2026年6月3日，Ideogram 正式发布了第四代模型——Ideogram 4.0。这不仅是 Ideogram 迄今为止最强大的版本，更是这家公司首次开源权重（open-weight）的图像生成模型，意味着任何人都可以下载并在本地运行它。更值得注意的是，Ideogram 4.0 在发布当天便空降 Design Arena 图片ELO排行榜，位列所有开源模型第一，总榜第九，仅次于 OpenAI 和 Google 的闭源模型。
从闭源到开源：一次彻底的转身
Ideogram 此前一直是闭源路线，3.0版本以”精准的文字渲染”能力在设计师群体中建立了口碑，但模型权重从不公开。4.0版本彻底改变了这一点——这是一次从零训练的全新基础模型，而非在已有模型上的微调版本。
模型规格方面，Ideogram 4.0 是一个93亿参数的单流 Diffusion Transformer（DiT），共34层。文本编码器采用Qwen3-VL-8B-Instruct——一个视觉语言模型，Ideogram 让 DiT 直接消费来自 Qwen3-VL 中间13层的隐藏状态，而非单一的最终输出，这一设计在技术报告中被称为”深层特征融合”，有助于更精细的图像-文本对齐。
开源地址：
- Hugging Face：
ideogram-ai/ideogram-4-fp8 - GitHub：
github.com/ideogram-ai/ideogram-4
Structured JSON Prompt：让文字渲染真正可用
Ideogram 4.0 最大的产品差异化在于它的Structured JSON Prompt 系统。与传统的自然语言描述不同，用户可以为每个图像元素分别指定样式、颜色、边界框（bounding box）乃至完整调色板。这不仅提升了 prompt 的精确度，也让 AI 对布局的控制能力大幅增强。
基准测试数据印证了这一点：
| 能力维度 | 得分 | 评测基准 |
|---|---|---|
| 文字渲染 | 0.97 | X-Omni English OCR |
| Prompt对齐 | 0.89 | Prism-bench |
| 空间推理 | 0.76 | SpatialGenEval |
| 布局控制 | 0.69 | Bench（mIoU） |
0.97的文字渲染准确率意味着，在图像中嵌入可读英文文字这件事上，Ideogram 4.0 已经接近实用化水平——这对海报设计、YouTube 缩略图、品牌图形等场景至关重要。
竞争对手格局
Ideogram 4.0 的定位非常清晰：做最好的开源设计图像模型。在 Design Arena 开源权重赛道，它已经超越了所有同类选手。在整体ELO榜上，它落后于 GPT Image 2（OpenAI）和另一个未公开模型，排在第九位，但在”质量模式”（Quality Mode）单项中已经登顶。
如果非要和当前最热门的几个模型做对比：
- vs GPT Image 2（OpenAI）：文字渲染能力接近，Ideogram 4.0 开源可本地运行是最大优势
- vs Nano Banana Pro：后者在真实感人脸方面表现更好，适合照片级场景
- vs Flux 1.1 Pro：Flux 系列在速度上仍有优势，Ideogram 4.0 强在文字和设计
在实际工作流中，很多创作者已经形成了这样的分工：用 Nano Banana Pro 处理人像/照片素材，用 Ideogram 4.0 处理文字型设计素材，再统一在图像工作室里组合——各尽其长。
局限性
Ideogram 4.0 并非没有槽点。社区反馈显示，部分用户遇到了生成内容频繁被审核过滤的问题，认为比上一代更保守。此外，Structured JSON Prompt 系统功能强大，但学习曲线也更高——需要时间在 Builder 界面里调试才能获得理想效果。最后，目前 Ideogram 官网（ideogram.ai）仅对美国用户开放，国际用户需要绕道 Leonardo.ai 等合作平台访问。
不过对于有本地部署能力的开发者和企业来说，93亿参数的模型权重已经公开，这在以前是无法想象的。AI 图像生成领域，正在迎来真正意义上的开源繁荣。
