Ideogram 4.0: впервые открыли веса — и сразу #1 среди open-weight моделей по тексту

3 июня 2026 Ideogram сделала то, чего от неё не ждали: открыла веса модели. Впервые за всю историю компании — Ideogram 1.0, 2.0, 3.0 были строго проприетарными. Теперь Ideogram 4.0 можно скачать с Hugging Face и запустить локально.

Это не просто «ещё одна open-weight модель». 9.3 миллиарда параметров, которые на Designer Arena заняли #2 среди всех моделей — выше Nano Banana 2, выше Grok, выше FLUX. И #1 по текстовому рендерингу среди любых открытых моделей — с результатом, который обогнал модели в 2-8 раз больше по размеру.

Разбираем почему это важно, что внутри и как запустить.

→ Скачать веса: huggingface.co/ideogram-ai
→ GitHub (inference code): github.com/ideogram-oss/ideogram4
→ API: ideogram.ai — $0.03/gen через Turbo
→ Попробовать бесплатно: ideogram.ai — 10 кредитов в неделю
→ Каталог инструментов генерации изображений: vibecoderz.ru/category/image-generation

Почему Ideogram решилась открыть веса — и что это меняет?

TL;DR: Стратегия как у Meta с Llama: открытые веса — это не конкурент бизнесу, а маркетинг, канал привлечения разработчиков и исследовательская экосистема. Бизнес остаётся на API и Enterprise.

До 3 июня Ideogram была единственным крупным игроком в image-gen без открытых весов. Flux — открытый. Stable Diffusion — открытый. Hunyuan — открытый. Ideogram — нет.

Это было бизнес-решение, которое начало мешать. Разработчики, которые строят продукты на image-gen, хотят гибкость: файнтюнинг под свой стиль, локальный деплой, отсутствие зависимости от чужого API. Они шли к конкурентам.

Теперь Startup Fortune формулирует стратегию точно: «The hosted product, API, enterprise offering and commercial licensing can remain the business. The open-weight release becomes the marketing engine, research channel and developer acquisition funnel.»

Это та же логика, что у Meta с Llama. Открываешь базовую модель — получаешь экосистему, комьюнити, исследователей, которые улучшают продукт бесплатно. Монетизируешь через API, enterprise, кастомные модели.

Важное ограничение сразу: веса доступны под Ideogram 4 Non-Commercial Model Agreement. Для коммерческого использования нужна отдельная лицензия. Код — Apache 2.0. Это разные вещи.

Что такое JSON-промптинг и почему это революция?

TL;DR: Обычные модели обучались на текстовых описаниях. Ideogram 4.0 обучена исключительно на структурированных JSON-промптах с bounding box, hex-цветами и typed text elements. Это не фича интерфейса — это архитектурное решение, которое меняет уровень контроля.

Это самая важная и наименее освещённая часть Ideogram 4.0.

Стандартный подход к обучению image-gen модели: берёшь пары изображение + текстовое описание. Модель учится сопоставлять слова с пикселями. Результат: модель понимает «красный» как некий диапазон оттенков красного, «слева» как примерно левую часть кадра.

Ideogram 4.0 обучена по-другому. Ни одного plain-text примера в тренировочных данных. Каждое изображение размечено полным JSON-описанием — стиль, координаты каждого элемента, hex-цвета, тип и позиция текста.

Что это даёт:

Точные цвета. Пишешь "color_palette": ["#1B3A5C", "#E8A055"] — модель понимает это как конкретные hex-значения, а не как «тёмно-синий с оранжевым». До 16 цветов на всё изображение, до 5 на каждый элемент.

Точные позиции. Любой элемент описывается через "bbox": [y_min, x_min, y_max, x_max] в координатах 0–1000. Хочешь текст точно в нижнем левом углу — ставишь [850, 50, 950, 400]. Модель понимает это буквально.

Точный текст. Отдельное поле text для строки, отдельное desc для стилизации. Механизм, который позволяет делать многострочный, мультишрифтовый текст прямо в изображении — без фотошопа.

Это объясняет почему Ideogram так хороша в текстовом рендеринге. Это не случайность, это архитектура.

