Ideogram 釋出 4.0 開放權重影像模型：支援本地微調與部署

Ideogram 4.0 是 Ideogram 推出的首款開放權重文生圖模型，引數量 9.3B。它能讓你在自建硬體上本地部署和微調，直接生成帶精準多語言排版、原生 2K 解析度以及透明背景的設計級影像。

過去開源生圖模型最讓人頭疼的是文字排版和複雜佈局，字總容易拼錯，物體位置也全憑運氣。Ideogram 4.0 試圖解決這個痛點，它引入了結構化的 JSON 提示詞介面，支援用邊界框來鎖定元素位置，還允許直接指定調色盤。

它的能力與評測表現

這顆 9.3B 的模型是從頭訓練的基礎模型，官方表示並非基於現有模型微調。

在文字渲染基準 X-Omni OCR 上，它的排版表現超過了 20B 的 Qwen-Image、32B 的 FLUX.2 dev 以及 80B MoE 的 HunyuanImage 3.0。在專門衡量佈局控制的 7Bench 測試中，其得分甚至明顯超過了主流閉源模型。

第三方榜單也有類似印證。在面向設計的評測榜 DesignArena 上，Ideogram 4.0 拿下開放權重模型第一名，總榜僅落後於 OpenAI 和 Google 的閉源模型。在 LMArena 的文生圖通用榜單上，它同樣位列開源模型第一，總榜排進前五。

設計平臺 ContraLabs 邀請了 10 位專業設計師進行盲測。在四款模型的對決中，Ideogram 4.0 以 47.9% 的首選率位列第一，高於 Gemini 3.1 Flash Image Preview 的 30.0%、FLUX.2 max 的 15.5% 以及 Grok Imagine 1.0 的 15.0%。針對「是否會用在真實客戶專案中」的打分，它也拿到最高的 3.55 分（滿分 5 分）。

怎麼在本地跑起來

目前 Ideogram 在 Hugging Face 上放出了兩個量化版本的權重，分別是支援 CUDA 與 Diffusers 的 nf4 版本，以及相容所有硬體的 fp8 版本。

程式碼倉庫已在 GitHub 開源。下載權重前需要先在 Hugging Face 頁面簽署協議，並配置好訪問令牌。

在生成流程上，它做了一個取巧的設計：模型底層依賴結構化 JSON 輸入，官方提供了一個「Magic Prompt」提示詞擴充套件機制。本地推理預設會呼叫官方免費的 API 將自然語言轉為 JSON，如果你想完全離線執行，也可以接入自己的大語言模型，官方開源了對應的系統提示詞。

想要生成最高畫質，可以將解析度設為 2048×2048 並選擇高質量取樣器預設。除了本地部署，模型目前也已經在 ideogram.ai 網頁端全線付費方案以及官方 API 中同步上線。

為什麼重要

如果你是經常需要做海報、社交媒體圖或 UI 素材的設計師與獨立開發者，Ideogram 4.0 非常值得現在去試。過去商業級海報往往必須依賴閉源商業介面，現在本地就能跑出帶精準文字和透明通道的 2K 影像，二次微調的自由度也大幅提升。

不過需要注意，當前釋出的權重採用的是 Ideogram 4 Non-Commercial 非商業許可證，商用依然需要通過官方平臺或 API。我們認為，這一步把開源畫圖模型的競爭焦點從「堆引數拼畫質」拉回到了「可用性與文字排版」上；9.3B 的體量能在文字和佈局上反超更大規模的同類，看起來會給後續開源生圖專案帶來不小的追趕壓力。