雷峰网(公家号：雷峰网)讯 2026 年 5 月，智象将来开源了文生图模子 HiDream-O1-Image（8B），直接登顶 Artificial Analysis 开源模子全世界第一，Elo 1187 的分数力压 Qwen Image（27B）及 FLUX.2 dev。值患上留意的是，这也是 Artificial Analysis 榜单前十中独一的开源模子。

但动静一出，有人说最强一代开源文生图模子“实至名归”，却也有人直接骂“天生质量一坨”。Artificial Analysis 可不是随意哪里冒出来的野生榜单，盲测 Arena 里都是用户及时投票打出来的成果。

南北极分解的评价让咱们感应好奇。是以咱们花了几天时间，从 Reddit 到 GitHub，从架构解析到上手实测地拆解了一遍。HiDream-O1-Image 更像是一个技能标的目的准确的探路者，没法也没必要负担杀死角逐的期待。

作为开源第一，它及今朝的行业第一 GPT Image 2 之间还有有着不小的差距。这暗地里是 8B 参数开源版本一样较着的亮点及问题，但它却已经然勾画出了，将来 200B＋参数 Pro 版本雄伟的可能性。

Artificial Analysis榜单前十只有HiDream 8B作为开源模子入围

01

于 HiDream-O1-Image 以前，主流文生图模子都选择了一条“拼盘”线路。VAE 卖力压缩图象，T5/CLIP 卖力理解文本，DiT 卖力天生。三件套各司其职，这类方案不成防止的后果就是信息损耗，每一一次跨模块的通报，城市丢掉细节。

而 HiDream-O1-Image 此番登顶 Artificial Analysis，其焦点立异 UiT 架构恰是对准了这一行业短板。

HiDream 采用的 UiT 架构，把像素、文本、使命前提全数映照到了统一个 token space 举行端到端处置惩罚。换言之，砍失 VAE 及自力的文本编码器以后，所有的信息都于一个空间内部流转，最直接的利益就是信息损耗更少，效率更高了。

基在这一项架构立异，HiDream-O1-Image 以 8B 的参数体现出了不逊在 Qwen Image 27B 参数的机能。这一点获得了技能陈诉及榜单排名数据的交织印证，于多个指标上，HiDream 相对于在后者连结了持平甚至领先。

与此同时，UiT 原生撑持多使命，文生图、指令编纂、主题驱动个性化，一套架构全包。想用 Stable Diffusion 3.5 编纂图象，需要加装 ControlNet，Qwen-Image 则底子不撑持指令编纂。今朝 HiDream-O1-Image 于开源文生图模子中，是唯一份的存于。

但价钱也很较着，那就是原生架构不兼容现有生态。

SD 3.5 有成熟的 LoRA 及 ControlNet，社区堆集了数万小时的微调经验。反不雅 HiDream 生态，ComfyUI 方才实现撑持，Ostris 练习东西也才就绪，东西链仍处于起步期。用户面临的场合排场，就是原生的成熟 LoRA 尚且稀缺，从 SD 生态迁徙的选择又由于 checkpoint 格局欠亨用而被堵死。

最残暴的差距仍旧来自 GPT Image 2，上面的问题对于用户而言都不复存于，所有的交互就是打开网页、输入 prompt。于文生图模子走向落地的历程中，开箱即用自己就是一种至关主要，却又经常被开源模子轻忽的竞争力。

HiDream于github上展示的demo

02

光看技能陈诉没意思，接下来看看 HiDream-O1-Image 于现实使命中体现怎样。

起首是为一款无糖气泡水设计电商海报，用在行将到来的 618 促销。咱们要求 HiDream-O1-Image 针对于差别投放平台，别离天生1:一、3:四、16:九、9:16 四种比例的画面，总体气势派头要清新、年青化。

