Prompt 语宙Prompt 语宙
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
阅读: 字节跳动Mamoda2.5重磅发布:25B参数MoE统一多模态模型,视频生成编辑速度提升12-18倍
Share
通知 阅读更多
Font Resizer字体
Font Resizer字体
Prompt 语宙Prompt 语宙
搜索 AIGC 资讯、Prompt 咒语与 AI 工具
  • 首页
  • 语宙 AI 导航
  • AIGC 资讯
    • AIGC 早报生成器Hot
    • 最新趋势
    • AI 工具
    • 热门资源
    • 强化 AI 学习
  • AI 绘图
    • Prompt 实战
    • AI 绘画教程
    • 模型精选
  • AI 图库
    • 人物
    • 展台场景
    • Banner
    • 游戏
    • 动物
    • 食物
    • 自然
    • 背景
    • 海报
    • 建筑
    • 室内设计
  • 出海数字营销宝典
  • AI 生图 Prompt
    • 写实人像
    • 产品与广告
    • 游戏资产与 3D
    • 界面与图标
    • 建筑与室内
    • 动漫与插画
    • 风景与自然
已有帐户? 登陆
  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.
字节跳动Mamoda2.5重磅发布:25B参数MoE统一多模态模型,视频生成编辑速度提升12-18倍
Prompt 语宙 > AI 工具 > 字节跳动Mamoda2.5重磅发布:25B参数MoE统一多模态模型,视频生成编辑速度提升12-18倍
AI 工具AIGC 资讯

字节跳动Mamoda2.5重磅发布:25B参数MoE统一多模态模型,视频生成编辑速度提升12-18倍

Prompt 语宙研究院
最近更新: 2026年5月24日 上午2:28
MoE稀疏激活 多模态大模型 字节跳动AI 文生视频 视频编辑
SHARE
⚡ Prompt 语宙 AI 导读 · 30 秒核心看点
  • 25B 参数 MoE 统一多模态模型,单模型覆盖理解、生成与视频编辑,打通 AIGC 全链路。
  • 720p 视频生成速度比同类模型快 12–18 倍,视频编辑在三大基准榜单均排名第一。
  • 联合少步蒸馏与强化学习后,480p 视频编辑延迟从 69 秒降至 9 秒,最高加速 95.9 倍。

💡 站外导读:AIGC时代,视频内容创作仍面临多重痛点:理解与生成模型分离导致误差累积,高分辨率视频生成动辄数十分钟,编辑任务缺乏统一框架。字节跳动Mamoda2.5应运而生,以AR-Diffusion统一架构打破壁垒,将多模态理解、文生图、文生视频、视频编辑集于单一模型,标志着行业从专用工具迈向通用智能生成的关键转折。

Mamoda2.5是什么

Mamoda2.5 是字节跳动推出的统一多模态 AR-Diffusion 模型,基于 128 专家细粒度 DiT-MoE 架构,总参数量 25B、每次仅激活约 3B。模型集多模态理解、文生图、文生视频、图像/视频编辑于一体,在 OpenVE-Bench、FiVE-Bench、Reco-Bench 视频编辑榜单均位列第一,720p 视频生成速度比同类模型快 12–18 倍。

阅读目录
  • Mamoda2.5是什么
  • Mamoda2.5的主要功能
  • Mamoda2.5的技术原理
  • 如何使用Mamoda2.5
  • Mamoda2.5的关键信息和使用要求
  • Mamoda2.5的核心优势
  • Mamoda2.5的项目地址
  • Mamoda2.5的同类竞品对比
  • Mamoda2.5的应用场景
      • 📝 站长洞察 (Editor’s Insight)

