93億パラメータのシングルストリーム拡散トランスフォーマー、JSONプロンプトでレイアウトを直接制御、Promptエンジニアリングが変革される

Ideogram 4.0は、最初のオープンソースの重みを持つ画像基盤大規模モデルであり、93億パラメータを持ち、シングルストリームのdiffusion transformerアーキテクチャを採用しています。テキストエンコーダはqwen3-vl-8b-instructです。NF4（CUDAサポート24GBのメモリ）とFP8バージョンを提供し、推論コードはApache 2.0ライセンスで、非商用/学術研究は無料、商用展開には商用ライセンスが必要です。コアの革新は、構造化されたJSONプロンプトインターフェースであり、ユーザーはJSON文字列を通じて画像のレイアウト、スタイル、構成を正確に制御できます。ベンチマーク：7bench 0.69 MIoU、X-Omni 0.97、偏好盲測のオープンソースモデル第一位。