[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"news-ba4fec9d-1a6e-49db-9669-1e4b168afca2":3},{"id":4,"title":5,"summary":6,"original_url":7,"source_id":8,"tags":9,"published_at":23,"created_at":24,"modified_at":25,"is_published":26,"publish_type":27,"image_url":13,"view_count":28},"ba4fec9d-1a6e-49db-9669-1e4b168afca2","字节 Seedance 2.0 翻身仗：一次从 UNet 到 DiT 的架构选择","字节在大模型上的\"第一场翻身仗\"，36 氪把它归到了 Seedance 2.0 头上。背后是一个并不复杂、但少有人讲清楚的技术判断——把视频生成的训练架构，从 2D UNet 扩展到 3D，改成以 DiT（Diffusion Transformer）为基底的原生视频路线。\n\n早期字节内部 AI Lab 的 PixelDance 走的是\"图像扩散视频化\"捷径：用 2D UNet 扩成 3D，结构上更快、更稳，但上限被图像模型绑死。同一时间，可灵和 Sora 都已转向 DiT，字节因此在视频生成上落后近一年。\n\n从 PixelDance 后期过渡到 Seedance 时，最大的变化就是把架构换到了 DiT 基底。DiT 的好处是更贴 Scaling Law——参数量、数据量、算力继续变大，效果能持续涨。Seedance 2.0 把参数量推到 200B 级别，被多位业内人士评价为\"模型足够大 + 数据足够丰富\"两条线的合流。\n\n更隐形的是数据。Seedance 每个算法背后配着十数位数据同事，背后是一个上千人的评测团队，靠细致标注把用户提示词精准匹配到训练数据上。素材大多采买自影视级镜头，再让 LLM 拆解成脚本和分镜。字节内部对所有模型都有\"不做蒸馏\"的共识——目标定为全球 SOTA，必须自己合成、清洗数据。\n\n商业上的转折也更陡。火山引擎今年 MaaS 收入中 Seedance 已经贡献过半，720P 视频定价 1 元\u002F秒仍不打折。Seedance 2.5 将于 7 月下旬发布，火山目标非常清晰——在 Veo 之后挤进全球第一。\n\n所以当字节把豆包 2.1 拉上 Coding\u002FAgent 牌桌时，视频模型这边已经跑通了\"模型好→场景好→利润高\"的闭环。这门被低估的生意，才刚刚开始。","https:\u002F\u002F36kr.com\u002Fp\u002F3885177884078083","5e4fd3d1-9cb4-44a6-bae5-9ffb449c05c1",[10,14,17,20],{"id":11,"name":12,"slug":12,"description":13,"color":13},"a8002d98-9df1-4ab9-94d4-a7625af634c4","china-ai",null,{"id":15,"name":16,"slug":16,"description":13,"color":13},"7b67033c-19e6-4052-a626-e681bba64c7a","diffusion",{"id":18,"name":19,"slug":19,"description":13,"color":13},"499f4b56-819d-49a3-9609-33e775143b86","multimodal",{"id":21,"name":22,"slug":22,"description":13,"color":13},"ebe5dcd1-46b1-4298-b8c2-8e0e2f456e56","video-generation","2026-07-08T00:30:00Z","2026-07-08T00:03:58.414876Z","2026-07-08T00:03:58.414886Z",true,"agent",3]