|
作家 | 陈骏达 智东西6月11日报说念，本周，智象已往（HiDream.ai）推出了其最新商用邦畿像生成模子HiDream-O1-Image-1.5，并在宇宙著明AI模子评测平台Artificial Analysis上拿下总榜第三、国内第一的得益。 这一模子的ELO得分超越了Google Nano Banana 2、NVIDIA Cosmos3-Super-Text2Image和字节高出的Seedream 4.0等国表里大厂的主流图像生成模子，和GPT-Image 1.5也仅有一分之差。 按厂商排行来看，智象已往如故是宇宙第二、国内第一的生图模子玩家了。
HiDream-O1-Image-1.5使用的是一套名为“原生全模态”的新架构，此前已在开源模子HiDream-O1-Image上获取考据。在该架构中，图像像素、文本Token、视频体素等模态信号，从模子底层就被映射进并吞个分享空间，用一套调和的Transformer来贯通和生成。 但榜单和技巧细节除外，咱们更念念知说念的谜底是：这一模子本色用起来感受究竟怎样，把它和国际顶流拉到并吞个擂台上真刀真枪比一场，谁能赢？ 现在，HiDream-O1-Image-1.5已在智象已往的HiHarness平台上线，支执在线体验与API调用。智东西第一时辰对其进行了实测。跑完十几个案例后，咱们也有了初步感受：国产生图模子的可用性，正在赶快靠拢国际顶流。 HiDream-O1-Image-1.5体验合伙: https://vivago.ai/ 星空2026世界杯官方授权平台https://hiharness.ai/ 开源模子HiDream-O1-Image下载地址： GitHub：https://github.com/HiDream-ai/HiDream-O1-Image Huggingface：https://huggingface.co/HiDream-ai/HiDream-O1-Image 一、三大场景详细实测，翰墨渲染、画面细节推崇出色 能否准确渲染翰墨，一直是图像生成领域的痛点，亦然好多在实测中最容易“翻车”的重灾地。咱们的实测也从这类任务初始。 首个测试案例是相对浅易的海报打算，内容是一部天外主题电影的竖版宣传海报。HiDream-O1-Image-1.5是浮松过关，它在海报中选择了三种不同的字体，翰墨渲染准确，字体的遴荐和打算也与画面主题契合，莫得违和感。
HiDream-O1-Image-1.5的汉文渲染技艺也可以。咱们让它给某个国内音乐节打算一张海报。这个任务的难点在于，翰墨内容有多个信息层级，包括主标题、副标题、声势列表、时辰所在、票价和票务平台。这些内容弗成混在通盘，必须有大小对比、区域分手。 最终，HiDream-O1-Image-1.5准确地生成了咱们条款的内容，竖版翰墨的渲染也莫得出现失误，信息呈现了了，考中水墨画的格调与音乐节的主题契合。
终末，咱们还测试了一个高难度的案例：特定格调的高密度翰墨渲染。咱们条款HiDream-O1-Image-1.5生成一册旧诗辘集的某一个页面，内容是英国诗东说念主的华兹沃斯的I Wondered Lonely as a Cloud。 在提供完整诗歌内容后，HiDream-O1-Image-1.5险些竣工地渲染了这首诗歌的绝大部天职容，仅有极个别单词出现了小失误。同期，它也贯通了辅导词中“旧诗集”的格调条款，图中的诗集页面稍许泛黄，边角还有些岁月留住的陈迹。
生图模子的另一大问题等于着实性。好多模子生成的完结一眼看上去就有AI味，相比凸起的问题包括浓重感很强、构图和东说念主物等元素不得当事实等。 HiDream-O1-Image-1.5在“冗忙后厨”这一场景的还原上作念得可以。这张图包含厨具、原材料以及多位厨师。这几大主体的质感王人很利落，至极是中间厨师眼前那团火焰，颇具现场感。
