Seedream 5.5 实测：同一张 LLM 原理图连改 30 轮，单轮改动最小仅 1.02%

一句话看懂：NLP 研究者 Dongxi 东锡在豆包中使用 Seedream 5.5，对一张 LLM 推理原理图在同一对话里连续编辑 30 轮，用来检验图像模型能否支撑技术写作中的多轮反复修改。这件事值得关注，因为它测试的是图像生成在“迭代修改”上的稳定性，而不只是单次出图效果。

事件核心：发生了什么

2026 年 11 月 10 日，Dongxi 东锡在 X 上分享了这次实验。他用 Seedream 5.5 为 LLM 推理和后训练绘制了三张原理图，其中一张以 Qwen3-0.6B 回答 “Is OpenAI open?” 的完整流程为主题，覆盖 Request、Prefill、Decode 三个阶段，共 9 个 token，图中包含三栏、11 个模块框、九个 token 方块、chat template 原文、概率条和颜色图例。

第一版定稿后，他在同一对话中继续提了 30 轮修改，每轮只改一到两处，指令以“继续编辑最新这张图”开头，并附带“其余所有内容完全不变”。据其统计，30 轮中单轮改动面积最大仅占画面的 1.02%，未提及的文字基本保持原位。修改内容大致分四类：补充 sampling 参数、KV cache 编号等细节；调整栏目标题和中英文说明；描色、标注、加图例；以及改掉标题后又改回。

为什么重要

技术原理图很少一次成稿，作者通常会随着思路变化反复调整。图像模型能否在多轮编辑中“只改指定处、不动其他部分”，直接决定它能否进入真实的写作和文档工作流。目前公开信息显示，这次实验来自个人使用记录，并非官方产品公告或系统评测，样本也只有一张图和 30 轮操作，因此不能据此推断模型在任意复杂图表上的稳定性。但它至少提供了一个具体观察角度：图像生成产品的竞争点，正在从单张成图质量转向可控的连续编辑能力。

对用户/开发者/创作者的影响

对写技术博客、做课程材料和维护文档的创作者来说，这类能力意味着可以把示意图当作可维护的素材，逐步补参数、改标注，而不必每轮重画。对开发者而言，它提示图像生成在流程图、原理图等结构化内容上的实用性在提升，但复杂中文排版、精确文字和数值仍需逐项核对。对普通用户，多轮编辑降低了反复生成和挑选的成本，但目前仍应以“辅助作图”而非“自动出图”来预期。