當 ByteDance 把 Sora 等級壓進 128 張 A100：Lance 3B 開源，亞洲創作工作室的「影像生成」採購單第一次有了平價替身

二〇二六年五月十八日，ByteDance Research 在 Hugging Face 與 GitHub 同步釋出 Lance——一個僅 3B 主動參數、卻在「理解、生成、編輯」三條軸線上把圖像與影片任務統一在同一個架構下的多模態模型。技術報告隔日掛上 arXiv，Hugging Face Space 五月二十五日上線。短短一週，Lance 衝上 HF Trending 榜首，並在 Hacker News 引發討論。對熟悉 Sora、Veo、Seedance 量級的觀察者而言，這個數字尤其刺眼：訓練預算上限只用了 128 張 A100。

過去兩年，業界對「統一多模態」的共識，是必須付出昂貴代價。Google Veo、OpenAI Sora、ByteDance Seedance 2.0 動輒上千卡集群、數月迭代；阿里 Wan、騰訊 HunYuan Video、Tongyi MAI 走的是「分而治之」的路線——理解一個模型、生成一個模型、編輯再切一個模型。Lance 的出現，等於宣告一條相反方向的工程美學：在同一個 dual-stream Mixture-of-Experts 架構裡，把語意理解與視覺生成共享上下文，再透過分流的 MoE 路徑各自專精；3B 主動參數的計算成本，竟然能在多項基準上追平 7B 以上的閉源同類。

對亞洲創作工作室、廣告代理商、TVB 等媒體集團而言，這不是另一個遙遠的 SOTA 公告——這是 GPU 採購單上第一次出現「自有節點可運行的全模態替身」。