作家 | 陈骏达

智东西6月11日报说念，本周，智象异日（HiDream.ai）推出了其最新商用邦畿像生成模子HiDream-O1-Image-1.5，并在人人著明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得分特出了Google Nano Banana 2、NVIDIA Cosmos3-Super-Text2Image和字节特出的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。

按厂商名次来看，智象异日也曾是人人第二、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合并个分享空间，用一套融合的Transformer来通晓和生成。

但榜单和时候细节以外，咱们更念念知说念的谜底是：这一模子实质用起来感受究竟怎样，把它和国际顶流拉到合并个擂台上真刀真枪比一场，谁能赢？

当今，HiDream-O1-Image-1.5已在智象异日的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，正在赶快濒临国际顶流。

HiDream-O1-Image-1.5体验集结:

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、三大场景空洞实测，笔墨渲染、画面细节证实出色

能否准确渲染笔墨，一直是图像生成畛域的痛点，亦然很多在实测中最容易“翻车”的重灾地。咱们的实测也从这类任务启动。

首个测试案例是相对圣洁的海报盘算，内容是一部天外主题电影的竖版宣传海报。HiDream-O1-Image-1.5是松驰过关，它在海报中选择了三种不同的字体，笔墨渲染准确，字体的遴荐和盘算也与画面主题契合，莫得违和感。

HiDream-O1-Image-1.5的中语渲染才气也可以。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、声势列表、时刻场地、票价和票务平台。这些内容不行混在一都，必须有大小对比、区域区分。

最终，HiDream-O1-Image-1.5准确地生成了咱们条款的内容，竖版笔墨的渲染也莫得出现无理，信息呈现明晰，考中水墨画的作风与音乐节的主题契合。

临了，咱们还测试了一个高难度的案例：特定作风的高密度笔墨渲染。咱们条款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险些完好意思地渲染了这首诗歌的绝大部老实容，仅有极个别单词出现了小无理。同期，它也通晓了教导词中“旧诗集”的作风条款，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等于真实性。很多模子生成的休止一眼看上去就有AI味，相比隆起的问题包括浓重感很强、构图和东说念主物等元素不合适事实等。

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。这几大主体的质感都很利落，额外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都相比真实，这些属于画面“边角料”的细节并莫得被HiDream-O1-Image-1.5忽略，而是保留了明晰的物理形式。

画面中，构图和东说念主物动作也基本合理，足下两侧的厨师在备菜，中间的厨师在烹调，布景里还有劳作的帮厨，系数场景止境合适实质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像片。这张图全体氛围营造相比到位，雨夜、霓虹灯牌、柏油路面反光都得到真实的呈现，远景的明晰与布景的景深虚化惩办得也很好。

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目的错了，在日本车应该是靠左行驶的。

临了，一款生图模子要在真实出产场景证实作用，还需具备对多种不同作风、盘算条款的通晓力。咱们让HiDream-O1-Image-1.5集结尝试了意大利老电影作风、1940年代老像片作风、拼贴画这三种天差地别的作风。

首个案例中，模子告捷通晓了“意大利老电影作风”的中枢成分，色调符勾引风条款，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状貌有种胶片电影捕捉到的当然感，在作风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作风，东说念主物的心境、穿着带有阿谁年代出奇的作风，咱们在教导词中条款的模拟像片老化的恶果也得到了还原，可以看到像片的边角有些缺成仇泛黄。

临了，在这一拼贴作风图像生成的任务中，HiDream-O1-Image-1.5修起了手工撕纸的质感、旧纸张的肌理以及金属部件的光辉感，材质对比裕如冲击力。中间的花草与象征元故旧加有致，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在笔墨渲染上证实塌实，多层级中语排版也能准确呈现；画面真实感强，细节经得起筹商。诚然偶有小Bug，但全体可用性很高，世界杯(中国)官网很恰当需要高效出图的海报、照相、艺术创作等真实出产场景。

二、分镜、UI、作风化，三款主流生图模子同台PK，谁更好用？

咱们也将HiDream-O1-Image-1.5与几款现时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盘算、作风化等等。

先看分镜生成。这类任务条款模子同期惩办多格画面的构图逻辑、序号标注、画面一语气性以及融合的作风质感，是对模子空洞通晓力的集结熟谙。咱们以“半夜便利店”的6格分镜稿为融合测试题，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，不外它淡薄了咱们教导词中对于实拍质感的作风条款，生成的分镜图是漫画风的。

