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.