Mamoda2.5

Mamoda2.5的主要功能

  • 文生视频:根据文本描述生成 720p 高质量视频,推理速度比同类模型快 12–18 倍。
  • 视频编辑:支持添加、移除、替换、风格迁移和字幕编辑五种操作,在三大视频编辑基准均排名第一。
  • 文生图:依据多语言提示词生成高美学质量的静态图像。
  • 图像编辑:通过自然语言指令完成图像的局部修改、风格变换、人脸及姿态调整等。
  • 多模态理解:基于 Qwen3-VL-8B 实现视觉问答、OCR、图表解析等理解能力,与生成编辑形成统一闭环。

Mamoda2.5的技术原理

  • AR-Diffusion 统一架构:模型将”理解”与”生成”纳入单一端到端框架:前端采用自回归(AR)模块进行语义理解与指令解析,后端通过 Diffusion Transformer(DiT)迭代去噪生成视觉内容,避免了传统方案中理解模型与生成模型分离带来的误差累积和延迟问题。
  • 细粒度 DiT-MoE 稀疏激活:在扩散骨干中引入 Mixture-of-Experts(MoE)设计,设置 128 个 routed experts 与 1 个 shared expert,采用 Top-8 token 级路由策略。总参数量扩至 25B,但每轮前向传播仅激活约 3B 参数(稀疏度约 12%),在大幅提升模型容量的同时,将计算成本控制在密集模型的低水平。
  • MetaQueries 桥接机制:AR 理解模块通过一组可学习的 MetaQueries 激活生成专家(Gen Experts),将语义表征高效注入 DiT-MoE。设计保留了 AR 模型强大的指令理解能力,规避自回归视觉生成的高延迟与误差累积缺陷。
  • In-Context 多任务条件生成:所有任务(文生图、文生视频、图像/视频编辑)被统一建模为条件生成问题。多模态条件特征(指令文本、参考图像/视频、byT5 字符级文本编码)经精炼后与噪声隐变量沿序列维度拼接,DiT 对全局拼接序列执行自注意力,实现深层特征融合,无需为不同任务修改网络结构。
  • Dense-to-MoE Upcycling 初始化:为降低从头训练 25B MoE 模型的成本,团队提出三阶段上循环初始化:直接复用密集模型(Wan2.2 5B)的 Attention 与 LayerNorm 参数;对 FFN 层采用随机神经元采样策略,将 14,336 维中间神经元无重复地分配给 128 个细粒度专家;路由器权重随机初始化并配合 Expert Bias 负载均衡。消融实验表明该策略收敛速度提升约 2.2 倍。
  • 联合少步蒸馏与强化学习加速:针对视频编辑推理成本高的问题,构建联合蒸馏+RL 框架:以 30 步教师模型为基准,训练 4 步学生模型,同时去除 Classifier-Free Guidance(CFG)开销。蒸馏版在保持编辑质量的前提下,将 480p 视频编辑延迟从 69 秒压缩至 9 秒,相较开源基线实现最高 95.9 倍加速。
  • 高压缩 3D 因果 VAE:采用 Wan2.2 的 4×16×16 时空压缩 VAE,相比业界常用的 4×8×8 配置,空间 token 数量减少 4 倍,显著降低了 DiT 在视频长序列上的二次注意力计算开销与显存占用,是其实现 720p 视频 111 秒生成的关键工程基础。

如何使用Mamoda2.5

  • 访问官网:前往项目官网查看技术报告与演示案例。
  • 获取模型:关注 GitHub / HuggingFace 开源仓库,下载 25B MoE 检查点。
  • 环境配置:准备支持 MoE 推理的 GPU 环境,加载模型权重。
  • 调用任务:输入文本/图像/视频指令,选择对应任务模式(生成或编辑)。
  • 极速模式:如需极致速度,切换至 4-step 蒸馏版本进行视频编辑。

Mamoda2.5的关键信息和使用要求

  • 硬件:单设备可跑 720p 生成,但 25B MoE 模型仍需较高显存(稀疏激活约 3B,建议 24GB+ VRAM,具体以官方发布配置为准)。
  • 推理框架:需支持 MoE 稀疏激活的推理后端(如 vLLM、Megatron-LM 或团队自研推理代码)。
  • 依赖基座:理解模块基于 Qwen3-VL-8B,VAE 基于 Wan2.2,需配套加载。
  • 授权协议:待官方明确(通常为 Apache 2.0 或字节跳动自定义开源协议),商用需留意协议限制。
  • 快速体验:目前可通过官网查看 Demo 与论文;本地部署需等待开源仓库发布完整权重与启动脚本。

