• Блог
  • 5 мин. чтения

Ideogram выпустила Ideogram 4.0 с открытыми весами и управлением макетом через JSON

[ad_1]

Ideogram представила версию 4.0 – новую text-to-image модель с открытыми весами для генерации изображений, дизайна и типографики. Компания называет её своим первым open-source релизом, но на Hugging Face модель опубликована под некоммерческой лицензией Ideogram 4 Non-Commercial.

Ideogram выпустила Ideogram 4.0 с открытыми весами и управлением макетом через JSON

Открытые веса вместо закрытого генератора картинок

Ideogram представила Ideogram 4.0 – text-to-image модель на 9,3 млрд параметров, ориентированную на дизайн, читаемый текст внутри изображений и точный контроль композиции. Весы и код для инференса опубликованы, модель можно запускать локально, а попробовать её проще всего через сайт Ideogram.

Компания называет релиз своим первым open-source text-to-image model . Здесь нужна оговорка: на странице  Hugging Face указана лицензия ideogram-4-non-commercial, а для доступа к файлам нужно принять условия и поделиться контактной информацией. Поэтому нужно понимать об открытых весах с некоммерческим режимом использования, а не о полностью свободной open-source модели.

Раньше сервис воспринимался прежде всего как веб-инструмент для генерации постеров, логотипов, рекламных макетов и картинок с текстом. Теперь компания выходит в поле локальных моделей, где её будут сравнивать не только с закрытыми генераторами, но и с FLUX, Qwen -Image, HunyuanImage и другими open-weight решениями.

Две версии модели: fp8 и nf4

Ideogram 4.0 вышла в двух вариантах: fp8 и nf4. Обе версии имеют 9,3 млрд параметров, но отличаются квантизацией и сценариями запуска. В таблице модели на Hugging Face указано, что nf4 поддерживает CUDA и Diffusers, а fp8 рассчитана на более широкий набор оборудования, но без поддержки Diffusers на момент публикации.

Отдельный плюс для локального сообщества – поддержка в ComfyUI . Команда ComfyUI сообщила, что Ideogram 4.0 уже нативно поддерживается в интерфейсе, который используют для сборки визуальных рабочих процессов на узлах. Это снижает порог входа: пользователю не обязательно писать код, чтобы проверить модель в своих цепочках генерации.

Открытый запуск не делает модель мгновенно массовой. Локальная генерация по-прежнему требует подходящей видеокарты, установки зависимостей и понимания настроек. Но для дизайнеров, исследователей и энтузиастов важен сам факт: сильная типографическая модель больше не ограничена только веб-интерфейсом и API.

JSON-промпты для точного макета

Главная техническая ставка Ideogram 4.0 – структурированные JSON-промпты. Модель обучали на JSON-описаниях, поэтому она лучше работает, когда пользователь задаёт сцену не одной свободной фразой, а структурой: объекты, стиль, освещение, палитра, текстовые элементы и расположение в кадре.

Это особенно важно для дизайна. В обычном генераторе изображений пользователь часто просит «сделай постер с заголовком сверху и объектом справа», а потом несколько раз перегенерирует результат. В Ideogram 4.0 можно указывать координаты элементов через bounding boxes, задавать цветовую палитру hex-кодами и описывать текстовые блоки как отдельные части композиции.

Такой подход ближе к макетированию, чем к привычному «напиши промпт и надейся». Слабое место тоже понятно: JSON-управление добавляет точность, но усложняет работу для обычного пользователя. Ideogram закрывает это через Magic Prompt: обычный текстовый запрос может разворачиваться в структурированное описание перед генерацией.

Типографика остаётся главным преимуществом

Ideogram 4.0 делает упор на текст внутри изображений: вывески, логотипы, подписи, водяные знаки, многострочные надписи и рекламные макеты. На странице модели компания пишет, что релиз показывает лучший для open-weight моделей результат по генерации текста на изображениях среди протестированных решений.

По собственному описанию Ideogram, модель обучена с нуля, а не дообучена поверх существующего чекпойнта. Архитектура построена на single-stream DiT: текстовые и визуальные токены обрабатываются в единой последовательности. В качестве текстового энкодера используется Qwen3-VL-8B-Instruct, а модель забирает скрытые состояния из 13 промежуточных слоёв.

Это звучит технически, но практический смысл простой: модель должна лучше связывать текст запроса, расположение объектов и итоговую картинку. Для постеров, упаковки, обложек, карточек товаров и рекламных баннеров такая связка важнее, чем абстрактная «красивость» изображения.

Бенчмарки выглядят сильными, но …

Ideogram заявляет, что Ideogram 4.0 лидирует среди open-weight моделей в дизайн-ориентированных оценках. На Hugging Face компания ссылается на Design Arena, ContraLabs, LMArena, внутренний human-preference benchmark и открытые тесты для макета, пространственного понимания, соответствия промпту и OCR-точности.

В оценке ContraLabs, по данным Ideogram, десять профессиональных дизайнеров выбирали лучший результат в слепом типографическом тесте. Ideogram 4.0 получила первое место в 47,9% случаев, обойдя Gemini 3.1 Flash Image Preview, FLUX.2 [max] и Grok Imagine 1.0. Там же дизайнеров спрашивали, использовали бы они результат в реальной клиентской работе; Ideogram 4.0 получила самый высокий балл – 3,55 из 5.

Такие цифры полезны как ориентир, но не заменяют практическую проверку. Дизайн-задачи слишком разные: одно дело – постер с коротким слоганом, другое – каталог, упаковка с юридическим текстом или сложный многоязычный макет. Для профессиональной работы модель всё равно придётся проверять на повторяемость, правки, лицензии и интеграцию в существующий процесс.

