作家 | 陈骏达

智东西6月11日报说念，本周，智象将来（HiDream.ai）推出了其最新商用疆土像生成模子HiDream-O1-Image-1.5，并在环球着名AI模子评测平台Artificial Analysis上拿下总榜第三、国内第一的收货。

这一模子的ELO得分卓绝了Google Nano Banana 2、NVIDIA Cosmos3-Super-Text2Image和字节越过的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，智象将来还是是环球第二、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上得回考据。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归拢个分享空间，用一套长入的Transformer来相连和生成。

但榜单和技巧细节除外，咱们更思知说念的谜底是：这一模子本体用起来感受究竟如何，把它和国外顶流拉到归拢个擂台上真刀真枪比一场，谁能赢？

现在，HiDream-O1-Image-1.5已在智象将来的HiHarness平台上线，支握在线体验与API调用。智东西第一时刻对其进行了实测。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，正在马上濒临国外顶流。

HiDream-O1-Image-1.5体验相连:

https://vivago.ai/

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、三大场景笼统实测，笔墨渲染、画面细节发达出色

能否准确渲染笔墨，一直是图像生成鸿沟的痛点，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运行。

首个测试案例是相对简便的海报盘算，内容是一部天际主题电影的竖版宣传海报。HiDream-O1-Image-1.5是简短过关，它在海报中汲取了三种不同的字体，笔墨渲染准确，字体的聘任和盘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盘算一张海报。这个任务的难点在于，笔墨内容有多个信息层级，包括主标题、副标题、威望列表、时刻场所、票价和票务平台。这些内容不行混在沿途，必须有大小对比、区域永诀。

最终，HiDream-O1-Image-1.5准确地生成了咱们条件的内容，竖版笔墨的渲染也莫得出现舛讹，信息呈现了了，考吊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：特定格调的高密度笔墨渲染。咱们条件HiDream-O1-Image-1.5生成一册旧诗集结的某一个页面，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险些无缺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舛讹。同期，它也相连了请示词中“旧诗集”的格调条件，图中的诗集页面稍稍泛黄，边角还有些岁月留住的陈迹。

生图模子的另一大问题便是竟然性。好多模子生成的物化一眼看上去就有AI味，相比杰出的问题包括浓重感很强、构图和东说念主物等元素不适合事实等。

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。这几大主体的质感齐很利落，绝顶是中间厨师面前那团火焰，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齐相比竟然，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花样。

画面中，构图和东说念主物当作也基本合理，傍边两侧的厨师在备菜，中间的厨师在烹调，配景里还有辛苦的帮厨，悉数这个词场景荒谬适合本体的生意厨房运作逻辑。

在另一个案例中，咱们让HiDream-O1-Image-1.5生成一张日本街头的像片。这张图举座氛围营造相比到位，雨夜、霓虹灯牌、柏油路面反光齐得到竟然的呈现，前程的了了与配景的景深虚化责罚得也很好。

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，一款生图模子要在竟然分娩场景证据作用，还需具备对多种不同格调、盘算条件的链艰辛。咱们让HiDream-O1-Image-1.5集结尝试了意大利老电影格调、1940年代老像片格调、拼贴画这三种迥然相异的格调。

首个案例中，模子告捷相连了“意大利老电影格调”的中枢成分，色调适及格调条件，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面孔有种胶片电影捕捉到的当然感，在格调化与写实度之间找到了较好的均衡。

不才方任务中，HiDream-O1-Image-1.5告捷模拟了20世纪三四十年代好意思国农场家庭合影的格调，东说念主物的神气、衣服带有阿谁年代独到的格调，咱们在请示词中条件的模拟像片老化的后果也得到了还原，可以看到像片的边角有些缺结怨泛黄。

终末，在这一拼贴格调图像生成的任务中，HiDream-O1-Image-1.5归附了手工撕纸的质感、旧纸张的肌理以及金属部件的清朗感，材质对比富饶冲击力。中间的花草与标志元素杂沓有致，很好地传达了“思象力与算法碰撞”的主题。

这几个案例跑下来，可以感受到HiDream-O1-Image-1.5在笔墨渲染上发达塌实，多层级汉文排版也能准确呈现；画面竟然感强，细节经得起辩论。固然偶有小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、照相、艺术创作等竟然分娩场景。

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与几款面前最流行的生图模子进行了对比实测，聘任的实测玩法包括最近相比流行的分镜生成、UI盘算、格调化等等。

先看分镜生成。这类任务条件模子同期责罚多格画面的构图逻辑、序号标注、画面一语气性以及长入的格调质感，是对模子笼统链艰辛的集结锻练。咱们以“夜深便利店”的6格分镜稿为长入测试题，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，不外它冷落了咱们请示词中对于实拍质感的格调条件，生成的分镜图是漫画风的。

HiDream-O1-Image-1.5也很快给出了生成物化。HiDream-O1-Image-1.5作念得较为可以的是脚色的一致性。图中东说念主物在分镜2和5中的面孔、衣服基本一致。同期，便利店场景的还原也较为适合事实。