Mamoda2.5的核心优势

  • 一模型多任务:单一架构统一覆盖理解、生成、编辑,无需任务专属模型。
  • 极致推理效率:稀疏激活 + 高压缩 VAE,视频生成/编辑速度数量级领先。
  • SOTA 编辑能力:OpenVE-Bench、FiVE-Bench、Reco-Bench 均排名第一,超越 Kling O1。
  • 低成本扩展:Upcycling 初始化充分利用已有密集模型权重,避免从零训练 25B 参数的巨额开销。

Mamoda2.5的项目地址

  • 项目官网:https://mamoda25.github.io/
  • GitHub仓库:https://github.com/bytedance/mammothmoda
  • arXiv技术论文:https://arxiv.org/pdf/2605.02641

Mamoda2.5的同类竞品对比

对比维度 Mamoda2.5 Wan2.2 VInO
发布方 字节跳动 阿里 开源社区
核心定位 统一理解+生成+编辑 专用文生视频 专用视频编辑
架构 DiT-MoE(25B总参/3B激活) Dense DiT(28B-A14B) MMDiT + VLM(13B)
文生视频 支持,VBench 2.0 顶级 支持,开源标杆 不支持
视频编辑 SOTA,三榜第一 不支持 支持,开源前列
图像生成/编辑 支持 不支持 不支持
多模态理解 支持(Qwen3-VL-8B) 不支持 有限
统一单模型 是 否 是(仅限编辑)
720p生成速度 111秒 1366秒 —
480p编辑延迟 9秒(蒸馏版) — 882秒
开源状态 论文已发,权重待开源 已开源 已开源

Mamoda2.5的应用场景

  • 广告创意与内容审核:Mamoda2.5 已在字节跳动内部广告场景落地,用于创意视频编辑与内容安全修复,任务成功率达 98%。支持快速替换商品、添加品牌元素、修正字幕错别字。
  • 短视频批量生产:创作者可通过自然语言指令完成风格迁移(如”转成赛博朋克风”)、元素增删(如”去掉背景人物”)、季节变换等操作,单条 480p 视频编辑仅需 9 秒,适合日更级产能需求。
  • 电商视觉营销:一键生成商品展示视频,或基于实拍素材进行背景替换、模特换装、多语言字幕添加,降低拍摄与后期成本。
  • 影视与动画预演:导演与制片方可用文生视频快速生成分镜预演,通过视频编辑调整角色、场景与镜头运动,加速前期决策。
  • 教育与培训内容:将静态课件转为动态讲解视频,或对现有教学视频进行内容更新(如替换旧版 UI 界面、更新数据图表),无需重新录制。

📝 站长洞察 (Editor’s Insight)

Mamoda2.5的发布,标志着多模态AI进入“一模型多任务”的新范式。其核心创新在于AR-Diffusion统一架构——前端自回归理解、后端Diffusion生成的分工协作,既保留了大语言模型的指令解析能力,又规避了自回归视觉生成的延迟陷阱。128专家MoE的稀疏激活设计更显工程智慧:25B参数规模下仅激活3B,兼顾模型容量与推理效率,这正是工业级部署的关键。配合高压缩3D因果VAE和联合蒸馏强化学习,720p视频生成111秒、480p编辑9秒的速度,让实时创意迭代成为可能。从行业视角看,字节此举直指AIGC基础设施的制高点——当单一模型能覆盖理解到生成的全链路,内容生产的边际成本将急剧下降。值得关注的是,其Upcycling初始化策略复用Wan2.2权重,大幅降低训练成本,展现了高效利用现有AI资产的范式。随着开源临近,Mamoda2.5或将重塑视频生成与编辑的竞争格局,推动AI创作从工具走向平台。

❓ 常见问题解答(FAQ)
Mamoda2.5是什么模型?

