BAGEL 是字节跳动 Seed 团队开源的统一多模态大模型，能够同时处理图像理解与图像生成任务，在开源社区中常被视为可与闭源模型对比的代表性基座之一。与仅做生成或仅做理解的模型不同，BAGEL 采用单一 Transformer 架构统一承载两种能力，因此围绕它的讨论往往集中在「统一多模态模型」这一更大方向上：如何训练、如何推理部署、如何评测。
BAGEL 相关的近期进展
当前焦点与观察点
围绕 BAGEL 与同类统一多模态模型，当前讨论主要落在三个层面。其一是训练方法：理解与生成是继续共用一套参数和流程，还是像 UniRL、UMM-Reflection 那样在后训练阶段引入强化学习来分别补强，尚无定论。其二是推理效率：统一模型参数量大、输入输出模态混合，vLLM-Omni 等框架的成熟度会显著影响实际部署体验。其三是评测体系：传统图像理解与文生图基准难以衡量「边看边画」的复合任务，ProductWebGen 这类面向应用场景的新基准正在填补空白。对关注这一方向的开发者来说，BAGEL 的价值更多在于作为可复现的参照系——后续的训练技巧、部署方案和评测结论，都可以在它身上验证是否成立。