• Блог
  • 5 мин. чтения

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


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



Источник

Межтекстовые Отзывы
Посмотреть все комментарии
guest

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

Ideogram представила версию 4.0 - новую text-to-image модель с открытыми весами для генерации изображений, дизайна и типографики. Компания...

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...

Нейросеть DeepSeek: регистрация, вход в личный кабинет и как пользоваться на русском бесплатно

DeepSeek – это одна из самых мощных нейросетей, доступная в России бесплатно и без VPN. Поддерживает русский язык...

OpenAI покажет человекоподобного робота в 2027 году

OpenAI планирует создать собственного человекоподобного робота. Об этом глава компании Сэм Альтман рассказал в начале сентября. Ранее Альтман...

Alibaba выпустила Qwen-Image-3.0 без весов и бенчмарков, но с промптами на 4500 токенов

Alibaba выпустила Qwen-Image-3.0 - третье поколение генератора изображений с прицелом на практическую пользу: длинные детальные подписи, читаемый мелкий...

15+ способов продвижения сообщества ВКонтакте в 2026 году

ВКонтакте постоянно меняется: обновляются алгоритмы рекомендаций, появляются новые форматы контента и способы взаимодействия с аудиторией. Поэтому схема «создать...

Grok Imagine научился править картинку по кускам: xAI открыла Image 2.0 всем пользователям

xAI открыла общий доступ к Imagine Image 2.0 - новому режиму Quality в Grok Imagine на сайте и...

Alibaba открыла QwenWork по всему миру — ИИ-агент работает в браузере и на компьютере

Alibaba открыла международную версию QwenWork в формате публичной беты. Это рабочая платформа с ИИ-агентом: пользователь описывает задачу обычным...

Google теперь позволит пользователям удалять видимый водяной знак со своих ИИ-генераций

В пятницу Google объявила, что теперь позволит пользователям удалять видимый водяной знак со своих материалов, созданных ИИ, включая...

Runway показала GWM Worlds 2 – интерактивный мир вместо видеоролика

Runway 3 сентября показала GWM Worlds 2 - мировую модель, которая выдаёт живое интерактивное пространство вместо готового ролика....

DeepSeek тестирует режим «Распознавание» изображений

В интерфейсе чат-бота DeepSeek появился новый режим «Распознавание» — рядом с режимами «Быстрый» и «Эксперт». В этом режиме...

Suno вводит лимиты на скачивание — до 7 треков бесплатно

Suno объявила, что с 3 сентября введёт лимиты на скачивание созданной музыки. На бесплатном тарифе пользователи, зарегистрировавшиеся до...

Маркетолог PRO от MTC ADS: отзывы и возможности сервиса для запуска бизнес-рекламы в Telegram

Результативность рекламной кампании зависит от десятков, даже сотен факторов. Один из основных критериев — определение целевой аудитории и...

Google выпустила Nano Banana 2 Lite — быструю модель для генерации изображений через Gemini API

Google выпустила Nano Banana 2 Lite (gemini-3.1-flash-lite-image) — новую модель для генерации и редактирования изображений. Это самая быстрая...

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...

История Starbucks: кто основал компанию, как появился логотип и кому принадлежит бренд

Сегодня Starbucks — одна из самых узнаваемых кофейных сетей мира: зелёную сирену знают даже те, кто ни разу...

ElevenLabs представила Composer — редактор песен по секциям

ElevenLabs добавила Composer в сервис Eleven Music. Редактор позволяет начать песню с чистого листа, текстового запроса, собственных слов...

ElevenLabs выпустила Music v2.5 с улучшенным звуком и точным следованием запросу

ElevenLabs представила Music v2.5 — новую версию модели для генерации музыки. Она создаёт более многослойные композиции, точнее следует...

Kling запустила IMAGE O1 — новую ИИ-модель для генерации и редактирования изображений

Kling представила «IMAGE O1» — это обновлённая модель для генерации и редактирования изображений. Она работает и с текстом,...

Глава Microsoft AI назвал новые отчёты OpenAI серьёзной ситуацией

Мустафа Сулейман, глава Microsoft AI, назвал в эфире CNBC 18 сентября раскрытые OpenAI случаи странного поведения моделей «довольно...