Реальный пример промпта выглядит так:

{
  "high_level_description": "Минималистичный постер для кофейни",
  "style_description": {
    "aesthetics": "Clean, editorial, modern",
    "lighting": "Soft natural light",
    "color_palette": ["#F5F0E8", "#2C1810", "#E8A055"]
  },
  "compositional_deconstruction": {
    "background": "Кремовый фон с лёгкой текстурой",
    "elements": [
      {
        "type": "obj",
        "bbox": [200, 350, 700, 650],
        "desc": "Белая керамическая чашка с кофе"
      },
      {
        "type": "text",
        "bbox": [100, 100, 250, 900],
        "desc": "Bold sans-serif, тёмно-коричневый",
        "text": "MORNING RITUAL"
      }
    ]
  }
}

Не хочешь писать JSON руками? Magic Prompt — встроенный LLM, который расширяет обычный текст в полный JSON-промпт автоматически. Бесплатно, нужен только API-ключ.

Архитектура — что внутри?

TL;DR: Single-stream Diffusion Transformer (DiT), 9.3B параметров, Qwen3-VL как text encoder, MRoPE для гибких пропорций. Обучаемый только backbone — encoder и decoder заморожены.

Это новая архитектура с нуля — не файнтюн Stable Diffusion, не FLUX-производная.

Четыре компонента:

Text Encoder: Qwen3-VL-8B-Instruct — заморожен. Используется не как стандартный text encoder, а хитро: берутся hidden states с 13 промежуточных слоёв и конкатенируются. Вместо одного вектора на токен — богатые многослойные представления.

Backbone: Ideogram 4 DiT — единственный обучаемый компонент. 34 трансформер-слоя, text и image tokens в едином sequence. 9.3B параметров. QK-RMSNorm, MRoPE (Multi-Resolution RoPE) — позволяет гибкие соотношения сторон вплоть до 6:1.

Sampler: Euler flow-matching — с asymmetric CFG и logit-normal noise schedule. 12, 20 или 48 шагов денойзинга. Asymmetric CFG — ключевой трюк, который улучшает качество без удвоения вычислений.

Decoder: KL VAE — заморожен. Переводит latent-пространство в пиксели с 8-кратным сжатием.

Разрешение — от 256 до 2048 пикселей по каждой стороне. Гибкие пропорции через MRoPE.

Размер впечатляет именно в контексте конкурентов. FLUX.2 [dev] — 32B параметров. Hunyuan Image v3 — 80B в MoE. Qwen-Image — 20B. Ideogram 4.0 — 9.3B. Меньше — значит запускается на потребительском железе и всё равно выигрывает по тексту.

Бенчмарки — где реально стоит?

TL;DR: #2 в Designer Preference Arena среди всех моделей. #1 по текстовому рендерингу среди open-weight. На X-Omni EN OCR — 0.97, впереди всех открытых моделей включая FLUX.2 в 32B.

Designer Preference Arena — 4 366 голосов графических дизайнеров, слепые парные сравнения. Результат:

Из трёх open-weight моделей в списке — Ideogram 4.0 на #2 среди всех и на 162 ELO выше ближайшего открытого конкурента (Hunyuan).

X-Omni EN OCR: 0.97 — метрика точности текстового рендеринга. Ideogram 4.0 впереди всех open-weight моделей при 9.3B параметров, обходя Qwen-Image (20B), FLUX.2 [dev] (32B), Hunyuan Image v3 (80B MoE).

Это не «примерно лучше». Это ~2-8 раз меньше параметров при лучшем результате по тексту.

Как запустить локально — железо и инструкция?

TL;DR: Минимум — RTX 3060 12GB для fp8-версии. Комфортно — RTX 3090/4090 или RX 7900 XTX с 24GB. Два варианта: nf4 (CUDA, Diffusers) и fp8 (любой GPU). Веса gated — нужен Hugging Face аккаунт и согласие с лицензией.

Три варианта квантизации:

ideogram-4-fp8 — рекомендуется большинству:
→ Работает на любом GPU (не только NVIDIA)
→ Минимум: 12 GB VRAM (RTX 3060 12GB, RTX 4070)
→ Комфортно: 24 GB (RTX 3090, RTX 4090, RX 7900 XTX)
→ Нет поддержки Diffusers

ideogram-4-nf4 — для CUDA-пользователей с меньшим GPU:
→ Только NVIDIA CUDA
→ Минимум: 8 GB VRAM
→ Комфортно: 12-16 GB
→ Поддержка Diffusers — да

ideogram-4-INT8-ConvRot — для старых систем:
→ С offloading: 12 GB минимум
→ Полная загрузка: 24 GB

Шаг 1. Создай аккаунт на huggingface.co.

