Qu’est-ce que BAGEL-7B-MoT ?
BAGEL est le modèle multimodal unifié et ouvert de ByteDance Seed, publié le 20 mai 2025. Un seul modèle comprend les images et en génère : il répond à des questions sur des photos, transforme du texte en images et retouche des images à partir d'instructions. Il compte 14 milliards de paramètres dont 7 milliards actifs, avec une architecture Mixture-of-Transformer-Experts où des poids experts distincts gèrent la compréhension et la génération.
Il est affiné à partir de Qwen2.5-7B-Instruct et de l'encodeur visuel SigLIP so400m, et utilise le VAE de FLUX.1-schnell pour produire les pixels ; les trois sont sous Apache 2.0, tout comme BAGEL. ByteDance l'a entraîné sur des billions de tokens entrelacés de texte, d'image, de vidéo et de web, et indique que la retouche et le raisonnement visuel en plusieurs étapes sont apparus tard dans l'entraînement.
ByteDance n'a publié aucun successeur, et le code GitHub a été mis à jour pour la dernière fois en mai 2026. Le dépôt compte environ 6 200 étoiles ; les poids ont été téléchargés environ 6 900 fois sur Hugging Face au cours des 30 derniers jours.
BAGEL-7B-MoT vaut-il le coup ?
L'atout de BAGEL est l'étendue réunie dans un seul checkpoint Apache 2.0. Selon la fiche de ByteDance, il obtient 85,0 sur MMBench et 73,1 sur MathVista contre 83,5 et 68,2 pour Qwen2.5-VL-7B, 0,88 sur le test texte-vers-image GenEval contre 0,82 pour FLUX.1-dev et 0,74 pour SD3-Medium, et 7,36 en cohérence sémantique sur la retouche GEdit-Bench contre 7,09 pour Step1X-Edit. Peu de modèles ouverts couvrent les trois tâches, et encore moins sous Apache 2.0.
Le problème, ce sont les comparaisons. Tous les rivaux de la fiche datent de 2024 ou du début de 2025 : Qwen2.5-VL, Janus-Pro, SD3, Gemini 2.0. Qwen2.5-VL-7B le bat déjà sur MMMU (58,6 contre 55,3), et sur le test de retouche exigeant en raisonnement IntelligentBench, Gemini 2.0 a obtenu 57,6 contre 44,0 pour BAGEL, ou 55,3 avec la chaîne de raisonnement activée. Les modèles d'image et de vision spécialisés actuels ont progressé depuis.
Il est aussi lourd pour un modèle à 7B actifs. Le README demande un GPU de 32 Go ou plusieurs GPU en pleine précision ; les cartes de 12 à 32 Go ont besoin de la quantification NF4 de la communauté, et l'INT8 est déconseillé pour 22 à 32 Go. Il n'y a ni API hébergée ni voie llama.cpp ou Ollama, et l'installation consiste à cloner le dépôt et installer flash-attention.
BAGEL reste donc une base de recherche et de prototypage plutôt qu'un choix de production. C'est le modèle ouvert à affiner si vous avez besoin d'un seul réseau qui voit et dessine, par exemple pour la génération entrelacée d'images et de texte ou des expériences de navigation dans des mondes, que son article met en avant.
Là où il fait la différence
Un chercheur en apprentissage automatique dans un laboratoire universitaire de vision
Étudier comment un modèle apprend à voir et à dessiner à partir du même entraînement
Partez des poids et du guide d'entraînement publiés sous Apache 2.0. Les ablations de l'article sur la combinaison des caractéristiques VAE et ViT fournissent une base prête ; prévoyez un GPU de 32 Go ou un nœud multi-GPU.
Un ingénieur prototypage dans un studio de jeux vidéo
Générer puis retoucher des images de concept à partir d'instructions dans une même boucle
Lancez l'application Gradio ou le nœud ComfyUI avec une version NF4 sur une carte de 24 Go. La génération à 0,88 sur GenEval suffit pour des maquettes ; attendez-vous à ce que les modèles d'image spécialisés actuels rendent mieux pour l'art final.
Avant de vous engager
- Mise en route
- Clonez le dépôt GitHub, installez les dépendances et flash-attention, téléchargez les poids depuis Hugging Face et lancez l'application Gradio ou le notebook. Des Dockerfiles communautaires et un guide Windows 11 existent.
- Intégrations
- Code Python d'inférence et d'entraînement, application Gradio, nœud ComfyUI communautaire, versions compressées DF11 et INT8 issues de la communauté.
- Données et confidentialité
- Auto-hébergement uniquement : prompts et images restent sur votre matériel. Apache 2.0 autorise l'usage commercial, la modification et la redistribution.
- Coût à grande échelle
- Les poids sont gratuits ; le coût est un GPU de 32 Go ou plus par instance en pleine précision, ou une carte de 12 à 32 Go avec quantification NF4.
- Limites
- Pas de point d'accès hébergé, pas de sortie vidéo, et les versions quantifiées viennent de la communauté et non de ByteDance.
Les points forts
- Comprend, génère et retouche les images dans un seul checkpoint
- 0,88 sur GenEval, au-dessus des 0,82 de FLUX.1-dev (chiffre éditeur)
- Apache 2.0 pour les poids et tous les composants
- Code et guide d'entraînement publiés
Les points faibles
- Comparé à des modèles de 2024 et du début de 2025
- Exige un GPU de 32 Go en pleine précision
- Ni API hébergée, ni prise en charge llama.cpp ou Ollama
- Ni successeur ni mise à jour depuis mai 2025
Idéal pour
Les chercheurs et équipes de prototypage qui ont besoin d'un modèle ouvert qui lit et génère des images et sont prêts à l'affiner.
Alternatives à BAGEL-7B-MoT
BAGEL-7B-MoT : questions fréquentes
- BAGEL-7B-MoT vaut-il le coup ?
- BAGEL reste le modèle ouvert le plus utile pour comprendre, générer et retoucher au même endroit, mais il a 18 mois et cela se voit. Nous lui donnons 3.6 sur 5.
- Combien coûte BAGEL-7B-MoT ?
- Poids et code gratuits sous Apache 2.0. Pas d'API hébergée maison ; une démo publique gratuite est disponible.
- Quels sont les inconvénients de BAGEL-7B-MoT ?
- Comparé à des modèles de 2024 et du début de 2025; exige un GPU de 32 Go en pleine précision; ni API hébergée, ni prise en charge llama.cpp ou Ollama; ni successeur ni mise à jour depuis mai 2025.
- À qui s’adresse BAGEL-7B-MoT ?
- Les chercheurs et équipes de prototypage qui ont besoin d'un modèle ouvert qui lit et génère des images et sont prêts à l'affiner.
- Combien coûte BAGEL-7B-MoT pour une équipe ou en production ?
- Les poids sont gratuits ; le coût est un GPU de 32 Go ou plus par instance en pleine précision, ou une carte de 12 à 32 Go avec quantification NF4.
- BAGEL-7B-MoT est-il sûr pour les données de l’entreprise ?
- Auto-hébergement uniquement : prompts et images restent sur votre matériel. Apache 2.0 autorise l'usage commercial, la modification et la redistribution.
- Quelles sont les meilleures alternatives à BAGEL-7B-MoT ?
- Les alternatives les plus proches que nous avons testées sont Qwen-Image-Edit-2511, FLUX.2 [dev], Qwen3.8-27B et HunyuanImage 3.0 Instruct.
Réponses vérifiées le 7 nov. 2026.