Seedream 5.5 утверждает, что переживёт 100 правок. Вот что на самом деле накапливается

Компания ByteDance анонсировала Seedream 5.5 9 ноября 2026 года, и главное заявление здесь вовсе не о вкусе. Оно в том, что модель способна редактировать одно изображение сто раз подряд, не теряя мельчайших деталей, а всё, чего вы не касались, остаётся неизменным на уровне пикселей. Это обещание иного рода, чем те, с которыми продавали GPT Image 2.5 Sunburst и Nano Banana 2.1. Вкус — это предмет спора. Дрейф — это измерение, и он либо есть, либо нет. Так что полезный вопрос не в том, хорош ли Seedream 5.5, а в том, что именно ломается в цепочке правок, какие из этих сбоев покрывает данное заявление и как убедиться в этом самому, прежде чем строить на нём пайплайн.

Начнём с учёта. Цепочка редактирования — это не один инференс, а сотня наложенных друг на друга, и каждый шаг перекодирует весь кадр. Ошибки не остаются локальными. Они накапливаются.

Пять книг учёта, а не одна

Когда практики говорят, что изображение «рассыпается» после длительной сессии, они обычно описывают один из пяти различных режимов отказа. Именно потому, что их смешивают в одно, спор о выносливости никогда не разрешается.

• Цвет. Дрейф баланса белого и насыщенности. Каждый раунд слегка сдвигает гистограмму в направлении, которое подразумевала правка; к сороковому раунду у нейтральной серой карты появляется оттенок, которого никто не просил. Это легко измерить и проще всего не заметить на глаз.

• Геометрия. Прямые линии изгибаются, окружности слегка становятся овальными, силуэт изделия приобретает лишний миллиметр «плеча» с одной стороны. Это незаметно при покадровом сравнении и очевидно, когда накладываешь первый цикл на шестидесятый.

• Текстура. Кожа, ткань, шлифованный металл и мелкий шрифт первыми теряют высокочастотные детали. Последовательные повторные рендеры сглаживают то, чего не понимают, а «чище» — не то же самое, что «правильнее».

• Типографика. Надписи — это канарейка. Одна неверная буква в названии бренда — и нужна пересъёмка, и именно эту проблему напрямую отражают собственные цифры ByteDance — в объявлении указано, что серьёзные искажения текста составляют 0,4%, а незначительные — 1,7% для китайского и английского, включая плотный мелкий шрифт, по результатам шести сценариев использования в настройке MagicArena от ByteDance. Это цифры, заявленные производителем, и никто за пределами ByteDance их не воспроизвёл.

• Семантика. Та, которую никто не бенчмаркает. Раунд за раундом «сделай тень помягче» — и объект тихо превращается в другой объект, или композиция перестраивается сама, чтобы удовлетворить инструкцию, которую никто не давал.

Утверждение о ста раундах при узком прочтении обещает только первые четыре. Не сказано, распространяется ли оно на пятый, а именно пятый и губит клиентскую поставку.

«Пиксельный уровень» делает больше, чем кажется на первый взгляд.

Формулировка, которую ByteDance использует для нетронутых областей, состоит в том, что неотредактированные области сохраняются на уровне пикселей. Это стоит разобрать, потому что это может означать три совершенно разные вещи, и только одна из них является сильным утверждением.

Бит-точный означает, что маскированная область побайтово идентична входу, что достижимо только если модель композитит исходные пиксели обратно через маску, а не перерисовывает их. Перцептивно идентичный означает, что область является новым рендером, который человек или порог SSIM не могут отличить от оригинала. Сохраняющий содержимое означает, что объекты в области сохранились, но их пиксели — нет.

Нативный вывод RGBA, упомянутый в том же анонсе, указывает скорее на второй и третий варианты, чем на первый: нельзя скомпоновать альфа-канал, который вы не сгенерировали. Это значимая возможность — работа с прозрачным фоном действительно неудобна для любой модели этого класса — но это не та же гарантия, что побитовая точность, и команда, которая воспримет «пиксельный уровень» как «криптографически неизменённый», будет удивлена контрольной суммой.

