Seedream 5.5 ti consegna un livello, non un'immagine

Il team Seed di ByteDance ha rilasciato oggi Seedream 5.5, e il titolo che tutti ripeteranno è «100 passaggi di modifica». Il numero è reale, nel senso che il modello è stato addestrato a tenere le regioni non modificate al livello del pixel attraverso cento passaggi successivi. Ma non è la parte interessante.
La parte interessante è cosa esce dal modello. Seedream 5.5 genera immagini RGBA native: canali alfa veri, trasparenza piena e parziale, output a livelli. Un gufo delle nevi con le ali spiegate arriva come asset da appoggiare su un layout, non come rettangolo con uno sfondo da ritagliare. La demo di ByteDance passa in rassegna le piume sulle punte delle ali, gli spazi tra l'una e l'altra, il contorno degli artigli. È un problema di scontorno risolto alla fonte.
Vista così, la promessa dei cento passaggi smette di essere un vanto da scheda tecnica e diventa una conseguenza. Se l'output è un livello nel file di progetto di qualcuno, quel livello deve sopravvivere alle modifiche. Ripetute. Fatte da persone che non sono chi l'ha generato.
Cosa è cambiato davvero
Tre cose, secondo il comunicato: stabilità della modifica multi-turno, trasparenza nativa e qualità di resa su pelle, luce e testo piccolo. Le prime due sono quelle che contano in produzione.
Sulla modifica, la promessa è la conservazione a livello di pixel di tutto ciò che non hai chiesto di cambiare. Di norma le modifiche successive degradano un'immagine come fa la fotocopia di una fotocopia: il dettaglio si ammorbidisce, il colore deriva, il viso smette piano piano di essere lo stesso viso. ByteDance dice che 5.5 elimina la deriva cromatica nelle aree non toccate e mantiene coerenti tratti del soggetto, inquadratura e luce dopo più di cento passaggi. La demo lavora su gioielli e montature di occhiali, che è il test giusto: oggetti piccoli con geometrie sottili, appoggiati sulla pelle, con occlusioni e ombre di contatto che devono restare coerenti mentre la posa cambia.
Sulla trasparenza: l'output può nascere da testo o da un'immagine di riferimento, e il risultato porta un canale alfa. Il modello supporta anche l'output a livelli, così gli elementi si possono separare e riusare lungo una serie.
Sul testo i numeri sono insolitamente precisi: corruzione grave dei caratteri allo 0,4%, lieve all'1,7%, su cinese, inglese e testo piccolo e fitto. Se reggono fuori dal set della demo, l'effetto pratico è che infografiche e diagrammi smettono di essere una lotteria. I caratteri cinesi con ordine dei tratti complicato sono il punto in cui i modelli di immagine di solito cedono, e il testo piccolo e fitto è dove cedono in silenzio: te ne accorgi solo quando qualcuno ingrandisce.

Il prezzo è la parte silenziosa
Seedream 5.5 fattura come 5.0: immagine di input più immagine di output, token di testo gratis. Per una modifica quadrata in 2K il costo si aggira intorno a 0,28 yuan per immagine, meno della metà di Seedream 5.0 Pro. È il numero che metterei in cima al memo interno, prima di qualsiasi promessa sulla qualità. Dimezzare il costo di una modifica è ciò che rende economicamente sensato un flusso di cento passaggi. Al prezzo vecchio, «itera finché non è giusto» era un'abitudine che solo gli studi potevano permettersi.
Sta arrivando su Jimeng, Doubao e Doubao Work, con l'API prevista su Volcano Ark. Una versione Pro è promessa più avanti, orientata a contesti più complessi e istruzioni creative più lunghe.
Dove entra e dove no
L'incastro ovvio è e-commerce e lavoro di marca: un prodotto, molte scene, un asset a livelli per scena, nessuno step di scontorno. Il secondo è tutto ciò che ha una serie: una campagna in cui lo stesso personaggio compare dodici volte e la dodicesima deve somigliare alla prima.
Il limite onesto è che i benchmark dei fornitori restano benchmark dei fornitori. ByteDance dice di aver fatto valutazioni su MagicArena su sei scenari (e-commerce, marketing, cinema e TV, gaming, ufficio, fashion design) e che l'usabilità è raddoppiata in cinema/TV e ufficio rispetto a 5.0 Pro. Dice che il realismo image-to-image ha segnato un GSB di +55,62% rispetto alla generazione precedente, e che 5.5 è avanti su struttura del testo e realismo text-to-image contro GPT Image 2.5 Sunburst e Nano Banana 2.1. Tutto questo è la squadra che corregge il proprio compito. Il dato dello 0,4% di corruzione, in particolare, merita una verifica indipendente prima che qualcuno lo metta in una presentazione per un cliente.
C'è anche una domanda di flusso di lavoro a cui nessuno ha ancora risposto: cosa succede a un asset RGBA a livelli quando passa da uno strumento all'altro? Un andata e ritorno in PSD, un incolla in Figma, un import in Premiere: ognuno ha la sua idea di come devono comportarsi alfa e ordine dei livelli. La trasparenza nativa risolve il problema del ritaglio. Non risolve quello del passaggio di consegne.
Cento passaggi cambiano chi revisiona il lavoro
C'è un effetto di secondo ordine che nessuno al lancio ha citato. Quando un'immagine richiedeva quattro tentativi, chi la revisionava era la stessa persona che aveva scritto il prompt. Il ciclo era abbastanza corto da stare in una sola testa.
A cento passaggi il ciclo diventa un processo a fasi. Qualcuno fissa la direzione. Qualcun altro esegue venti passaggi su una shot list. Un terzo approva la versione che entra nel layout. Il file finale ha una storia: cento decisioni, quasi tutte piccole, e nessun registro integrato del perché siano state prese.
È un problema di controllo di versione travestito da questione creativa. Gli studi hanno già una risposta presa dalla fotografia: i contact sheet, le selezioni, una cartella chiamata final_final_v3. Non hanno una risposta per un modello che si può rilanciare all'infinito dallo stesso punto di partenza. Lo strumento che conterà di più l'anno prossimo potrebbe non essere il modello, ma qualunque cosa permetta a un team di dire «questo è lo stato approvato, e questo è cosa è cambiato da allora».
Seedream 5.5 rende il centesimo passaggio abbastanza economico da tentare. Non lo rende revisionabile. Sono problemi diversi, e solo uno dei due si misura in fen.
La cosa da notare
Per due anni i modelli di immagine hanno gareggiato sul singolo fotogramma. Il messaggio era «guarda questa immagine». Quello che è cambiato questo autunno è che il messaggio si è spostato su «guarda cosa puoi farci dopo, con questo oggetto». OpenAI ha messo la modifica con marcatori e l'export SVG nell'API 2.6. Figma ha costruito un grafo di nodi perché una generazione si potesse rilanciare e diramare. Seedream 5.5 consegna un canale alfa.
Puntano tutti alla stessa conclusione: l'immagine non è mai stata il prodotto. L'immagine era un passaggio. Quando un modello ti consegna un livello che sopravvive a cento modifiche al prezzo di ventotto fen, il collo di bottiglia si sposta sulle parti noiose: convenzioni di naming, librerie di asset, controllo di versione, chi ha il permesso di toccare il file master.
È una storia molto meno fotogenica di «l'AI finalmente sa disegnare le mani». È anche quella che decide se uno studio adotta davvero questa roba, o se si limita a postare la demo su un canale Slack e torna a girare.
Articoli correlati
Un foglio di calcolo comunitario di tocchi che spegne la pubblicità negli Android cinesi
Non tocca il sistema, non sblocca niente, non flasha niente. Ribalta solo gli interruttori che i produttori hanno già previsto. Il prezzo è una lista che qualcuno deve continuare a scrivere.
GPT Image 2.6 ha tenuto il prezzo dei token e alzato la fattura
GPT Image 2.6 conserva ogni tariffa per token di 2.5 e costa comunque di più per immagine, perché buona parte del lavoro passa ora nei token di output. Undici giorni dopo il lancio, la struttura dei prezzi dice più della classifica.
Qualcuno ha ricostruito IDM dall'esterno e ha scritto cosa non ha toccato
Una reimplementazione in Rust di Internet Download Manager promette 5 volte la velocità e 86 lingue. Il documento più interessante è il paragrafo che spiega come è stata costruita senza copiare nulla.
Rune è un framework UI per Rust costruito perché un agente possa verificare il proprio lavoro
Rune renderizza headless, esporta il suo albero di elementi e accetta input scriptato, dando a un agente di coding un segnale diffabile che nessuno screenshot può offrire. Il framework è in pre-release e non accetta pull request.