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，算是一个小的罅隙，但在后续的分镜中咖啡罐的比例被精确的调养了过来。

GPT-Image 2是终末一个给出身成物化的模子。在细节还原度方面，GPT-Image 2作念得十分竟然，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齐按照请示词的条件归附了，举座责罚得很当然，基本莫得AI生成陈迹。

在UI盘算类任务中，咱们让三款模子给一个iPad诓骗盘算一个登陆页面。HiDream-O1-Image-1.5在盘算中汲取了干净、当代的格调，视觉干豫相比少，重心集结在中枢功能上。

而GPT-Image 2汲取了经典的卡片格调，在浅蓝色配景的中央摒弃了一个带大圆角的白色卡片，相比轨范。同期，它还用蓝色高亮了交互文本。

Nano Banana 2的生成物化是这三张图中最不像UI样板盘算的图片，它包含了环境配景，更像是用来作念展示的后果图。不外，在中枢的UI页面方面，它的发达如故相比中规中矩的。

咱们的终末一个对比实测任务是格调化。GPT-Image 2较好地还原了生意照相与守旧胶片两种格调，但在抽象几何风的责罚上仍不够绝对。

Nano Banana 2在生意照相格调上发达可以，主动呈现出咖啡冒出的热气，画面更具眩惑力。但是，其胶片格调与生意照相之间各异不较着，零落区分度。在抽象几何风方面虽作念了一定调养，但举座的几何感仍不够到位。

终末望望HiDream-O1-Image-1.5。它在左侧的生意照相格调上作念得可以，了了度和光影齐适合条件。而在中间的守旧胶片质感方面，画面有一种胶片的颗粒感，色调偏移的聘任也相比适合胶片风的特色。而在抽象几何格调中，HiDream-O1-Image-1.5的责罚相比果敢，按照请示词条件废弃了物理写实。在三个模子中，它的发达最适合请示词的条件。

从实测物化来看，三款模子各有长处。Nano Banana 2在生成速率上有上风，GPT-Image 2 在细节竟然度方面发达杰出。而HiDream-O1-Image-1.5在多项任务中展现了可以的笼统技艺，无论是脚色一致性、盘算格调的审好意思，如故格调化任务中跨越三种格调的把控技艺，均发达出色。

可以说，HiDream-O1-Image-1.5在不少实测案例中还是展现出了并排乃至优于头部闭源生图模子的发达。

三、收尾实在“原生全模态”，1个月内一语气三次迭代

HiDream-O1-Image-1.5究竟是如何收尾上述生成后果的？谜底就藏在底层架构上。

传统文生图模子同样汲取“文本编码器+VAE+DiT/扩散模子”的模块化旅途，其花样更像一棵络续分叉滋长的树：文本有我方的tokenizer，图像和视频有各自的encoder/decoder，音频、当作、空间臆想也同样沿着不同旅途被责罚，模块之间需要屡次调养信息。

在笔墨密集排版、UI页面、多主体生成、多参考图规则、多分镜叙事等复杂任务中，这种架构更容易带来细节损耗、语义错位和结构不踏实。

HiDream-O1系列走的是“原生全模态”阶梯。所谓原生全模态，并不是先分别历练各模态模子再拼接，而是从架构盘算之初就让文本、图像、视频、音频等多种模态分享归拢套表征体系，在模子底层收尾交融。

具体到HiDream-O1-Image系列模子，它去掉了传统生图历程中的VAE和孤立文本编码器，将图像像素、文本Token、视频体素以及音频、当作、空间臆想等原始信号映射进归拢个分享Token空间，与归拢套UiT（像素级长入的 Unified Transformer） 交互，在长入表征系统中完成相连、生成和推理。

UiT此前在智象将来的开源模子HiDream-O1-Image还是得回汲取，而后，智象将来也在快速迭代。本年5月，智象将来发布了汲取同款架构的HiDream-O1-Image-Pro，而本月登场的HiDream-O1-Image-1.5则是这一架构在商用鸿沟的进一步考据。

新一代生图架构从询查到开源再到商用落地，同样需要资格漫长的周期，而智象将来的UiT架构开头在开源社区和生意居品两条线上同期跑通，并在1个月傍边的时刻内一语气推出三款汲取这一架构的模子。

这种高频迭代自己便是一个值得柔柔的信号，反应出UiT架构自己具备致密的可彭胀性和工程友好性，好像维握起从践诺探索到分娩部署的快速跨越。

结语：生图模子加快走向原滋长入架构

有越来越多的生图模子，正从拼接式的架构走向原滋长入。一朝这条旅途全面走通，模子本就能像相连并生成当然说话内容那样，更好地责罚视觉生成任务。

智象将来在这一架构内的快速迭代，还是初步解释了这个底座的可彭胀性。跟着模子限度、历练数据和工程技艺的握续进化，咱们有根由驯服，UiT所代表的技巧范式滚球app全新入口，有可能成为下一代视觉生成模子的主流架构之一。