベンダーがたいていきちんと果たすものだ。なぜなら、それは自社の顧客が不満を抱いているまさにその点だからである。商業的な論理はわかりやすい。ByteDanceの消費者向け接点——Doubao、Doubao Work、Dreamina、BytePlus AI Playground、Dola——はポスター、商品カード、ソーシャルアセットで溢れており、その一つひとつがテキストレンダリングのテストなのだ。

それが名指しする競合他社は取締役会に名を連ねている。それ自身は名を連ねていない。

比較の気まずいところはここです。Artificial Analysisの画像編集リーダーボード（バージョン2.1）では、GPT Image 2.5 SunburstがElo 1,199で3位、Nano Banana 2.1が1,152で7位に位置し、いずれも信頼区間は約±12ポイントです。テキストから画像生成のボードでは、GPT Image 2.5 Sunburstは1,227で3位です。これらは、ベンダーが一切関与せず、数千票を背景としたブラインドの人間選好測定です。

Seedream 5.5にはそうしたものが一切ない。どちらのリーダーボードにも、このモデルの行はない。独立した基準点に最も近いのは前身モデルだ。Seedream 5.0 Proは編集で1,129 Elo（11位）、テキストからの画像生成で1,101（18位）だった。つまりByteDanceが促している比較——新モデル対テキスト分野で最強の2モデル——は、ベンダー内部のアリーナ結果と、独立にサンプリングされた2つのEloスコアとの比較である。これらは同じ種類の測定ではなく、その違いを明言せずに一文にまとめることこそ、ベンダーの数字が民間伝承化する道だ。

そのギャップは埋まるかもしれないし、埋まらないかもしれない。Artificial Analysis は通常、モデルが API でアクセス可能になってから数日から数週間以内に行を追加する。また Seedream 5.5 の開発者向け API は、Volcano Ark で「今週」公開されると今も説明されており、今日時点で ModelArk のドキュメントに公開モデル識別子はない。行が現れるまでは、本文の主張を正直に読めば、もっともらしく、具体的で、未検証だ。

テキストレンダリングが商業的に重要な主張である理由

画像モデルの比較のほとんどは好みの問題であり、好みは購入判断の根拠としては不適切だ。テキストは事情が異なる。中国語の映画タイトルを簡体字ではなく繁体字で描画するモデルは、スタイルに問題があるモデルではない。ローカライゼーションのパイプラインでは使えないモデルである。そのような失敗モードは競合モデルの独立したテストで繰り返し記録されており、画像が良く見えてもデザインチームがモデルを本番導入しない最も一般的な理由はこれ一つである。

ByteDanceの数値がたとえ大まかにでも当てはまるなら——つまり、破損率が1%未満ではなく低い一桁台だとしても——Seedream 5.5は、あらゆる画像モデルにとって扱いにくかったある種の作業で実用可能になる。すなわち、文字が崩れずに残らなければならないポスターやパッケージのモックアップ、価格とSKUの両方が正確でなければならないEコマースカード、そして1つのモデルが1つのフレーム内で2つの文字体系を扱わなければならないあらゆるバイリンガル素材だ。

それが成り立たなくても、このモデルにはまだ売り込める点が2つあり、どちらも本シリーズの別の回で取り上げている。ネイティブのアルファチャンネルと、ByteDanceが100回繰り返してもドリフトせずに維持できると主張する編集ループだ。主眼はテキストにあり、それらは機能である。

{{1}}耐久性に関する主張{{/1}}は、今日の午後に検証できるものだ。

このローンチには有益な非対称性がある。テキストの数値には、評価ハーネス、文字レベルの差分、採点ルールが必要だ。耐久性の主張にはそのどれも要らない。ByteDanceは、編集していない領域はピクセル単位で保持され、同じ画像が100回の編集に耐えると述べている。Dreaminaを開き、商品写真を1枚用意して、自分が一度も触っていない領域を眺めながらその写真に20回の編集を加えられる。被写体の背後の影が20回目でも同じ影であるか、そうでないかのどちらかだ。