实测中四种比例的画面都没有翻车，这里以 16：9 的版本为例， 可以看到冰块及水花四溅的效果相称天然，画面很是清新。更可圈可点的是文字部门， 0 糖也好喝 及 第二件半价 的案牍衬着清楚正确。对于在一款 8B 模子而言，可以说是凌驾预期。

美中不足的是天生成果缺少贸易要素，平台 logo、价格标签及促销信息都没有，还有达不到直接作为告白投放的水准。于这一点上，GPT Image 2 及 Midjourney 的完成度显然更高，差距就于对于语境的理解上。固然，假如回到素材东西的维度权衡，HiDream-O1-Image 的天生及审美能力则已经经彻底胜任了。

第二项测试是漫画天生，这类多镜头场景笼罩了漫画创作、分镜头天生或者游戏资产的出产，一样是文生图模子间隔落地近来的场景之一。而此中最要害的考量，就是模子可否于频仍切换的镜头及视角下，维持住脚色形象的一致性。

于测试天生的四宫格漫画中，可以留意到一个细节是，主角柴犬的红色领巾于四个画面中都呈现了，颜色、位置稳定，纹理也基本一致，申明HiDream-O1-Image 具有跨镜头连结视觉元素的能力。

成心思的是，咱们的提醒词虽然描写了画面、情节，并向模子指出这是一则漫画，但 HiDream-O1-Image 却好像没法理解漫画对于文字的包罗瓜葛，是以最初交付的天生成果只有图片，需要咱们手动添加指令“插手中文对于白”。这及此前电商海报的测试使命某种水平上实现了互相印证，HiDream-O1-Image 于自动理解语境上，好像力有不逮。

于第三项测试中，咱们要求 HiDream-O1-Image 天生一张面向初中生的水轮回科普图片，先容包括蒸发、凝聚、降水、地表径流及地下渗入的水轮回环节，并用箭头展示前后挨次。于图解中，还有需要用简短中文标签标注每一个阶段的名称。这项使命触及到繁杂指令遵照，及繁杂画面元素对于模子排版能力的磨练。

于终极的五份交付成果中，有四张均正确无误。下面是独一呈现了过错的一张，此中地下渗入的水轮回标的目的发生了倒置。

比起简朴的幻觉，这更像是某种知识过错。闭源模子患上益在更长周期的 RLHF 与真实用户反馈堆集，于繁杂排版、文本天生及信息层级节制上的不变性越发凸起。而相对于地，知识一致性及繁杂指令对于齐能力仍旧是今天开源模子及闭源模子最重要的差距之一。

第四项测试是街景天生。这项使命的非凡的地方于在，咱们仅仅给出了对于所在的简朴描写，如“上海旧城区街景”，要求模子自行补全，天生逻辑、元素合理的图象。这磨练的是模子的世界常识。

于现实测试中，咱们选择了东京涩谷、巴黎咖啡馆、新加坡牛车水、上海胡衕、广州骑楼、东京京都 6 个气势派头强烈且对于比较着的所在。

比力有代表性的是左上角的巴黎咖啡馆。深红遮阳棚加金色字体、外摆的藤编咖啡椅配小圆桌，都是巴黎左岸咖啡馆典型的视觉语言。

空间逻辑上，最乐成的一张当属上排中间的新加坡水牛车街景，灯笼街的部门不仅于色采饱及度上尽可能节制，并且总体街道透视很是不变。从灯笼的摆列就能看出这一点，灯笼之间间隔险些连结一致，消散点也切合空间逻辑。美中不足的是，HiDream-O1-Image 虽然复刻了南洋骑楼及彩色店屋的修建气势派头，可是画面中仍旧能看出一些中国香港唐楼的影子，让街景像是一种地区混搭的产品。

论修建语言，最正确的一副是右上角的广州骑楼。持续廊柱下的遮雨空间、混淆立面、深进深商铺都是光鲜的骑楼特性，画面中甚至还有天生了雨全国的反光地面，很切合广州多雨水的都会印象。