Шаг 2. Перейди на huggingface.co/ideogram-ai/ideogram-4-nf4 или ideogram-4-fp8 — прими лицензионное соглашение.

Шаг 3. Скачай inference-код:

git clone https://github.com/ideogram-oss/ideogram4
cd ideogram4
pip install -r requirements.txt

Шаг 4. Запусти генерацию:

python generate.py \
  --model ideogram-4-fp8 \
  --prompt "your prompt here" \
  --output output.png

Поддержка ComfyUI — появится в ближайшие дни/недели через комьюнити-ноды. Это стандартный путь для новых open-weight моделей.

API — как использовать без локального запуска?

TL;DR: $0.03-0.10 за изображение в зависимости от качества. Magic Prompt бесплатный. Character Consistency, Batch с CSV, Custom Models — всё через API.

Если не хочешь возиться с локальным запуском — API работает из коробки:

Для контекста: DALL-E 3 — $0.04-0.08. Midjourney API — дороже. При качестве #2 в мире — Ideogram API один из самых выгодных вариантов.

Что ещё есть через API:
→ Background Remover
→ Character Consistency — одно фото → консистентный персонаж в разных сценах
→ Custom Branded Models — 15-100 своих изображений → персональная модель под бренд
→ Batch Generation с CSV — массовая генерация для контента
→ MCP-интеграция — Ideogram как инструмент для AI-агентов
→ Print on Demand — прозрачные PNG до 8K

Веб-подписки (отдельно от API):

Ideogram 4.0 vs Reve 2.0 — оба вышли 3 июня

TL;DR: Две разные ставки на будущее генерации изображений. Ideogram — open-weight, текст, локальный запуск. Reve — проприетарный, 4K нативно, редактирование объектов.

Случайно или нет — обе модели вышли в один день. И обе с похожей философией: не «красивее», а «больше контроля». Но реализовали по-разному.

Если нужен локальный запуск, файнтюнинг под свой стиль, работа с текстом — Ideogram 4.0. Если нужно нативное 4K и прямое редактирование объектов в сцене — Reve 2.0.

Что это значит для рынка — три вывода

TL;DR: Open-weight при таком качестве убивает mid-tier closed-source API. JSON-промптинг может стать стандартом. Текстовый рендеринг больше не конкурентное преимущество — это гигиенический минимум.

Первый вывод: mid-tier closed-source API под давлением. Если open-weight модель занимает #2 в Designer Arena — зачем платить за API сервисов, которые ниже в рейтинге? Конкуренция за позиции 3-9 стала намного жёстче.

Второй вывод: JSON-промптинг как возможный стандарт. Ideogram обучила модель исключительно на JSON-разметке и получила лучший контроль над результатом. Если это докажет своё превосходство в массовом использовании — другие модели начнут двигаться в том же направлении.

Третий вывод: текстовый рендеринг стал гигиеническим минимумом. Ideogram 4.0 поднимает планку так высоко, что плохой текст на изображениях теперь неприемлем. Модели, которые его не умеют, теряют целый класс use cases — дизайн, маркетинг, контент.

Для кого это и как использовать

TL;DR: Дизайнерам и маркетологам — API с JSON-промптами даёт контроль которого раньше не было. Разработчикам — open-weight для файнтюнинга под свой стиль. Вайбкодерам — API $0.03/gen для продуктов с генерацией изображений.

Попробуй Ideogram 4.0, если:
→ Создаёшь маркетинговые материалы с точными цветами бренда — JSON цветовые палитры решают это
→ Нужен текст прямо на изображении — баннеры, постеры, обложки
→ Строишь продукт с генерацией изображений через API — $0.03/gen при топ-2 качестве
→ Хочешь файнтюнить модель под свой стиль — open-weight позволяет
→ Важен локальный запуск — нет зависимости от чужого API

Лучше Reve 2.0, если:
→ Нужно нативное 4K
→ Хочешь двигать объекты в сцене без перегенерации
→ Важна скорость генерации на большом разрешении

Лучше Midjourney, если:
→ Нужна устоявшаяся экосистема и максимальное комьюнити
→ Работаешь в Discord-интерфейсе

Лиза работает с image-gen инструментами почти каждый день — на NanaBanana контент, на портал, на NeuroScribe. Её принцип: правильный инструмент под задачу. Для маркетинговых материалов с точными цветами бренда — JSON-промптинг Ideogram закрывает задачу лучше чем любой другой генератор прямо сейчас.

