2146 tokens/s！字節跳動發布極速代碼生成模型Seed Diffusion，速度暴漲5.4倍

大數據文摘出品

最近，字節跳動發布了一款全新的AI代碼生成模型“Seed Diffusion Preview”。

這款模型采用了完全不同于以往的生成方式，不再是“一個詞一個詞”地慢慢生成，而是整段代碼并行生成，一次生成多個片段。

據官方披露，Seed Diffusion Preview在Nvidia H20 GPU上的生成速度高達2146個token每秒，比傳統模型提升了最多5.4倍。

與傳統的自回歸模型不同，這款新模型采用“離散狀態擴散”（discrete-state diffusion）的方法，將圖像擴散模型的思路移植到了文字和代碼領域。

它的工作原理是：先制造一段帶有噪聲和占位符的初始代碼，然后一步步地“復原”出真實的代碼，而不是從頭開始一個字符一個字符地拼湊。

這樣的結構，使得模型可以一次性生成多個部分，再通過Transformer建模依賴關系，并結合因果順序與軌跡蒸餾來提升一致性。

在多項基準測試中，Seed Diffusion Preview的表現不輸其它主流模型，在代碼編輯等任務中表現尤為突出。

01 雙階段訓練機制

為了兼顧速度和質量，字節跳動為Seed Diffusion Preview設計了一套雙階段訓練機制。

第一階段采用遮罩訓練，將部分代碼替換為特殊的占位符，訓練模型還原這些被遮罩的內容。但單靠這一階段會產生一個問題：模型可能忽視未被遮罩的部分，只是盲目復制原文而不加檢驗。（前 80%）

獨立性假設：

邊際概率分布：

為此，團隊加入了第二階段：基于編輯的訓練，引入插入和刪除操作，強迫模型檢查并修正所有部分，不只是那些被遮擋的片段。

此外，字節跳動還優化了代碼的生成順序。

模型通過約束順序訓練引導模型遵循依賴關系（如先聲明后使用），以提升完整性與可執行性。

訓練語料是，在常規代碼語料基礎上，額外用預訓練擴散模型生成軌跡并篩選蒸餾，以提升順序與一致性。

02 瞄準谷歌，進軍復雜推理領域

Seed Diffusion Preview不僅是一個技術展示，它的推出也有明確的對標對象。

谷歌在今年5月推出了Gemini Diffusion模型，同樣主打代碼生成。字節跳動此舉，正面迎戰谷歌。

從性能對比看，Seed Diffusion Preview在推理速度上全面領先，并且在代碼編輯、生成結構完整代碼方面也能與之抗衡甚至超越。（即在作者給定設置下速度更快，由于硬件與評測差異，跨模型直接對比需謹慎）

特別是在并行解碼方面，Seed Diffusion Preview采用了“自我優化生成機制”（同策略學習（on-policy）。

在訓練中引入驗證器的同策略目標，以減少生成步數并維持質量。

此外，字節跳動針對擴散生成流程開發了內部的框架支持工具鏈，優化了整個軟件棧。

生成過程中，雖然各個代碼塊并行生成，但整體上仍然保持邏輯順序，保證變量依賴關系和執行順序的正確性。

未來，字節跳動計劃繼續擴大模型規模，并嘗試將這種并行擴散架構推廣到更復雜的推理任務中。

目前，該模型已有在線演示版本。不過因為太火，顯示服務繁忙。

https://studio.seed.ai/exp/seed_diffusion/

作者長期關注 AI 產業與學術，歡迎對這些方向感興趣的朋友添加微信Q1yezi，共同交流行業動態與技術趨勢！

GPU 訓練特惠！

H100/H200 GPU算力按秒計費，平均節省開支30%以上！

掃碼了解詳情?