对于在年夜部门场景，HiDream-O1-Image 都能天生修建形态合理、空间逻辑于线的街景。但纵不雅六个画面，文字衬着杂乱的“伪汉语”仍旧层见叠出。实在法语也没能逃过，左上角的巴黎咖啡馆街景中，CAFE 的拼写无误，但左边的 OAMER 疑似无心义的字母组合。这也是一种“伪文字”的典型体现，也就是于缺少详细文字内容指令的环境下，模子可以天生看起来像文字的纹理，但却无关乎语义的完备与否。

于末了一项测试中，咱们要求 HiDream-O1-Image 为健身 APP 天生一份 UI 页面，此中需要包括练习规划、卡路里耗损、课程卡片、底部导航栏等元素。

这是最有疑惑性的一个测试。界面布局合理，组件对于齐，乍看之下险些以为是真正的 UI 稿，但却经不起细看。

最较着的问题是文字体系崩坏，热量单元于统一个页面里呈现了 “kcal / kcl / kcs / kal” 四种写法，卡片标题及副标题反复，中文字体与英文排版系统彻底不同一，结构上也没有凸起应有的信息层级，主要区域只是靠“年夜数字 + 年夜圆角 + 荧光色”制造视觉打击，此外的人脸破碎更没必要多说，真实的 UI 设计师手底下出不了这么糙的活。

与此同时，许多看似合理的内容实在只是视觉拼贴。例如“焦点强化”配图是一小我私家站着举哑铃，视觉上及练习内容没有直接联系关系。事实上这仍旧是对于街景天生使命中，“伪文字”问题的反复，即于不睬解真实语义的环境下，文字只是某种视觉纹理。

03

你能透过这份实测看到 HiDream-O1-Image 引起的险些所有争议。于某些场景下，它确凿以 8B 参数做到了 27B 的体现，UiT 的架构立异值患上尊敬。而于另外一些场景，GPT Image 2 的统治力依然无可撼动，用 HiDream-O1-Image 去横向对于比，无异螳臂当车。

但问题于在，这类对于比自己是否合理？

这次开源的 8B 版本更像是一个技能线路的验证者，假如它的使命是证实 UiT 架构可行，那末这一目的显然告竣了。但若开发者社区拿得手以后，选择直接对于标 GPT Image 2，因为预期错位致使的落差险些一定的。一样的缘故原由，此前 GPT Image 2 收成了一边倒的好评，也并不是出在它的完善，而于在用户及厂商对于其定位告竣了共鸣，一款付费利用的出产级东西。

那末回到探路者的脚色，HiDream-O1-Image 体现怎样？

GitHub 两周 443 stars，26 forks，6 个 open issues，对于一个刚满半个月的开源项目而言，这个热度不算低。ComfyUI 撑持，Reddit 上累计 100+ upvotes，Ostris 练习东西就绪，技能陈诉上线 arXiv，就生态设置装备摆设而言，动作也不算慢。

纵不雅整个文生图模子生态，HiDream-O1-Image 的怪异位置于在，它有着最前沿的架构，模子自己的成熟度却没那末高。虽然以 Elo 1187 的评分拿下了开源模子第一，但中文撑持还有要打上一个问号，生态设置装备摆设也仍于起步阶段，至在 LoRA、ControlNet 这些高阶弄法更是暂时不消多想。

转头来看，HiDream-O1-Image 最年夜的价值，就于在它展现了 UiT 架构是一条能走通的路。同一 token space 的效率上风指向将来，此前的五维测试也袒露了界限。假如说 8B 开源版本的任务是技能验证及社区预热，借此看看 UiT 架构能做到甚么水平，那末后续发布的 Pro 版本，才是阿谁真正要及 GPT Image 2 一较高下的选手。

8B 开源版是一扇窗，真实的风光还有于 200B＋ 参数的 Pro 版本以后。

雷峰网特约稿件，未经授权禁止转载。详情见转载须知。