Скачать веса: huggingface.co/ideogram-ai

GitHub (inference code): github.com/ideogram-oss/ideogram4

API: ideogram.ai — $0.03/gen через Turbo

Попробовать бесплатно: ideogram.ai — 10 кредитов в неделю

Каталог инструментов генерации изображений: vibecoderz.ru/category/image-generation

Вопросы по инструментам — к Максиму: telegram.me/maxnagovitsyn

FAQ

Ideogram 4.0 полностью бесплатный?
Веса скачать можно бесплатно — но только для некоммерческого использования (Ideogram 4 Non-Commercial Model Agreement). Код — Apache 2.0. Для коммерческого использования весов нужна отдельная лицензия. API — платный ($0.03-0.10/gen), есть бесплатный веб-тир с 10 кредитами в неделю.

Какой GPU нужен для локального запуска?
Минимум — 8 GB VRAM для nf4-версии (только NVIDIA), или 12 GB для fp8-версии (любой GPU). Комфортно — 24 GB. RTX 3090, RTX 4090, RX 7900 XTX.

Что такое Magic Prompt?
Встроенный LLM, который превращает обычный текстовый промпт в полный JSON-промпт автоматически. Бесплатно, нужен только Ideogram API-ключ. Убирает необходимость писать JSON вручную.

Чем отличается от Stable Diffusion?
Принципиально другая архитектура (DiT, не UNet). Обучена на JSON-промптах, не на текстовых описаниях. Значительно лучше рендерит текст. По качеству — на порядок выше SD3.

Можно ли файнтюнить Ideogram 4.0?
Технически — да, веса доступны. Для некоммерческого использования. Коммерческий файнтюнинг требует отдельной лицензии от Ideogram.

Ideogram поддерживает русский язык?
Для генерации промптов — лучше английский. Текстовый рендеринг — SOTA по мультиязычности, включая кириллицу.

Как это связано с Reve 2.0 который тоже вышел 3 июня?
Обе модели вышли в один день и обе делают ставку на контроль, а не просто «красивее». Ideogram — open-weight, текст, локальный запуск. Reve — проприетарный, 4K нативно, редактирование объектов в сцене. Подробное сравнение — в нашем обзоре Reve 2.0.

Глоссарий

Open-weight — модель с открытыми весами, которую можно скачать и запустить локально или файнтюнить.

Diffusion Transformer (DiT) — архитектура генеративных моделей, использующая трансформер вместо UNet. Более масштабируема, лучше работает с длинными последовательностями.

Single-stream DiT — вариант DiT, где text и image tokens обрабатываются в едином sequence, а не разделённо.

MRoPE (Multi-Resolution RoPE) — расширение позиционного кодирования, позволяющее гибкие соотношения сторон изображения вплоть до 6:1.

Flow-matching — метод обучения генеративных моделей, альтернативный диффузии. Более стабильное обучение и качество.

CFG (Classifier-Free Guidance) — техника, усиливающая соответствие генерации промпту. Asymmetric CFG — вариант с разными весами для text и null conditioning.

Bounding box — прямоугольная область в изображении, заданная координатами углов. В Ideogram 4.0 — через [y_min, x_min, y_max, x_max] в координатах 0–1000.

nf4 / fp8 — форматы квантизации весов. Уменьшают требования к памяти GPU при минимальной потере качества.

ELO — система рейтинга из шахмат. Используется в Image Arena для сравнения моделей по слепым голосованиям.

Apache 2.0 — разрешительная open-source лицензия. Код Ideogram 4.0 под Apache 2.0 — можно использовать коммерчески. Веса — другая лицензия, некоммерческая.

Вайбкодинг — создание продуктов с помощью AI без глубоких технических знаний.