BAGEL-7B-MoT의 개요
BAGEL은 ByteDance Seed가 2025년 5월 20일에 공개한 오픈 통합 멀티모달 모델입니다. 모델 하나가 이미지를 이해하면서 생성도 합니다. 사진에 대한 질문에 답하고, 텍스트를 이미지로 바꾸고, 지시에 따라 이미지를 편집합니다. 파라미터는 140억 개이며 그중 70억 개가 활성화되고, 이해와 생성을 서로 다른 전문가 가중치가 맡는 Mixture-of-Transformer-Experts 구조입니다.
Qwen2.5-7B-Instruct와 SigLIP so400m 비전 인코더에서 파인튜닝했고, 픽셀 생성에는 FLUX.1-schnell VAE를 씁니다. 셋 모두 Apache 2.0이며 BAGEL도 마찬가지입니다. ByteDance는 텍스트, 이미지, 동영상, 웹이 섞인 수조 개 토큰으로 학습했고, 편집과 다단계 시각 추론은 학습 후반에야 나타났다고 밝혔습니다.
ByteDance는 후속 모델을 내놓지 않았고 GitHub 코드는 2026년 5월에 마지막으로 업데이트되었습니다. 저장소 스타는 약 6,200개이며, Hugging Face 가중치는 최근 30일 동안 약 6,900회 다운로드되었습니다.
BAGEL-7B-MoT, 쓸 만한 가치가 있습니까?
BAGEL의 강점은 Apache 2.0 체크포인트 하나에 담긴 폭입니다. ByteDance 모델 카드에서 MMBench 85.0, MathVista 73.1로 Qwen2.5-VL-7B의 83.5와 68.2를 앞서고, 텍스트-이미지 테스트 GenEval에서 0.88로 FLUX.1-dev의 0.82, SD3-Medium의 0.74를 넘으며, GEdit-Bench 편집의 의미 일관성에서 7.36으로 Step1X-Edit의 7.09를 앞섭니다. 세 가지 일을 모두 하는 오픈 모델은 드물고, Apache 2.0이라면 더 드뭅니다.
문제는 비교 대상입니다. 카드의 경쟁 모델은 모두 2024년이나 2025년 초의 것으로 Qwen2.5-VL, Janus-Pro, SD3, Gemini 2.0입니다. Qwen2.5-VL-7B가 이미 MMMU에서 앞서고(58.6 대 55.3), 추론 비중이 큰 편집 테스트 IntelligentBench에서는 Gemini 2.0이 57.6, BAGEL이 44.0이었고 사고의 연쇄를 켜면 55.3이었습니다. 현재의 이미지·비전 전용 모델은 그 뒤로 더 발전했습니다.
활성 7B 모델치고 무겁기도 합니다. README는 전체 정밀도에서 32 GB GPU나 여러 GPU를 요구하며, 12~32 GB 카드는 커뮤니티의 NF4 양자화가 필요하고 22~32 GB에서는 INT8을 권장하지 않습니다. 호스팅 API도, llama.cpp나 Ollama 경로도 없으며, 설치는 저장소를 클론하고 flash-attention을 설치하는 작업입니다.
그래서 BAGEL은 프로덕션용 선택지라기보다 연구와 시제품의 기반입니다. 보고 그리는 일을 네트워크 하나로 하고 싶다면, 예를 들어 논문이 강조하는 이미지·텍스트 교차 생성이나 세계 내비게이션 실험이라면 파인튜닝의 출발점이 되는 오픈 모델입니다.
제 역할을 하는 곳
대학 비전 연구실의 머신러닝 연구자
모델 하나가 같은 학습으로 보는 법과 그리는 법을 어떻게 배우는지 연구하고 싶다
Apache 2.0으로 공개된 가중치와 학습 가이드에서 시작합니다. VAE와 ViT 특징 결합에 관한 논문의 절제 실험이 바로 기준선이 됩니다. 32 GB GPU나 멀티 GPU 노드를 예상하세요.
