Ideogram 发布 4.0 开放权重图像模型：支持本地微调与部署

Ideogram 4.0 是 Ideogram 推出的首款开放权重文生图模型，参数量 9.3B。它能让你在自建硬件上本地部署和微调，直接生成带精准多语言排版、原生 2K 分辨率以及透明背景的设计级图像。

过去开源生图模型最让人头疼的是文字排版和复杂布局，字总容易拼错，物体位置也全凭运气。Ideogram 4.0 试图解决这个痛点，它引入了结构化的 JSON 提示词接口，支持用边界框来锁定元素位置，还允许直接指定调色板。

它的能力与评测表现

这颗 9.3B 的模型是从头训练的基础模型，官方表示并非基于现有模型微调。

在文字渲染基准 X-Omni OCR 上，它的排版表现超过了 20B 的 Qwen-Image、32B 的 FLUX.2 dev 以及 80B MoE 的 HunyuanImage 3.0。在专门衡量布局控制的 7Bench 测试中，其得分甚至明显超过了主流闭源模型。

第三方榜单也有类似印证。在面向设计的评测榜 DesignArena 上，Ideogram 4.0 拿下开放权重模型第一名，总榜仅落后于 OpenAI 和 Google 的闭源模型。在 LMArena 的文生图通用榜单上，它同样位列开源模型第一，总榜排进前五。

设计平台 ContraLabs 邀请了 10 位专业设计师进行盲测。在四款模型的对决中，Ideogram 4.0 以 47.9% 的首选率位列第一，高于 Gemini 3.1 Flash Image Preview 的 30.0%、FLUX.2 max 的 15.5% 以及 Grok Imagine 1.0 的 15.0%。针对「是否会用在真实客户项目中」的打分，它也拿到最高的 3.55 分（满分 5 分）。

怎么在本地跑起来

目前 Ideogram 在 Hugging Face 上放出了两个量化版本的权重，分别是支持 CUDA 与 Diffusers 的 nf4 版本，以及兼容所有硬件的 fp8 版本。

代码仓库已在 GitHub 开源。下载权重前需要先在 Hugging Face 页面签署协议，并配置好访问令牌。

在生成流程上，它做了一个取巧的设计：模型底层依赖结构化 JSON 输入，官方提供了一个「Magic Prompt」提示词扩展机制。本地推理默认会调用官方免费的 API 将自然语言转为 JSON，如果你想完全离线运行，也可以接入自己的大语言模型，官方开源了对应的系统提示词。

想要生成最高画质，可以将分辨率设为 2048×2048 并选择高质量采样器预设。除了本地部署，模型目前也已经在 ideogram.ai 网页端全线付费方案以及官方 API 中同步上线。

为什么重要

如果你是经常需要做海报、社交媒体图或 UI 素材的设计师与独立开发者，Ideogram 4.0 非常值得现在去试。过去商业级海报往往必须依赖闭源商业接口，现在本地就能跑出带精准文字和透明通道的 2K 图像，二次微调的自由度也大幅提升。

不过需要注意，当前发布的权重采用的是 Ideogram 4 Non-Commercial 非商业许可证，商用依然需要通过官方平台或 API。我们认为，这一步把开源画图模型的竞争焦点从「堆参数拼画质」拉回到了「可用性与文字排版」上；9.3B 的体量能在文字和布局上反超更大规模的同类，看起来会给后续开源生图项目带来不小的追赶压力。