Mamoda2.5 是字节跳动推出的统一多模态 AR-Diffusion 模型,基于 128 专家细粒度 DiT-MoE 架构,总参数量 25B、每次仅激活约 3B,可统一处理多模态理解、文生图、文生视频和图像/视频编辑任务。

Mamoda2.5的视频生成速度有多快?

文章给出的结论是,Mamoda2.5 的 720p 视频生成速度比同类模型快 12–18 倍;在视频编辑场景中,蒸馏版可将 480p 编辑延迟从 69 秒压缩到 9 秒。

Mamoda2.5适合哪些使用场景?

它适合需要统一处理生成与编辑的 AIGC 场景,包括文生视频、视频剪辑式编辑、文生图、图像局部修改,以及视觉问答、OCR、图表解析等多模态理解任务。

🔬 语宙深潜追问 · 进阶实操拆解
MoE 统一多模态的落地难点在哪?

难点在路由稳定性、跨模态对齐和推理链一致性。虽然激活参数更少,但训练和部署要兼顾图像、视频、编辑和理解任务,任何一环不稳都会影响整体体验。

视频编辑速度提升 12-18 倍意味着什么?

意味着交互式编辑开始接近“所见即所得”,能显著提升创作效率和试错频率。但实际落地还要看分辨率、复杂动作、风格一致性和成本控制,不能只看单次速度。

🗳️ 读者观点微投票 · 您的实战立场是?
25B MoE 多模态,真能替代重型大模型吗?
🕸️ 语宙向量知识图谱 · 语义强关联深度内链
  • 美团开源LongCat-Flash-Lite:685亿参数MoE大模型,仅激活30亿参数实现256K超长上下文推理
  • 字节跳动开源Lance 3B:仅30亿参数,一个模型同时搞定AI看图、写图、剪视频
  • 字节豆包推出首款全模态理解模型Doubao-Seed-2.0-lite:视频、图像、音频、文本原生统一,Agent能力全面升级
  • 阿里重磅开源通义万相Wan2.2:270亿参数MoE架构,消费级显卡畅享电影级AI视频生成
🏛️ Prompt 语宙研究院 · Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
📄 Markdown 纯净版
💡 这篇内容对您有启发吗?
📡 RSS 订阅✨ 提交 AI 工具 / 合作
🚀 Prompt 语宙 AI 创作者生态:探索 2,800+ 全球实用 AI 工具与高精度生图提示词咒语库
🧭 语宙 AI 导航 (ai.paooo.com)🎨 AI 生图 Prompt 库📚 核心专题导航⚡ AIGC 早报生成器
DeepSeek Artifacts – Hugging Face推出的AI编程工具,基于DeepSeek V3
Hinge创始人筹资1800万美元,推出全新AI语音约会服务Overtone
TPDM – 西湖大学联合北大等高校推出的时间预测扩散模型
AMD正式完成82亿美元收购World Labs交割!AI教母李飞飞出任执行副总裁兼首席科学家直向苏姿丰汇报,剑指3D世界模型与具身算力协同
ABot-Earth0.5 – 高德推出的全球首个3D原生城市世界模型
TAGGED:MoE稀疏激活多模态大模型字节跳动AI文生视频视频编辑
分享
Email 复制链接 打印
Share
Prompt 语宙研究院 头像
ByPrompt 语宙研究院
Follow:
Prompt 语宙研究院(paooo.com Research)专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示词工程(Prompt Engineering)与全球高增长 AI 生产力工具实测追踪,致力于为中文开发者与创作者提供一手、可复现的深度技术洞察。
上一篇 xAI重磅发布Grok Voice Think Fast 1.0:语音AI智能体技术领先,转化率提升20% xAI重磅发布Grok Voice Think Fast 1.0:语音AI智能体技术领先,转化率提升20%
下一篇 Models.dev 开源了!一站式 AI 模型数据库,开发者选型成本估算终极指南 Models.dev 开源了!一站式 AI 模型数据库,开发者选型成本估算终极指南
Ad image
Ad image

