Ideogram 4.0 开源测评：93亿参数文字生成AI性能登顶全球第四

6月3日，AI图像生成平台Ideogram正式发布了开放权重文生图模型Ideogram 4.0。根据官方公布的基准测试结果，该模型已经成为当前性能领先的开源图像生成模型之一，尤其在文字生成与版式控制能力上有了质的飞跃——这一点，过去一直是开源模型的软肋。

Ideogram 4.0的核心规模达到93亿参数（9.3B），采用了近年来主流开源模型普遍使用的单流（Single-Stream）架构设计。简单来说，文本Token与图像Token在统一的自注意力序列中进行联合建模，从而大幅提升文本与视觉内容之间的协同生成能力。与此同时，模型将“设计可控性”作为核心目标，在训练和推理阶段都强化了对布局、排版和视觉元素的控制。

为了增强版式控制能力，Ideogram在训练过程中引入了对象与文本的边界框（Bounding Box）数据，让模型能够理解图像元素之间的空间关系。同时还结合结构化JSON字幕数据进行训练，用户现在可以通过提示词更精准地控制对象位置、文本布局以及整体排版结构——这已经非常接近专业设计工具的创作体验了。

在第三方评测方面，DesignArena最新榜单显示，Ideogram 4.0已经超越了Nano Banana Pro，位列全球第四。DesignArena的评测方式是隐藏模型身份后由人工评审对生成结果进行盲测打分，因此能够较好地反映真实用户对图像质量和视觉表现力的主观评价。换句话说，这台模型不仅跑分能打，实际用户体验也得到了认可。

随着开源图像生成模型竞争持续升温，Ideogram 4.0凭借领先的文字生成能力和设计可控性，正在成为海报制作、品牌营销和视觉内容创作领域一个值得关注的新选择。如果你也想上手试试，模型已经开源，地址在这里：https://github.com/ideogram-oss/ideogram4。

来源：互联网