震撼發佈!豆包文生圖技術全流程曝光，Seedream2.0重塑行業格局

今日，豆包大模型團隊正式發佈文生圖技術報告，首次公開Seedream2.0圖像生成模型的技術細節，涵蓋數據構建、預訓練框架、後訓練RLHF全流程，在文生圖領域投下一顆“重磅炸彈”。

Seedream2.0自2024年12月初在豆包APP和即夢上線後，已服務上億C端用戶，深受專業設計師青睞。與Ideogram2.0、Midjourney V6.1等主流模型相比，它解決了文本渲染不佳、對中國文化理解不足等問題，在中英文雙語理解、美感和指令遵循等方面實現全面提升。

通過Bench-240評測基準測試，其英文提示詞生成內容的結構合理性、文本理解準確性更勝一籌;中文生成與渲染文字可用率達78%，完美響應率爲63%，遠超業界其他模型。

在技術實現上，團隊進行了多方面創新。數據預處理環節，構建以“知識融合”爲核心的框架。四維數據架構平衡數據質量與知識多樣性，智能標註引擎實現三級認知進化，提升模型理解和識別能力，工程化重構則大幅提高數據處理效率。

預訓練階段，團隊聚焦雙語理解與文字渲染。原生雙語對齊方案，通過微調LLM和構建專用數據集，打破語言視覺次元壁;雙模態編碼融合系統讓模型兼顧文本語義和字體字形;三重升級DiT架構，引入QK-Norm和Scaling ROPE技術，提升訓練穩定性，實現多分辨率圖像生成。

注:面向英文提示詞，Seedream2.0在不同維度上的表現。本圖各維度數據以最佳指標爲參照系，已進行歸一化調整。

後訓練RLHF過程中，團隊開發優化系統，從多維度偏好數據體系、三個不同獎勵模型、反覆學習驅動模型進化三方面發力，有效提升模型性能，不同獎勵模型的表現分數值在迭代中穩步上升。

注:面向中文提示詞，Seedream2.0在不同維度上的表現。本圖各維度數據以最佳指標爲參照系，已進行歸一化調整。

此次技術報告的發佈，彰顯了豆包大模型團隊推動圖像生成技術發展的決心。未來，團隊將繼續探索創新技術，提升模型性能邊界，深入研究強化學習優化機制，持續分享技術經驗，助力行業蓬勃發展。 

技術展示頁:https://team.doubao.com/tech/seedream

技術報告:https://arxiv.org/pdf/2503.07703