New Hot

Ideogram 4.0 正式开源:9.3B 参数文生图模型发布,训练与推理都用结构化 JSON 提示词

IdeogramIdeogram 4.0开放权重文生图扩散模型

Ideogram 发布首个开放权重模型 Ideogram 4.0,参数量 9.3B,采用单流扩散 Transformer 与 Qwen3-VL 文本编码器。模型训练和推理都只接受结构化 JSON 提示词,官方同时给出 QUALITY、DEFAULT 与 TURBO 三档采样预设,并把完整模型卡与基准结果一并开放。

Ideogram 4.0 开源 9.3B 文生图模型

Ideogram 4.0 是 Ideogram 第一个开放权重模型,9.3B 参数,训练与推理都只吃结构化 JSON 提示词。 官方同时公开了模型结构、采样预设与评测方式。

模型结构

官方原文称:“Ideogram 4.0 is a 9.3B parameter open-weight text-to-image model.”

  • 主干是 34 层单流扩散 Transformer,文本与图像 token 在每一层共用投影。
  • 文本编码器用 Qwen3-VL-8B-Instruct,取 13 个中间层的隐藏状态沿特征维拼接。
  • 解码端是冻结的 KL 自编码器,采样用 flow matching 配合 Euler 求解器。
  • 无条件分支不补 padding,而是直接丢掉文本 token,只跑图像 token。

提示词格式与采样预设

  • 训练数据全部是结构化 JSON 描述,含逐元素样式、可选边界框与配色。
  • 参考管线会先按 schema 校验提示词,解析失败就直接拒绝。
  • V4 QUALITY 48 跑 45 步、guidance 7,再用 3 步 polish 降到 3;DEFAULT 20 与 TURBO 12 分别用 2 步和 1 步 polish。

开放到什么程度

官方称这是其首个开放权重模型,模型卡给出完整基准拆解;对比对象包括 GPT Image 2 与 Nano Banana 2,SpatialGenEval 统一用 gemini-2.5-flash 判分。(来源:Ideogram 官方博客)

提示词改为 JSON,不合 schema 会被拒绝

对需要私有部署或二次训练的团队,这是第一次能直接拿到 Ideogram 的权重和推理约定。 对日常出图的人,变化主要在提示词从自然语言变成 JSON。

提示词写法要改

官方把提示词定义成结构化对象,元素、样式、位置分开描述。习惯了长句描述的设计师需要先学会按字段拆画面,否则输入会被 schema 拒绝。

部署与二次开发

9.3B 的体量意味着需要一块能放下模型权重与文本编码器的显卡。从官方描述看,文本编码器与自编码器都是冻结的,可训练部分集中在扩散 Transformer,二次微调的范围因此比较明确。

自建管线的团队值得试,JSON 输入是前提

从实际使用角度看,自建图像管线的团队值得试:开放权重意味着可以把模型放进自己的推理集群,不必受 API 限流约束。判断条件是你能接受 JSON 提示词这套输入规范。

适合谁先上手

需要批量生成、私有部署或做领域微调的团队收益最直接。只用官方 SaaS 出图的设计师可以继续用现成界面,不必立刻迁移。

上手步骤

  1. 从官方博客与模型卡确认权重下载方式、许可范围与显存要求。
  2. 按官方 schema 写一版 JSON 提示词,先用 V4 TURBO 12 快速验证构图。
  3. 需要细节时切到 V4 QUALITY 48,对比 polish 阶段的差异。

想先看另一个开放权重模型的更新节奏,可以读 FLUX 3 的版本说明。

常见问题

Ideogram 4.0 是开源模型吗?
是,官方称它是 Ideogram 第一个开放权重模型,参数量 9.3B,并提供模型卡与基准结果。
Ideogram 4.0 支持自然语言提示词吗?
官方参考推理管线只接受结构化 JSON 提示词,不通过 schema 校验的输入会被直接拒绝。
Ideogram 4.0 有哪些采样预设?
官方列出 V4 QUALITY 48、V4 DEFAULT 20 与 V4 TURBO 12 三档,步数与 polish 阶段不同。

相关术语

开放权重
开放权重指厂商公开模型参数,允许第三方下载、部署或继续训练。
扩散 Transformer
扩散 Transformer 是用 Transformer 主干执行扩散去噪的图像生成架构。
Classifier-free guidance
Classifier-free guidance 是把有条件与无条件预测按权重混合的采样技术,用来调节提示词贴合度。
JSON 提示词
JSON 提示词是把画面元素、样式与位置写成结构化字段,而不是一段自然语言描述。

这篇文章的来源是什么?

文中涉及版本、价格与功能的信息,均以厂商原文为准;下面是可以核对的原始出处。

「Ideogram 4.0: Our first open-weight model」 —— Ideogram

搜索文章

输入关键词,快速查找标题和正文内容。