最近更新

Latent Space 对话 Black Forest Labs 核心创始人 Andreas Blattmann 与 Dustin Podell:从 FLUX 到视觉智能与世界动作模型
视觉智能为什么不能只靠静态图片?对话Black Forest Labs创始人:FLUX 3音画联合训练、扩散与自回归之争及世界动作模型全拆解
强化 AI 学习
Google 官方详解网站迁移至 CDN 如何避免爬虫流量激增打崩源站与误封 Googlebot 导致搜索掉收录
刚切上CDN源站反被爬虫打崩?Google官方拆解迁移翻车悖论:冷缓存雪崩、验证码误杀与预热止血指南
AI 工具
GitHub 正式上线 Repository insights 页面,集中展示 Copilot 代码审查采纳率与评论分类统计结果
AI代码审查到底有没有被采纳?GitHub上线Repository insights与repos-1-day API:四维信号、力度趋势及统计陷阱全拆解
AI 工具
Forrester AI 颠覆评估模型 17 大技术与服务品类分布图:呈现受颠覆、中立、争夺与加速四类市场象限及细分赛道数量
80%技术市场面临AI重塑冲击!Forrester拆解200+细分赛道颠覆矩阵:四大象限与Top 20合同采购谈判实战
最新趋势

相关推荐

Unique3D – 清华大学团队开源的图像到3D生成模型
AIGC 资讯

Unique3D – 清华大学团队开源的图像到3D生成模型

Prompt 语宙研究院
3D与空间智能 HuggingFace 开源大模型
AlphaEval – 跨赴科技等推出的生产级 Agent 评测框架
AIGC 资讯

AlphaEval – 跨赴科技等推出的生产级 Agent 评测框架

Prompt 语宙研究院
AI办公效率 AI智能体 AI编程 开源大模型
xAI被曝曾利用Claude输出数据训练编码模型,因Anthropic撤销权限转入地下提取
AIGC 资讯

xAI被曝曾利用Claude输出数据训练编码模型,因Anthropic撤销权限转入地下提取

Prompt 语宙研究院
AI编程 Anthropic Claude Grok OpenAI
阿里健康氢离子集齐三大医学顶刊,成国内首个获 NEJM、JAMA、BMJ 全文授权的医学 AI 平台
AIGC 资讯

阿里健康氢离子集齐三大医学顶刊,成国内首个获 NEJM、JAMA、BMJ 全文授权的医学 AI 平台

Prompt 语宙研究院
AI办公效率 AI智能体 RAG检索增强 开源大模型
/ Prompt 语宙 /

探索生成式 AI 的无限创作潜能,一站式获取前沿 AIGC 资讯、高阶 Prompt 咒语与全球实用 AI 工具。

核心专栏

  • 语宙 AI 工具导航
  • EVA 视觉抠图工坊Hot
  • 出海数字营销宝典
  • AI 生图咒语灵感库
  • 24H 硅谷 AI 情报流

生态与服务

  • 语宙 AI 导航
  • 全部资讯
  • AI 生图咒语库
  • AIGC 早报生成器
  • 核心专题
  • 提交工具 / 合作

标签

开源大模型 AI智能体 AI办公效率 AI绘画提示词 OpenAI 大模型微调 Midjourney AI编程 stable diffusion AI视频生成 ChatGPT 3D与空间智能 HuggingFace AI音频与语音 RAG检索增强 Claude Flux AIGC Gemini 通义千问 Anthropic Llama Cursor DeepSeek Prompt AI Agent Kimi 智谱AI 具身智能 YouTube
Prompt 语宙Prompt 语宙
Follow US
© 2023–2026 Prompt 语宙 (paooo.com). HalfPX. All Rights Reserved.