BAGEL-7B-MoTとは？
BAGELは、ByteDance Seedが2025年5月20日に公開したオープンな統合マルチモーダルモデルです。1つのモデルで画像を理解し、生成もします。写真についての質問に答え、テキストから画像を作り、指示に従って画像を編集します。パラメーターは140億、うち70億がアクティブで、理解と生成を別々のエキスパート重みが担うMixture-of-Transformer-Expertsという設計です。
Qwen2.5-7B-InstructとSigLIP so400m画像エンコーダーからファインチューニングされ、ピクセル生成にはFLUX.1-schnellのVAEを使います。3つともApache 2.0で、BAGEL自体も同じです。ByteDanceはテキスト、画像、動画、Webが交互に並ぶ数兆トークンで学習し、画像編集や多段階の視覚推論は学習の後半になって現れたと報告しています。
ByteDanceは後継モデルを公開しておらず、GitHubのコードの最終更新は2026年5月です。リポジトリのスターは約6,200、Hugging Faceの重みは直近30日で約6,900回ダウンロードされました。
BAGEL-7B-MoTは使う価値があるか？
BAGELの強みは、1つのApache 2.0チェックポイントでこなせる幅の広さです。ByteDanceのモデルカードでは、MMBenchで85.0、MathVistaで73.1（Qwen2.5-VL-7Bは83.5と68.2）、テキストから画像を作るGenEvalで0.88（FLUX.1-devは0.82、SD3-Mediumは0.74）、GEdit-Benchの編集における意味の一貫性で7.36（Step1X-Editは7.09）です。3つの仕事をすべてこなすオープン モデルは少なく、Apache 2.0となるとさらに少数です。
問題は比較相手です。カードの競合はすべて2024年か2025年初めのもので、Qwen2.5-VL、Janus-Pro、SD3、Gemini 2.0です。Qwen2.5-VL-7BはすでにMMMUで上回り（58.6対55.3）、推論の比重が大きい編集テストIntelligentBenchではGemini 2.0の57.6に対しBAGELは44.0、思考の連鎖を有効にしても55.3でした。現在の画像生成・画像理解の専用モデルはその後さらに進んでいます。
アクティブ7Bのモデルとしては重いのも難点です。READMEはフル精度で32 GBのGPUか複数GPUを求めており、12〜32 GBのカードにはコミュニティ製のNF4量子化が必要で、22〜32 GBではINT8は推奨されていません。ホスト型APIも、llama.cppやOllamaの手段もなく、セットアップはリポジトリをクローンしてflash-attentionをインストールする作業になります。
そのためBAGELは、本番向けの選択肢というより研究と試作の土台です。見ることと描くことを1つのネットワークでこなしたい場合、たとえば論文が強調する画像とテキストの交互生成や世界のナビゲーション実験には、ファインチューニングの出発点になるオープンモデルです。
真価を発揮する場面
大学の画像研究室で働く機械学習研究者
同じ学習から1つのモデルが見ることと描くことをどう身につけるかを調べたい
Apache 2.0で公開された重みと学習ガイドから始めます。VAEとViTの特徴を組み合わせる論文のアブ レーションがそのままベースラインになります。32 GBのGPUかマルチGPUノードを見込んでください。
ゲームスタジオの試作エンジニア
チャットの指示からコンセプト画像を生成し、そのまま編集までを繰り返したい
24 GBのカードでNF4版を使い、GradioアプリかComfyUIノードを動かします。GenEval 0.88の生成はモックアップには十分ですが、最終アートは現在の画像専用モデルのほうがきれいに仕上がるはずです。
導入前に確認すること
- 導入
- GitHubリポジトリをクローンし、依存関係とflash-attentionをインストールし、Hugging Faceから重みを取得してGradioアプリかノートブックを実行します。コミュニティ製のDockerfileとWindows 11向けガイドがあります。
- 連携
- 推論と学習のPythonコード、Gradioアプリ、コミュニティ製のComfyUIノード、コミュニティによるDF11とINT8の圧縮版。
- データとプライバシー
- セルフホストのみなので、プロンプトと画像は自分のハードウェアにとどまります。Apache 2.0は商用利用、改変、再配布を認めています。
- 大規模利用時のコスト
- 重みは無料です。費用はフル精度ならインスタンスごとに32 GB以上のGPU、NF4量子化なら12〜32 GBのカードです。
- 制限
- ホスト型エンドポイントも動画出力もなく、量子化版はByteDanceではなくコミュニティ製です。
良い点
- 1つのチェックポイントで画像の理解、生成、編集
- GenEvalで0.88、FLUX.1-devの0.82を上回る（自己申告）
- 重みとすべての構成要素がApache 2.0
- 学習コードとガイドを公開
気になる点
- 比較対象が2024年と2025年初めのモデル
- フル精度では32 GBのGPUが必要
- ホスト型API、llama.cpp、Ollamaの対応なし
- 2025年5月以降、後継も更新もなし
おすすめの人
画像を読んで生成もするオープンモデルを必要とし、ファインチューニングをいとわない研究者や試作チーム。
BAGEL-7B-MoTの代替
BAGEL-7B-MoT：よくある質問
- BAGEL-7B-MoTは使う価値があるか？
- BAGELは理解、生成、編集を1か所でこなすオープンモデルとして今も最も役立ちますが、公開から18か月たち、古さが見えます。 評価は5点満点中3.6点です。
- BAGEL-7B-MoTの料金は？
- 重みとコードはApache 2.0で無料です。自社ホストのAPIはなく、無料の公開デモがあります。
- BAGEL-7B-MoTの欠点は？
- 比較対象が2024年と2025年初めのモデル; フル精度では32 GBのGPUが必要; ホスト型API、llama.cpp、Ollamaの対応なし; 2025年5月以降、後継も更新もなし.
- BAGEL-7B-MoTは誰に向いているか？
- 画像を読んで生成もするオープンモデルを必要とし、ファインチューニングをいとわない研究者や試作チーム。
- チームや本番環境でBAGEL-7B-MoTを使うと費用はいくらか？
- 重みは無料です。費用はフル精度ならインスタンスごとに32 GB以上のGPU、NF4量子化なら12〜32 GBのカードです。
- BAGEL-7B-MoTは企業データを扱っても安全か？
- セルフホストのみなので、プロンプトと画像は自分のハードウェアにとどまります。Apache 2.0は商用利用、改変、再配布を認めています。
- BAGEL-7B-MoTの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はQwen-Image-Edit-2511, FLUX.2 [dev], Qwen3.8-27B 、 HunyuanImage 3.0 Instructです。
回答確認日：2026年11月7日