再来看细节，砧板上的三文鱼纹理、金属碗里食材的堆叠档次王人相比着实，这些属于画面“边角料”的细节并莫得被HiDream-O1-Image-1.5忽略，而是保留了了了的物理模式。 画面中，构图和东说念主物看成也基本合理，独揽两侧的厨师在备菜，中间的厨师在烹调，布景里还有冗忙的帮厨，扫数场景相等得当本色的交易厨房运作逻辑。 在另一个案例中，咱们让HiDream-O1-Image-1.5生成一张日本街头的相片。这张图举座氛围营造相比到位，雨夜、霓虹灯牌、柏油路面反光王人得到着实的呈现，远景的了了与布景的景深虚化处分得也很好。
不外，好意思中不及的是，图里有一个“穿帮”的小细节：那辆玄色出租车行驶的标的错了，在日本车应该是靠左行驶的。 终末，一款生图模子要在着实坐蓐场景阐述作用，还需具备对多种不同格调、打算条款的贯通力。咱们让HiDream-O1-Image-1.5辘集尝试了意大利老电影格调、1940年代老相片格调、拼贴画这三种截然有异的格调。 首个案例中，模子得胜贯通了“意大利老电影格调”的中枢成分，色调得当格调条款，画面内容包含了意大利常见的卵石路、地中海海景等细节，画面中东说念主物的神情有种胶片电影捕捉到的天然感，在格调化与写实度之间找到了较好的均衡。
鄙人方任务中，HiDream-O1-Image-1.5得胜模拟了20世纪三四十年代好意思国农场家庭合影的格调，东说念主物的神志、衣着带有阿谁年代独到的格调，咱们在辅导词中条款的模拟相片老化的恶果也得到了还原，可以看到相片的边角有些缺构怨泛黄。
终末，在这一拼贴格调图像生成的任务中，HiDream-O1-Image-1.5规复了手工撕纸的质感、旧纸张的肌理以及金属部件的色泽感，材质对比裕如冲击力。中间的花草与瑰丽元素脱落有致，很好地传达了“念念象力与算法碰撞”的主题。
这几个案例跑下来，可以感受到HiDream-O1-Image-1.5在翰墨渲染上推崇塌实，多层级汉文排版也能准确呈现；画面着实感强，细节经得起斟酌。天然偶有小Bug，但举座可用性很高，滚球app全新入口很得当需要高效出图的海报、影相、艺术创作等着实坐蓐场景。 二、分镜、UI、格调化，三款主流生图模子同台PK，谁更好用？ 咱们也将HiDream-O1-Image-1.5与几款刻下最流行的生图模子进行了对比实测，遴荐的实测玩法包括最近相比流行的分镜生成、UI打算、格调化等等。 先看分镜生成。这类任务条款模子同期处分多格画面的构图逻辑、序号标注、画面一语气性以及调和的格调质感，是对模子详细贯通力的辘集磨真金不怕火。咱们以“深宵便利店”的6格分镜稿为调和测试题，分别输入HiDream-O1-Image-1.5与Google Nano Banana 2、OpenAI GPT-Image 2中。 Nano Banana 2的生成速率是其中最快的，不外它冷漠了咱们辅导词中对于实拍质感的格调条款，生成的分镜图是漫画风的。
HiDream-O1-Image-1.5也很快给出了生成完结。HiDream-O1-Image-1.5作念得较为可以的是扮装的一致性。图中东说念主物在分镜2和5中的神情、衣着基本一致。同期，便利店场景的还原也较为得当事实。
不外，在生成“从冰柜里拿一瓶黑咖啡”的分镜3时，HiDream-O1-Image-1.5生成的咖啡罐有些过大，算是一个小的过错，但在后续的分镜中咖啡罐的比例被精确的疗养了过来。 GPT-Image 2是终末一个给降生成完结的模子。在细节还原度方面，GPT-Image 2作念得十分着实，分镜3中罐装咖啡的排布、咖啡罐上的字样和冷凝水等细节王人按照辅导词的条款规复了，举座处分得很天然，基本莫得AI生成陈迹。
在UI打算类任务中，咱们让三款模子给一个iPad诓骗打算一个登陆页面。HiDream-O1-Image-1.5在打算中选择了干净、当代的格调，视觉搅扰相比少，要点辘集在中枢功能上。
而GPT-Image 2选择了经典的卡片格调，在浅蓝色布景的中央抛弃了一个带大圆角的白色卡片，相比圭表。同期，它还用蓝色高亮了交互文本。
