2026 年 6 月 13 日，字节跳动正式开源轻量化多模态大模型 Lance。按照项目资料介绍，Lance 采用 3B 参数规模，目标是在较低硬件门槛下提供图文生成、图片修复、图文问答、短视频脚本创作等常见多模态能力。对于长期被云端额度、显卡成本和部署复杂度限制的普通用户来说，这类轻量模型的意义，是让 AI 工具从“网页服务”进一步变成可以安装在个人电脑里的本地生产力组件。 Lance 的定位并不是追求最大模型参数，而是强调性能、响应速度与设备友好性之间的平衡。用户在本地完成图片和文字处理时，素材不必默认上传到云端，这对照片修复、私有资料解读、内部文案草稿和个人创作项目都更友好。自媒体从业者可以用它处理配图、修复旧素材或生成视频脚本初稿；学生可以用它完成图文资料理解和作业配图；独立开发者则能够把模型能力封装进桌面工具、网页小应用或行业模板。 更值得关注的是，字节这次同步提供了部署教程、示例文件和工具模板，降低了非专业用户的试用门槛。若 Windows 本地一键部署脚本、图片扩图、老照片修复、文字生图、图文总结等工具包能够稳定运行，Lance 就不只是一个模型仓库，而会成为轻量化本地 AI 应用的基础模块。它让开发者有机会围绕真实场景做二次封装，也让普通用户看到“离线可用、隐私更可控、成本更低”的 AI 使用路径。 当然，轻量化模型也意味着它不应被简单等同于大型云端多模态系统。复杂推理、长视频理解、精细商业设计和高精度行业任务，仍可能需要更强算力和更成熟的工作流支持。但从民用角度看，Lance 代表了一条更务实的路线：把高频、基础、可本地完成的图文能力先做轻、做稳、做易用，再通过开源社区和开发者生态慢慢扩展边界。

Lance 的现实价值在于把多模态 AI 的部署条件从专业工作站压低到普通个人电脑。对内容创作者而言，它提供了更低成本的图文生产入口；对开发者而言，开源源码、模板和微调接口意味着可以继续做行业化封装；对注重隐私的用户而言，本地处理图片和文本可以减少素材外传带来的顾虑。

Lance 官方项目主页：https://lance-project.github.io/ GitHub 开源源码仓库：https://github.com/bytedance/Lance 字节跳动开发者平台公告：https://developer.bytedance.com/docs/news/lance-model