Лицензия может стать главным спорным местом

Самая чувствительная часть релиза – не качество генерации, а слово «open». Ideogram в анонсе говорит о «best open image model», а на странице Hugging Face – о первом open-source text-to-image model. Но рядом стоит лицензия Ideogram 4 Non-Commercial, то есть коммерческое использование не заявлено как свободное.

Для исследователей и локальных энтузиастов это всё равно сильный релиз: можно изучать архитектуру, запускать модель, сравнивать её с другими генераторами и проверять новые подходы к промптам. Для студий, агентств и продуктовых команд вопрос сложнее. Если модель нужна для клиентских работ, рекламных материалов или встроенного коммерческого продукта, сначала придётся читать лицензию, а не только смотреть демо.

Именно здесь маркетинговая формулировка расходится с ожиданиями open-source сообщества. Открытые веса дают контроль и возможность локального запуска. Некоммерческая лицензия оставляет границу, за которую бизнес не может спокойно зайти без отдельного разрешения.

Источник:
ideogram.ai

[ad_2]

Источник

Межтекстовые Отзывы
Посмотреть все комментарии
guest

GLM 5.3: мощнее в коде и кибербезопасности

14 августа 2026 года уже упоминавшаяся нами в предыдущих обзорах компания Zhipu AI представила следующую версию своей флагманской...

Что изменилось в новой флагманской модели Anthropic Claude Opus 4.8

В мае 2026 года компания Anthropic обновила флагманскую модель Opus до версии 4.8. И на первый взгляд, этот...

YouTube позволит генерировать Shorts с помощью Veo 3

На мероприятии «Made on YouTube» 16 сентября компания представила большое обновление для Shorts и YouTube Studio. В сервис...

Нейросеть Кандинский 3.0: как пользоваться, как обрабатывать фото и создавать картинки

Кандинский – это бесплатная нейросеть от Сбера, способная генерировать картинки по текстовому описанию. Работает по сходному с Midjourney...

Qwen выпустила Qwen-Image-3.0 — модель генерирует сложные макеты и текст от 10 пикселей

Qwen представила Qwen-Image-3.0 — третье поколение модели для генерации и редактирования изображений. Она принимает инструкции объёмом до 4,5...

Вышел Kling O1 — рассуждающая нейросеть для генерации и редактирования видео

Kling AI выпустила новую ИИ-модель Kling O1 (Omni One). Это рассуждающая нейросеть, которая генерирует видео по тексту и...

Google запустила Pics — ИИ-редактор изображений на базе Nano Banana

Google начала постепенно открывать доступ к Google Pics — новому ИИ-редактору изображений для Google Workspace на базе модели...

Grok научился расшифровывать речь вдвое точнее и за те же деньги

SpaceXAI выпустила Grok Voice Transcribe 2.0, модель для перевода речи в текст. По внутренним тестам компании она вдвое...

Anthropic выпустила Claude Opus 5.5 – уровень Fable за меньшие деньги

Anthropic выпустила Claude Opus 5.5, первую модель нового поколения Claude 5.5. По заявлению компании, на большинстве задач она...

Стал известен размер экрана iPhone 20 Pro и Pro Max

В сети появились первые подробности об экранах iPhone 20 Pro и iPhone 20 Pro Max. По данным инсайдера...

Tencent выпустила Hy Image 3.5 Preview для генерации и редактирования изображений

Tencent открыла доступ к Hy Image 3.5 Preview — модели, которая создаёт изображения по тексту и референсам, а...

DeepSeek выпустила V4.1 Flash — открытую ИИ-модель с контекстом до 1 млн токенов

DeepSeek выпустила DeepSeek V4.1 Flash и открыла веса модели на Hugging Face. Она принимает текст и изображения, отвечает...

Comfy MCP: ComfyUI подключает ИИ-агентов к своим пайплайнам генерации

Команда ComfyUI открыла публичную бету Comfy MCP - коннектор, через который ИИ-агенты вроде Claude, Codex, Cursor и Hermes...

Google довела ролики Gemini Omni до сорока секунд и сделала черновики втрое дешевле

Gemini Omni 1.1 Flash научилась достраивать снятую сцену продолжениями и доводить ролик до сорока секунд, а перед чистовой...

OpenAI уберёт GPT-5.5 из ChatGPT и Codex 14 октября

OpenAI предупредила о завершении поддержки GPT-5.5 в ChatGPT, ChatGPT Work и Codex. Модель уберут из этих продуктов 14...

DeepSeek представила V4-Pro и V4-Flash — новые ИИ-модели для сложных и быстрых задач

DeepSeek представила предварительную версию линейки DeepSeek-V4. В неё вошли две MoE-модели: V4-Pro с 1,6 трлн параметров и V4-Flash...

Anthropic выпустила Claude Opus 5.5 — модель стала быстрее и дешевле 

Anthropic выпустила Claude Opus 5.5 для Claude, Claude Code и Claude Platform. Новая модель генерирует ответы более чем...

Alibaba выпустила Qwen-Image 2.1 с генерацией прозрачных изображений

Команда Qwen выпустила Qwen-Image 2.1 — модель для генерации и редактирования изображений. Веса опубликованы 20 сентября 2026 года...

Kimi управляет сайтами из боковой панели Chrome и запоминает действия

Kimi теперь открывает сайты, нажимает кнопки и заполняет формы по просьбе, написанной в чате. Moonshot AI переименовала своё...

DeepSeek представила DeepSeek-OCR — новую модель для сжатия визуального контекста в LLM

Компания DeepSeek показала DeepSeek-OCR — OCR-модель, созданную специально для больших языковых моделей. Вместо обычного распознавания текста она сжимает...