Ideogram 4.0开源发布：93亿参数文生图模型文字生成能力领先

AI图像生成领域迎来重要开源进展。Ideogram公司于近日正式发布开放权重文生图模型Ideogram 4.0，该模型核心规模达到93亿参数（9.3B），在多项基准测试中展现出领先性能，尤其在文字生成与版式控制能力方面实现了显著提升。

从技术架构来看，Ideogram 4.0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。这一架构让文本Token与图像Token在统一的自注意力序列中进行联合建模，从而提升文本与视觉内容之间的协同生成能力。模型由Qwen3-VL-8B-Instruct文本编码器、34层可训练单流扩散Transformer（DiT）、Euler Flow Matching采样器以及冻结的KL自动编码器组成。这一组合使模型能够兼顾图像质量、文本理解和生成效率。

Ideogram将设计可控性作为核心目标，在训练和推理阶段均强化了布局、排版和视觉元素控制能力。官方展示的案例显示，Ideogram 4.0可生成人物、场景、商业设计、海报和品牌视觉等多种类型图片。其中，文字渲染能力成为本次升级最大亮点。相比传统文生图模型经常出现文字错乱、拼写错误等问题，Ideogram 4.0能够更准确地在图像中呈现长文本内容，对于海报设计、商品展示图、封面制作以及社交媒体营销素材等场景具有较高实用价值。

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边界框（Bounding Box）数据，使模型能够理解图像元素之间的空间关系。同时结合结构化JSON字幕数据进行训练，用户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，实现更接近专业设计工具的创作体验。

在第三方评测方面，DesignArena最新榜单显示，Ideogram 4.0已超越Nano Banana Pro，位列全球第四。DesignArena采用隐藏模型身份后由人工评审对生成结果进行盲测打分，因此能够较好反映真实用户对图像质量和视觉表现力的主观评价。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值得关注的新选择。该模型的开放权重版本已在GitHub上发布，供开发者和研究者下载使用。