게임 스튜디오의 시제품 엔지니어
채팅 지시로 콘셉트 이미지를 만들고 같은 흐름에서 편집까지 하고 싶다
24 GB 카드에서 NF4 빌드로 Gradio 앱이나 ComfyUI 노드를 돌립니다. GenEval 0.88 수준의 생성은 목업에는 충분하지만, 최종 아트는 현재의 이미지 전용 모델이 더 좋아 보일 것입니다.
도입 전 확인할 점
- 설정
- GitHub 저장소를 클론하고 의존성과 flash-attention을 설치한 뒤 Hugging Face에서 가중치를 받아 Gradio 앱이나 노트북을 실행합니다. 커뮤니티 Dockerfile과 Windows 11 가이드가 있습니다.
- 연동
- 추론과 학습용 Python 코드, Gradio 앱, 커뮤니티 ComfyUI 노드, 커뮤니티의 DF11 및 INT8 압축 빌드.
- 데이터와 개인정보
- 자체 호스팅만 가능하므로 프롬프트와 이미지가 자신의 하드웨어에 남습니다. Apache 2.0은 상업적 사용, 수정, 재배포를 허용합니다.
- 대규모 사용 시 비용
- 가중치는 무료입니다. 비용은 전체 정밀도에서 인스턴스당 32 GB 이상 GPU, NF4 양자화 시 12~32 GB 카드입니다.
- 제한
- 호스팅 엔드포인트와 동영상 출력이 없고, 양자화 빌드는 ByteDance가 아닌 커뮤니티에서 나옵니다.
좋은 점
- 체크포인트 하나로 이미지 이해, 생성, 편집
- GenEval 0.88로 FLUX.1-dev의 0.82 상회(자체 발표)
- 가중치와 모든 구성 요소가 Apache 2.0
- 학습 코드와 가이드 공개
아쉬운 점
- 2024년과 2025년 초 모델과만 비교
- 전체 정밀도에서 32 GB GPU 필요
- 호스팅 API, llama.cpp, Ollama 지원 없음
- 2025년 5월 이후 후속작도 업데이트도 없음
추천 대상
이미지를 읽고 생성하는 오픈 모델이 필요하며 파인튜닝을 감수할 연구자와 시제품 팀.
BAGEL-7B-MoT 대안
BAGEL-7B-MoT: 자주 묻는 질문
- BAGEL-7B-MoT, 쓸 만한 가치가 있습니까?
- BAGEL은 이해, 생성, 편집을 한곳에서 하는 오픈 모델로 여전히 가장 쓸모 있지만, 나온 지 18개월이 되어 티가 납니다. 평점은 5점 만점에 3.6점입니다.
- BAGEL-7B-MoT의 가격은 얼마입니까?
- Apache 2.0 가중치와 코드는 무료입니다. 자체 호스팅 API는 없고 무료 공개 데모가 있습니다.
- BAGEL-7B-MoT의 단점은 무엇입니까?
- 2024년과 2025년 초 모델과만 비교; 전체 정밀도에서 32 GB GPU 필요; 호스팅 API, llama.cpp, Ollama 지원 없음; 2025년 5월 이후 후속작도 업데이트도 없음.
- BAGEL-7B-MoT에 적합한 사람은 누구입니까?
- 이미지를 읽고 생성하는 오픈 모델이 필요하며 파인튜닝을 감수할 연구자와 시제품 팀.
- 팀이나 프로덕션 환경에서 BAGEL-7B-MoT의 비용은 얼마입니까?
- 가중치는 무료입니다. 비용은 전체 정밀도에서 인스턴스당 32 GB 이상 GPU, NF4 양자화 시 12~32 GB 카드입니다.
- BAGEL-7B-MoT에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅만 가능하므로 프롬프트와 이미지가 자신의 하드웨어에 남습니다. Apache 2.0은 상업적 사용, 수정, 재배포를 허용합니다.
- BAGEL-7B-MoT의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Qwen-Image-Edit-2511, FLUX.2 [dev], Qwen3.8-27B 및 HunyuanImage 3.0 Instruct입니다.
답변 확인일: 2026년 11월 7일.