HiDream-O1-Image-1.5也很快给出了生成休止。HiDream-O1-Image-1.5作念得较为可以的是变装的一致性。图中东说念主物在分镜2和5中的状貌、穿着基本一致。同期，便利店场景的还原也较为合适事实。

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，算是一个小的舛误，但在后续的分镜中咖啡罐的比例被精确的调理了过来。

GPT-Image 2是临了一个给出身成休止的模子。在细节还原度方面，GPT-Image 2作念得十分真实，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都按照教导词的条款修起了，全体惩办得很当然，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独揽盘算一个登陆页面。HiDream-O1-Image-1.5在盘算中选择了干净、当代的作风，视觉干预相比少，重心集结在中枢功能上。

而GPT-Image 2选择了经典的卡片作风，在浅蓝色布景的中央放手了一个带大圆角的白色卡片，相比行径。同期，它还用蓝色高亮了交互文本。

Nano Banana 2的生成休止是这三张图中最不像UI样板盘算的图片，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，它的证实如故相比中规中矩的。

咱们的临了一个对比实测任务是作风化。GPT-Image 2较好地还原了交易照相与相沿胶片两种作风，但在抽象几何风的惩办上仍不够透彻。

Nano Banana 2在交易照相作风上证实可以，主动呈现出咖啡冒出的热气，画面更具诱骗力。但是，其胶片作风与交易照相之间互异不昭着，清寒区分度。在抽象几何风方面虽作念了一定调理，但全体的几何感仍不够到位。

临了望望HiDream-O1-Image-1.5。它在左侧的交易照相作风上作念得可以，明晰度和光影都合适条款。而在中间的相沿胶片质感方面，画面有一种胶片的颗粒感，色调偏移的遴荐也相比合适胶片风的特色。而在抽象几何作风中，HiDream-O1-Image-1.5的惩办相比踊跃，按照教导词条款毁灭了物理写实。在三个模子中，它的证实最合适教导词的条款。

从实测休止来看，三款模子各有长处。Nano Banana 2在生成速率上有上风，GPT-Image 2 在细节真实度方面证实隆起。而HiDream-O1-Image-1.5在多项任务中展现了可以的空洞才气，无论是变装一致性、盘作为风的审好意思，如故作风化任务中跨越三种作风的把控才气，均证实出色。

可以说，HiDream-O1-Image-1.5在不少实测案例中也曾展现出了并列乃至优于头部闭源生图模子的证实。

三、罢了确实“原生全模态”，1个月内一语气三次迭代

HiDream-O1-Image-1.5究竟是怎样罢了上述生成恶果的？谜底就藏在底层架构上。

传统文生图模子不息选择“文本编码器+VAE+DiT/扩散模子”的模块化旅途，其形式更像一棵贬抑分叉助长的树：文本有我方的tokenizer，图像和视频有各自的encoder/decoder，音频、动作、空间规划也常常沿着不同旅途被惩办，模块之间需要屡次调治信息。

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

HiDream-O1系列走的是“原生全模态”门道。所谓原生全模态，并不是先分别熟谙各模态模子再拼接，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合并套表征体系，在模子底层罢了会通。

具体到HiDream-O1-Image系列模子，它去掉了传统生图历程中的VAE和安稳文本编码器，将图像像素、文本Token、视频体素以及音频、动作、空间规划等原始信号映射进合并个分享Token空间，与合并套UiT（像素级融合的 Unified Transformer） 交互，在融合表征系统中完成通晓、生成和推理。

UiT此前在智象异日的开源模子HiDream-O1-Image也曾得回选择，尔后，智象异日也在快速迭代。本年5月，智象异日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畛域的进一步考据。

新一代生图架构从考虑到开源再到商用落地，常常需要经验漫长的周期，而智象异日的UiT架构当先在开源社区和交易居品两条线上同期跑通，并在1个月足下的时刻内一语气推出三款选择这一架构的模子。

这种高频迭代自己等于一个值得存眷的信号，反馈出UiT架构自己具备邃密的可推广性和工程友好性，玩忽撑握起从履行探索到出产部署的快速跨越。

结语：生图模子加快走向原生融合架构

有越来越多的生图模子，正从拼接式的架构走向原生融合。一朝这条旅途全面走通，模子本就能像通晓并生成当然言语内容那样，更好地惩办视觉生成任务。

智象异日在这一架构内的快速迭代世界杯(中国)官网，也曾初步诠释了这个底座的可推广性。跟着模子畛域、熟谙数据和工程才气的握续进化，咱们成心义慑服，UiT所代表的时候范式，有可能成为下一代视觉生成模子的主流架构之一。