Ничто из этого не является обвинением. Это стандартная неоднозначность любого заявления модели редактирования, и практическое следствие просто: единственный способ узнать, какую версию вы получаете, — хешировать область, которую вы никогда не трогали, раунд за раундом, и наблюдать.

Раунд 100 — самое неинтересное число в заявлении.

Сто выстрелов — хороший заголовок, потому что звучит как спорт на выносливость. Но это плохая характеристика: покупателю нужно знать, где проявится первое видимое изменение и ускоряется ли повреждение.

Модель, которая остаётся чистой вплоть до восьмидесятого раунда и заметно деградирует к девяносто пятому, — это совсем другая покупка, чем модель, которая понемногу уплывает с каждым раундом и к двадцатому превращается в кашу. Вторая непригодна для длинных цепочек, хотя технически их выдерживает. Первая подходит почти для любого реального рабочего процесса, потому что почти ни один реальный процесс не выполняет сто генеративных шагов над одним активом — те, что выполняют, — это каталоги и ключевой визуал кампаний, где одно и то же главное изображение подгоняется под сорок форматов.

Ценообразование делает арифметику наглядной, с оговоркой, что тариф неофициальный. Потребительская цена ByteDance за редактирование в 2K указывается на уровне около ¥0,28, примерно US$0,039, то есть цепочка из ста раундов обойдётся примерно в ¥28, или менее US$4 инференса на один готовый ассет. При указанной поставщиком цене $90 за тысячу изображений, которая сейчас показана для Seedream 5.0 Pro на независимой доске редактирования, сто отдельных изображений стоили бы девять долларов. Цепочки дешёвы. Переделка — нет, а восьмидесятый раунд с дрейфом — это переделка.

Вторая оговорка накладывается на первую: цифра ¥0,28 не фигурирует в документации для разработчиков. В справочнике ModelArk сервиса Volcano Ark перечислены doubao-seedream-5-0-pro, 5-0-flash, 5-0-lite, 4-5 и 4-0 — и по состоянию на 10 ноября идентификатора модели 5.5 там нет вовсе. ByteDance утверждает, что серия 5.5 откроется на Volcano Ark «на этой неделе» и что затем появится вариант Pro. Пока идентификатора модели не существует, эта цена остаётся лишь точкой данных из потребительского приложения — и не более того.

Каждая таблица лидеров на этом рынке измеряет не то.

Вот структурная проблема с решением вопроса о выносливости путём анализа оценок. Слепые арены предпочтений — причём таблицы Artificial Analysis имеют за собой больше всего голосов — показывают голосующему два изображения и спрашивают, какое лучше. Это измерение в рамках одного хода. Оно не может увидеть накопительный эффект, потому что второго хода нет.

Итак, заявка на выносливость никак не соотносится ни с одной цифрой, которая есть на рынке. У Seedream 5.5 нет строки ни в таблице редактирования, ни в таблице текст-в-изображение; ближайшие ориентиры — в её собственной линейке: Seedream 5.0 Pro с 1 129 в редактировании и 1 101 в текст-в-изображение, а Seedream 5.0 Lite с 1 061 и Seedream 4.5 с 1 040 находятся ещё ниже. Модели, с которыми её сравнивают в анонсе, стоят заметно выше: GPT Image 2.5 Sunburst с 1 199 и Nano Banana 2.1 с 1 152 в редактировании.

Истолковывать этот разрыв как приговор было бы ошибкой, и считать его несущественным — тоже. Он говорит о том, что отличительная черта Seedream 5.5 намеренно помещена туда, где механизм оценки бессилен. У поставщика, который рассчитывал проиграть по одноходовому предпочтению, есть все стимулы соревноваться в характеристике, проверка которой занимает полдня и которую ещё никто не проверял.