Nano Banana 2的生成完结是这三张图中最不像UI样板打算的图片，它包含了环境布景，更像是用来作念展示的恶果图。不外，在中枢的UI页面方面，它的推崇照旧相比中规中矩的。
咱们的终末一个对比实测任务是格调化。GPT-Image 2较好地还原了交易影相与维执胶片两种格调，但在抽象几何风的处分上仍不够澈底。
Nano Banana 2在交易影相格调上推崇可以，主动呈现出咖啡冒出的热气，画面更具勾引力。估量词，其胶片格调与交易影相之间各异不彰着，穷乏区分度。在抽象几何风方面虽作念了一定疗养，但举座的几何感仍不够到位。
终末望望HiDream-O1-Image-1.5。它在左侧的交易影相格调上作念得可以，了了度和光影王人得当条款。而在中间的维执胶片质感方面，画面有一种胶片的颗粒感，颜色偏移的遴荐也相比得当胶片风的特质。而在抽象几何格调中，HiDream-O1-Image-1.5的处分相比骁勇，按照辅导词条款毁掉了物理写实。在三个模子中，它的推崇最得当辅导词的条款。
从实测完结来看，三款模子各有长处。Nano Banana 2在生成速率上有上风，GPT-Image 2 在细节着实度方面推崇凸起。而HiDream-O1-Image-1.5在多项任务中展现了可以的详细技艺，不管是扮装一致性、打算格调的审好意思，照旧格调化任务中跨越三种格调的把控技艺，均推崇出色。 可以说，HiDream-O1-Image-1.5在不少实测案例中如故展现出了并列乃至优于头部闭源生图模子的推崇。 三、已毕信得过“原生全模态”，1个月内一语气三次迭代 HiDream-O1-Image-1.5究竟是怎样已毕上述生成恶果的？谜底就藏在底层架构上。 传统文生图模子时常选择“文本编码器+VAE+DiT/扩散模子”的模块化旅途，其模式更像一棵贬抑分叉孕育的树：文本有我方的tokenizer，图像和视频有各自的encoder/decoder，音频、看成、空间相干也往往沿着不同旅途被处分，模块之间需要屡次退换信息。 在翰墨密集排版、UI页面、多主体生成、多参考图戒指、多分镜叙事等复杂任务中，这种架构更容易带来细节损耗、语义错位和结构不理解。 HiDream-O1系列走的是“原生全模态”阶梯。所谓原生全模态，并不是先分别检会各模态模子再拼接，而是从架构打算之初就让文本、图像、视频、音频等多种模态分享并吞套表征体系，在模子底层已毕交融。 具体到HiDream-O1-Image系列模子，它去掉了传统生图经过中的VAE和孤苦文本编码器，将图像像素、文本Token、视频体素以及音频、看成、空间相干等原始信号映射进并吞个分享Token空间，与并吞套UiT（像素级调和的 Unified Transformer） 交互，在调和表征系统中完成贯通、生成和推理。
UiT此前在智象已往的开源模子HiDream-O1-Image如故获取选择，而后，智象已往也在快速迭代。本年5月，智象已往发布了选择同款架构的HiDream-O1-Image-Pro，而本月登场的HiDream-O1-Image-1.5则是这一架构在商用领域的进一步考据。 新一代生图架构从谈判到开源再到商用落地，往往需要资历漫长的周期，而智象已往的UiT架构起头在开源社区和交易居品两条线上同期跑通，并在1个月独揽的时辰内一语气推出三款选择这一架构的模子。 这种高频迭代本人等于一个值得温顺的信号，反应出UiT架构本人具备清雅的可推广性和工程友好性，好像撑执起从推行探索到坐蓐部署的快速跨越。 结语：生图模子加快走向原生调和架构 有越来越多的生图模子，正从拼接式的架构走向原生调和。一朝这条旅途全面走通，模子本就能像贯通并生成天然言语内容那样，更好地处分视觉生成任务。 智象已往在这一架构内的快速迭代，如故初步证实了这个底座的可推广性。跟着模子领域、检会数据和工程技艺的执续进化，咱们有益义笃信，UiT所代表的技巧范式滚球app2026世界杯中国官网下载，有可能成为下一代视觉生成模子的主流架构之一。 |
备案号: