Seedream 5.5 が渡してくるのは、画像ではなくレイヤーだ

ByteDance の Seed チームが Seedream 5.5 を公開しました。誰もが繰り返すキャッチコピーは「100回の連続編集」です。この数字は本物で、モデルは100回の連続パスを経ても、指示していない領域をピクセル単位で保持するように学習されています。ただ、それは本題ではありません。
本題は、モデルから何が出てくるのかという点です。Seedream 5.5 はネイティブな RGBA 画像を生成します。実際に機能するアルファチャンネル、全透過と半透過、そしてレイヤー化された出力です。翼を広げた白フクロウは、背景を切り抜く必要のある長方形ではなく、レイアウトにそのまま置けるアセットとして出てきます。ByteDance のデモでは、翼の先端の羽毛、羽毛の隙間、爪の輪郭まで説明しています。背景除去という問題を、発生源で解いているわけです。
そう捉えると、「100回編集」という主張は仕様表の自慢ではなく、そこから導かれる帰結になります。出力が誰かのデザインファイルの中のレイヤーになるなら、そのレイヤーは編集に耐えなければなりません。何度も。しかも、生成した本人ではない人が編集する前提で。
実際に何が変わったのか
リリースによれば3点です。マルチターン編集の安定性、ネイティブの透過、そして肌・光・小さな文字の描画品質。制作現場で効くのは最初の2つです。
編集についての主張は、指示していない部分をピクセルレベルで保つというものです。通常、編集を重ねると画質はコピーのコピーのように劣化します。ディテールは甘くなり、色はずれ、顔は少しずつ別人になっていきます。ByteDance は、5.5 では未編集領域の色ずれがなくなり、100回以上のパスを経ても被写体の特徴、構図、ライティングが一貫すると述べています。デモではジュエリーとメガネフレームを使っていますが、これは正しいテストです。薄い形状を持つ小さな物体が肌の上にあり、ポーズが変わっても遮蔽と接触影の整合性を保たなければならないからです。
透過については、テキストからの生成でも参照画像からの生成でも、結果にアルファチャンネルが付きます。レイヤー出力にも対応しているので、要素を分解してシリーズ全体で使い回せます。
テキストについては、数字が妙に具体的です。深刻な文字崩れが 0.4% まで、軽微な崩れが 1.7% まで。中国語、英語、そして密度の高い小さな文字を含めた数値です。これがデモ以外でも成り立つなら、実務上の意味は大きい。インフォグラフィックや知識の図解が、運頼みではなくなります。画数の多い漢字は画像モデルが崩れやすいところで、密度の高い小さな文字は静かに崩れます。気づくのは、誰かがズームしたときです。

価格の話は静かに書かれている
課金体系は 5.0 と同じで、入力画像と出力画像、テキストトークンは無料。2K のスクエア編集で1枚あたり約 0.28 元、Seedream 5.0 Pro の半分以下です。社内メモの一番上に書くべきは、品質の主張よりもこの数字だと思います。編集コストが半減することが、100回まわすワークフローを経済的に成立させます。以前の価格では、「納得するまで回す」はスタジオにしかできない習慣でした。
現在は Jimeng、Doubao、Doubao Work で展開中で、API は Volcano Ark で提供予定です。Pro 版は後日、より複雑なコンテキストと長い制作指示に向けて投入されるとのことです。
どこに嵌まり、どこに嵌まらないか
明らかに嵌まるのは EC とブランド案件です。1つの商品、多くのシーン、シーンごとにレイヤー化されたアセット、切り抜き工程なし。2つ目はシリーズもの全般。同じ人物が12回登場し、12回目が1回目と同じに見えなければならないキャンペーンです。
正直な限界は、ベンダーのベンチマークはベンダーのベンチマークだということです。ByteDance は MagicArena で6つのシナリオ(EC、マーケティング、映画・TV、ゲーム、オフィス、ファッションデザイン)で評価し、映画・TV とオフィスでは 5.0 Pro 比でユーザビリティが2倍になったとしています。画像間変換のリアリズムは前世代比で GSB +55.62%、テキスト構造とテキストからの画像生成のリアリズムでは GPT Image 2.5 Sunburst と Nano Banana 2.1 を上回ると。すべて自分たちで採点した結果です。特に 0.4% という崩れ率は、クライアント向けの資料に入れる前に、独立した検証が必要です。
もう1つ、誰も答えていないワークフローの問題があります。レイヤー化された RGBA アセットがツール間を移動したとき、何が起きるのか。PSD のラウンドトリップ、Figma への貼り付け、Premiere への読み込み。それぞれに、アルファとレイヤー順序をどう扱うかについての考え方があります。ネイティブ透過は切り抜きの問題を解決しますが、受け渡しの問題は解決しません。
100回は、誰がレビューするかを変える
ローンチで誰も触れなかった二次的な効果があります。1枚の画像に4回の試行が必要だった頃、レビューする人はプロンプトを書いた本人でした。ループが短く、1つの頭の中に収まっていたのです。
100回になると、ループは段階を持つプロセスになります。誰かが方向を決める。別の誰かがショットリストに対して20回まわす。3人目がレイアウトに入る版を承認する。最終ファイルには履歴があります。100の判断、そのほとんどは小さなものですが、なぜそう判断したかの記録はどこにも残りません。
これは創作の衣装を着たバージョン管理の問題です。スタジオは写真の世界で既に答えを持っています。コンタクトシート、セレクト、final_final_v3 というフォルダ。しかし、同じ出発点から無限に再実行できるモデルに対しては、答えを持っていません。来年いちばん重要になるツールはモデルではなく、「これが承認済みの状態で、ここから何が変わったか」をチームが言えるようにする何かかもしれません。
Seedream 5.5 は100回目を試すのに十分安くしました。レビュー可能にはしていません。これは別の問題で、片方だけが「分」で測られます。
気づくべきこと
2年間、画像モデルは1枚のフレームで競ってきました。売り文句は「この1枚を見てください」でした。この秋に変わったのは、売り文句が「このオブジェクトで後から何ができるかを見てください」に移ったことです。OpenAI はマークアップ編集と SVG 書き出しを 2.6 の API に入れました。Figma は生成を再実行し再分岐できるノードグラフを作りました。Seedream 5.5 はアルファチャンネルを載せてきました。
どれも同じ結論を指しています。画像は製品ではなかった。画像は途中の工程だった。100回の編集に耐えるレイヤーを28分で渡せるモデルがあれば、ボトルネックは退屈な部分に移ります。命名規則、アセットライブラリ、バージョン管理、マスターファイルに触れてよいのは誰か。
「AI がついに手を描けるようになった」より、ずっと映えない話です。ただ、スタジオがこれを本当に導入するのか、それともデモを Slack に貼って撮影に戻るのかを決めるのは、こちらの話です。
関連記事
中国製 Android のシステム UI に載った広告を切る、コミュニティ管理のタップ表
システムには触らず、アンロックも書き込みもしない。ベンダーがもともと用意したスイッチを一つずつ倒すだけだ。代償は、この一覧を書き続ける人が要ることにある。
GPT Image 2.6 はトークン単価を据え置き、請求額を上げた
GPT Image 2.6 は 2.5 のトークン単価をすべて引き継ぎながら、1 枚あたりの費用は上がった。仕事の多くが出力トークン側に移ったからだ。11 日目の価格構造は、ランキングより多くを語る。
外から IDM を作り直した人が、触れなかった部分を書き残した
Mister Download Manager は Internet Download Manager の流れを Rust で作り直し、5 倍の速度と 86 言語を掲げる。より興味深いのは、何もコピーせずにどう作ったのかを説明した段落のほうだ。
Rune はエージェントが自分の仕事を検証できるように作られた Rust UI フレームワーク
Rune はヘッドレスで描画し、要素ツリーを出力し、スクリプト化された入力を受け付ける。スクリーンショットでは決して得られない、diff できる信号をコーディングエージェントに渡せる。フレームワークはプレリリースで、プルリクエストは受け付けない。