Тест, если быть точным

Сделайте одну фотографию с фиксированной, нередактируемой областью — логотипом на бутылке, стеной за объектом, серийным номером. Вычислите хеш этой области на нулевом раунде. Затем выполните двадцать правок, затрагивающих другую сторону кадра, и после каждой снова вычисляйте хеш. Зафиксируйте номер раунда первого хеша, который изменился, и первый раунд, в котором человек сможет увидеть разницу. Два числа, двадцать вызовов API — и утверждение о долговечности становится фактом о вашем активе, а не заявлением о чьём-то чужом наборе тестов.

Как маршрутизация вписывается в подобное утверждение

Утверждение о выносливости на самом деле — это утверждение о пайплайнах, а пайплайны — это место, где эндпоинт одного поставщика перестаёт быть единственным решением. В рабочем процессе для каталога может использоваться Seedream 5.5 для цикла редактирования, другая модель для апскейла и третья для фоновой пластины, которой нужен альфа-канал, — и только одна из этих трёх является моделью, которую клиент запросил по имени.

OrcaRouter — это слой, который мы создали для такого класса задач, и честная версия нашего предложения содержит ограничение: мы не предлагаем Seedream 5.5 или какую-либо модель изображений ByteDance, поэтому именно этот запуск сегодня нельзя вызвать через нас. Но единая точка доступа даёт вам всё, что вокруг неё. Более 200 текстовых моделей и моделей изображений доступны через один API-ключ с наценкой 0%, поэтому каждая конкурирующая модель, с которой вы сравниваете цикл редактирования, тарифицируется ровно по прейскуранту своего поставщика, а изменение цены поставщиком отражается в вашем счёте в тот же день, а не при продлении. Автоматическое переключение при сбое поддерживает работу длинной цепочки, когда одна конечная точка упирается в лимит посреди выполнения, — это разница между сессией на сто раундов, которая завершается, и той, что обрывается на шестьдесят четвёртом. DSL маршрутизации позволяет выразить этот резервный вариант как правило, а не как набор повторных попыток, а объединение моделей позволяет одному вызову комбинировать результаты нескольких моделей, когда вам нужно второе мнение о кадре, который выглядит слегка неправильно.

Это полезное разделение труда. Пусть кто-нибудь другой абстрактно спорит о сотом раунде. Направляй эти сто раундов, логируй их и держи аварийный выход открытым.

Что помогло бы это уладить, в порядке полезности

Во-первых, любой, кто воспроизведёт хеш-тест от раунда к раунду на публичном активе и опубликует журнал. Это работа на выходные, не требующая стенда для оценки, и она сразу сделала бы этот журнал самым цитируемым артефактом на рынке редактирования изображений — потому что он был бы единственным лонгитюдным.

Во-вторых, идентификатор модели в ModelArk. Всё в утверждении о выносливости становится проверяемым с того момента, когда SKU 5.5 можно будет вызвать по имени, включая цену и лимиты запросов. До тех пор утверждение ограничено собственными потребительскими интерфейсами ByteDance — Doubao, Dreamina, BytePlus playground — где средства контроля тоже принадлежат ByteDance.

В-третьих, слепые тесты предпочтений проводятся на выходе длинной цепочки, а не на отдельных ходах. Если ассет, полученный за пятьдесят раундов от Seedream 5.5, превосходит ассет, полученный за пятьдесят раундов от модели с 1 199 Elo, именно этот результат стоит заносить в таблицу лидеров, и ни одна таблица лидеров сейчас его не отображает.

Ничто из этого не делает анонс пустым. Поставщик, ставящий запуск на единственное свойство, которое его конкуренты не измеряли, заключает пари, которое можно проверить ценой двадцати вызовов API, — и это встречается реже, чем следовало бы. Это лишь означает, что утверждение о ста раундах следует воспринимать как гипотезу с приложенной к ней дешёвой проверкой, а не как спецификацию. Команды, которые получат пользу от Seedream 5.5 в этом месяце, будут теми, кто прогнал этот тест на собственном активе, прежде чем прогнать его на клиентском.