公表されているどのパーセンテージを信じる前に、それはやっておく価値がある。なぜなら、その二つの主張は実際には独立ではないからだ。長いセッションを通じて画像のまとまりを保てるモデルは、そのテキストも周囲の編集に耐えられるモデルでもある——文字が毎ターンゼロから再レンダリングされることはない。ドリフトするモデルは、いずれ文字にもドリフトが及ぶものであり、単一パスの破損率ではそのことを教えてくれない。

モデルがスコア付けされていない場合、ルーティング層が役立つのはどのような場面か

スコア未評価のモデルは、エンジニアリングの問題である前に調達の問題です。まだ存在しないモデル識別子を持つエンドポイントを中心にパイプラインを書き換えることなく、実際のブリーフでSeedream 5.5を試したいはずです。そして、そのテキストの数値がベンダーアリーナの産物にすぎないと判明した場合には、手を引ける選択肢も欲しいはずです。

まさにそれがOrcaRouterの想定するケースですが、正直な注意点が1つあります。当社はByteDanceの画像モデルを一切扱っていないため、このローンチを初日から当社経由で呼び出せるわけではありません。単一のエンドポイントがもたらすのは比較です。OrcaRouterはプロバイダーの定価を200以上のテキスト・画像モデルにわたり0%のマークアップでそのまま通しているため、Seedream 5.5の比較対象としてベンチマークするモデル——GPT Image 2.5 Sunburst、Nano Banana 2.1、Imagen 4.0——の請求額はベンダーの請求額とまったく同じになり、ベンダーの価格変更は更新時ではなく当日に当社側で反映されます。Volcano Arkの料金表が実際に登場したとき、比較に使う数字は再販業者のものではなくベンダー自身のものです。

フェイルオーバーが重要になる理由は別にあります。できたばかりのエンドポイントは、最初の1週間が最も信頼性の低い時期です。レート制限は事前告知がなく、レイテンシは予測できず、拒否は文書化されていません。トラフィックの一定割合を、自動フォールバック付きで、すでに評価済みのモデルへルーティングすることが、ローンチ週のAPIに本番経路を賭けずに証拠を得る方法です。

この評決を変えるには何が必要でしょうか

答えをどれだけ動かすかの順に、三つ。

まず、編集ボードの1行だ。Seedream 5.5は編集優先のモデルであり、100ラウンドという主張は編集ループに関するものだ。したがって、編集ボードは最も強く出るべき場所であり、GPT Image 2.5 Sunburstの1,199との差が最も情報価値を持つ場所でもある。前身の1,129近くに着地しつつループを維持できれば、手頃な価格のワークフローツールになる。1,180を超えて着地すれば、テキストに関する主張ははるかに信じやすくなり、既存製品の価格設定が話題の中心になる。

第二に、その破損率を再現する人が出てくることだ。両方の文字体系における数百件のプロンプトを文字レベルで差分比較するのは、評価ハーネスを持つ人なら誰でも週末でできる作業であり、それを最初に公表した人が、このローンチが前提としていた問いに決着をつけるだろう。

第三に、ByteDanceが5.5シリーズに続いて登場すると述べているPro版です。現行モデルを基準に購入判断を行う際は、より高価で高性能な兄弟モデルがその上位に登場することを想定すべきです。これは通常のパターンであり、モデル識別子をコードではなく設定に保持しておくべき理由でもあります。

それらのどれかが実現するまでは、公平な要約はこうだ。ByteDanceは今月、画像市場で最も具体的なテキスト上の主張を行い、それを今日のコンシューマーアプリで稼働中のモデルに結びつけ、検証は他の全員に委ねた。それは批判というより、2026年に画像ローンチがどう進むかの説明である。その主張は検証可能だからこそ追跡する価値があり、検証は議論より安く済む。