A equipe da ByteDance Seed lançou o Seedream 5.0 Pro, seu mais recente modelo multimodal para criação de imagens. Este lançamento ocorreu em 8 de julho, quase cinco meses após a versão preliminar, e inclui visualização de informações complexas, edição precisa, qualidade de fotografia real e geração nativa em vários idiomas dentro de 17 cenários de teste.
A nova versão do modelo aprimora funções básicas, como correspondência entre texto e imagem, coerência estrutural, exibição de texto e estética visual. Além disso, foram adicionadas quatro capacidades chave: capacidade de visualização complexa de informações, edição interativa e precisa, imagem realista e qualidade de retrato, além de suporte à entrada e geração em idiomas nativos.
O custo de uso é determinado pelo tamanho das imagens de entrada e saída. Para resultados de até 2,36 megapixels, a primeira imagem de entrada é gratuita; as imagens de entrada subsequentes custam US$ 0,003, e as de saída custam US$ 0,041. Para resultados maiores, os preços são escalonados de forma correspondente. O modelo agora está disponível no centro de experiência Volcengine Ark e será implementado nas plataformas Doubao e Jimeng.
Durante testes extensivos em 17 cenários, o Seedream 5.0 Pro demonstrou alta eficácia na criação de pôsteres comerciais, fotografia realista, edição precisa localizada e criação de pôsteres multilíngues. O modelo é capaz de trabalhar com infográficos complexos que possuem layouts de três colunas, visualizações de divisão de custos de robôs e esquemas de popularização da ciência que explicam a arquitetura de chips AI HBM.
As melhorias notáveis incluem layouts com guias de grade, demonstrando oito categorias de modelos de IA em formato de cartão, pôsteres de inverno promocionais em estilo pergaminho vintage e layouts de interface de usuário de comércio eletrônico. O modelo mantém um estilo visual uniforme ao receber instruções estilísticas e mostra grande força no design de pôsteres comerciais, onde a exibição de texto, hierarquia e posicionamento de elementos decorativos funcionam de forma confiável.
Os recursos de edição precisa permitem substituir materiais locais em áreas específicas, mantendo a perspectiva original, a sombra e a iluminação ambiente. O modelo suporta a separação de camadas, o desenho de esboços e a geração de texto em vários idiomas, sendo que a exibição de texto em chinês foi significativamente melhorada em comparação com a versão preliminar, embora ainda ocorram alguns erros complexos em caracteres chineses em infográficos densos.
O Seedream 5.0 Pro representa uma resposta competitiva da ByteDance ao cenário em rápida evolução da geração de imagens por IA, competindo com modelos como ChatGPT Images 2.0. O objetivo do modelo é eliminar a lacuna entre as necessidades de profissionais criativos em design de informação, gráficos comerciais e saída fotorrealista. A equipe Seed continua trabalhando para resolver problemas remanescentes relacionados à exibição complexa de texto e consistência de caracteres em diferentes gerações.
O primeiro semestre de 2026 foi um período de transformações significativas para a inteligência artificial focada na geração de imagens e vídeos. Desenvolvedores globais e chineses lançaram grandes atualizações, alterando o cenário competitivo. A indústria evoluiu da simples criação de conteúdo para o desenvolvimento de soluções complexas para fluxos de trabalho, como o modelo Seedance 2.0 da ByteDance e o modelo especializado em anime da Midjourney.
Janeiro foi marcado pelo lançamento do Midjourney Niji 7, que melhorou a detalhamento e a coerência do estilo anime, embora o renderização de texto continuasse sendo uma fraqueza. O Google atualizou o Veo 3.1 com o recurso Ingredients to Video, permitindo o uso de imagens de referência para controlar objetos, texturas, fundos e personagens, além de suportar saída vertical nativa em 4K. A Zhipu AI liberou o código-fonte do GLM-Image — uma arquitetura híbrida de 16 bilhões de parâmetros que combina componentes autorregressivos de 9B e difusão de 7B para melhorar a qualidade do render de texto. Além disso, a Luma AI lançou o Ray 3.14, que oferece saída nativa em 1080p com quatro vezes mais aceleração de geração e redução de custo em três vezes. A Tencent apresentou o HunyuanImage-3.0 nas variantes Instruct e Distil; a versão Distil é otimizada para implantação mais eficiente através da redução dos passos de amostragem, embora exija um volume significativo de memória.
Fevereiro foi notado pela atividade das empresas chinesas. A Kuaishou lançou o Kling AI 3.0, que suporta geração de imagens em resolução 2K e 4K, além de controle aprimorado sobre a narrativa em vídeo e coerência quadro a quadro com áudio nativo. A Alibaba apresentou o Qwen-Image-2.0, capaz de processar instruções de até 1000 tokens, focado na criação de conteúdo rico em texto, como infográficos, pôsteres e apresentações, com forte renderização multilíngue de texto. A equipe Seed da ByteDance apresentou o Seedance 2.0 — uma arquitetura multimodal unificada para geração de áudio-vídeo, que aceita texto, imagem, áudio e vídeo como entrada, utilizando até 9 imagens de referência, 3 clipes de vídeo e 3 clipes de áudio para criar conteúdo audiovisual quadro a quadro de até 15 segundos. Este modelo demonstrou habilidades excepcionais em linguagem cinematográfica e física do movimento, mas imediatamente gerou discussões sobre direitos autorais e propriedade intelectual.
O período de março a junho foi caracterizado pelo desenvolvimento contínuo das tecnologias. A ByteDance lançou o Seedream 5.0 Lite, concentrando-se no raciocínio aprofundado para aumentar a precisão da geração, incluindo melhorias através de busca em tempo real. O Google apresentou o Nano Banana 2, posicionando-o como uma alternativa mais rápida e econômica à versão Pro. O modelo SkyReels-V4 da Kunlun ocupou o segundo lugar no ranking mundial para tarefas text-to-video sem considerar áudio. A ByteDance também lançou o Seedance RL, um modelo de vídeo com elementos de raciocínio, que utiliza aprendizado por reforço para melhorar a qualidade das ações. A Xiaomi lançou o MiaoMi para criação de quadrinhos de IA. A Anthropic demonstrou impressionantes capacidades de geração cinematográfica com o Claude Mythos 5, garantindo a estabilidade dos personagens entre cenas. O Kling AI abriu seu marketplace de API. A Alibaba Cloud lançou o Happy Horse 1.1, visando qualidade adequada para curtas narrativas dramáticas e publicidade. No geral, a indústria mostrou uma tendência clara: os modelos estão se transformando de ferramentas de geração autônomas em plataformas de fluxo de trabalho integradas, que suportam entradas multirreferenciais, áudio nativo e controle preciso de movimento em toda a etapa de produção de conteúdo.
