做图一直被「文字总糊成乱码」坑的人,可能要留意一下:Ideogram 昨天把自家第 4 代图像模型开源了,而它最能打的,恰恰是「把字写对」。🧐
先说它是什么。Ideogram 4 是个 9.3B 参数的文生图模型,从头训练,文本编码器用的是 Qwen3-VL-8B。关键在于权重是真放出来了——HF 上有 nf4 和 fp8 两个量化版,能自己拉下来本地跑,最高到 2K 分辨率。
它到底强在哪?一句话:开源里排第一,但还没到「干翻闭源」。在偏设计的 Design Arena 榜上,它是开源模型里的头名,整体只输给 GPT 和 Gemini 那几个闭源的。真正亮眼的是文字渲染——就 9.3B 这个体量,把字写对这件事,它压过了更大的 Qwen-Image(20B)、FLUX.2(32B),甚至 80B 的 HunyuanImage。🎨
有没有第三方测?有一个:ContraLabs 找了 10 位专业设计师盲评,Ideogram 4 拿第一的比例 47.9%,Gemini 3.1 Flash 是 30%,FLUX.2 是 15.5%。但得看清楚——这是「设计、排版」场景、而且只有 10 个人的小样本,不等于所有出图质量都第一。
为什么单拎「写字」出来说?因为这一直是文生图的老大难。扩散模型本质是在「画」像素,不是在「排」字,所以一到长句、中英混排、特定字体,经常糊成一团看不清。能把字稳定写对、还排得整齐,过去基本是闭源模型的专利——开源这边能做到这个水平的,确实不多。
能商用吗?这是最大的坑:它是非商业许可。⚠️ 自己玩、练手、做 demo 都没问题,但真要拿去接商单、塞进产品里卖,就得先把许可看明白,别下载完就当成免费商用素材机。
说到底,它最适合的是那种「图里必须有字、还得排得好看」的活儿:海报、logo 草稿、带文案的配图。这本来就是 Ideogram 的看家本事,现在还能自己部署了。
转给那个总抱怨「AI 写不好字」的设计师朋友——这次可能真不一样了。
链接 · 👇 第一条评论
关注 @svtransit1 · 写给真在用 AI 的人
#AI #文生图 #开源 #Ideogram #AI绘画
原始来源：https://ideogram.ai/blog/ideogram-4.0/
关注 @svtransit1 · 每 3 小时一篇 AI 前线 · RSS