作家 | 陈骏达

智东西6月11日报谈，本周，智象翌日（HiDream.ai）推出了其最新商用河山像生成模子HiDream-O1-Image-1.5，并在民众知名AI模子评测平台Artificial Analysis上拿下总榜第三、国内第一的收获。

这一模子的ELO得分超越了Google Nano Banana 2、NVIDIA Cosmos3-Super-Text2Image和字节超越的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，智象翌日还是是民众第二、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上赢得考据。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吞并个分享空间，用一套调和的Transformer来辘集和生成。

但榜单和期间细节除外，咱们更念念知谈的谜底是：这一模子本色用起来感受究竟如何，把它和国际顶流拉到吞并个擂台上真刀真枪比一场，谁能赢？

现在，HiDream-O1-Image-1.5已在智象翌日的HiHarness平台上线，支抓在线体验与API调用。智东西第一期间对其进行了实测。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，正在速即靠拢国际顶流。

HiDream-O1-Image-1.5体验邻接:

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、画面细节意见出色

能否准确渲染笔墨，一直是图像生成领域的痛点，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运行。

首个测试案例是相对节略的海报策画，内容是一部天外主题电影的竖版宣传海报。HiDream-O1-Image-1.5是炫夸过关，它在海报中选择了三种不同的字体，笔墨渲染准确，字体的遴荐和策画也与画面主题契合，莫得违和感。

HiDream-O1-Image-1.5的汉文渲染才略也可以。咱们让它给某个国内音乐节策画一张海报。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、期间所在、票价和票务平台。这些内容不可混在总共，必须有大小对比、区域离别。

最终，HiDream-O1-Image-1.5准确地生成了咱们条目的内容，竖版笔墨的渲染也莫得出现失实，信息呈现明晰，考汲水墨画的作风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：特定作风的高密度笔墨渲染。咱们条目HiDream-O1-Image-1.5生成一册旧诗荟萃的某一个页面，内容是英国诗东谈主的华兹沃斯的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失实。同期，它也辘集了指示词中“旧诗集”的作风条目，图中的诗集页面稍许泛黄，边角还有些岁月留住的萍踪。

生图模子的另一大问题等于简直性。很多模子生成的扫尾一眼看上去就有AI味，比拟隆起的问题包括浓重感很强、构图和东谈主物等元素不相宜事实等。

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。这几大主体的质感皆很利落，特别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头绪皆比拟简直，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花式。

画面中，构图和东谈主物算作也基本合理，傍边两侧的厨师在备菜，中间的厨师在烹调，配景里还有劳作的帮厨，总共场景相配相宜本色的贸易厨房运作逻辑。

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比拟到位，雨夜、霓虹灯牌、柏油路面反光皆得到简直的呈现，出息的明晰与配景的景深虚化惩处得也很好。

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，一款生图模子要在简直出产场景意见作用，还需具备对多种不同作风、策画条目的辘集力。咱们让HiDream-O1-Image-1.5荟萃尝试了意大利老电影作风、1940年代老像片作风、拼贴画这三种判然不同的作风。

首个案例中，模子得胜辘集了“意大利老电影作风”的中枢成分，色调符相助风条目，画面内容包含了意大利常见的卵石路、地中海海景等细节，画面中东谈主物的面孔有种胶片电影捕捉到的天然感，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得胜模拟了20世纪三四十年代好意思国农场家庭合影的作风，东谈主物的颜色、穿戴带有阿谁年代独有的作风，咱们在指示词中条目的模拟像片老化的遵循也得到了还原，可以看到像片的边角有些缺成仇泛黄。

终末，在这一拼贴作风图像生成的任务中，HiDream-O1-Image-1.5规复了手工撕纸的质感、旧纸张的肌理以及金属部件的清朗感，材质对比富足冲击力。中间的花草与美艳元素错乱有致，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在笔墨渲染上意见塌实，多层级汉文排版也能准确呈现；画面简直感强，细节经得起沟通。天然偶有小Bug，但全体可用性很高，米兰体育中国官网很允洽需要高效出图的海报、影相、艺术创作等简直出产场景。

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与几款面前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比拟流行的分镜生成、UI策画、作风化等等。

先看分镜生成。这类任务条目模子同期惩处多格画面的构图逻辑、序号标注、画面连气儿性以及调和的作风质感，是对模子空洞辘集力的荟萃锤真金不怕火。咱们以“夜深便利店”的6格分镜稿为调和测试题，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，不外它冷落了咱们指示词中对于实拍质感的作风条目，生成的分镜图是漫画风的。

HiDream-O1-Image-1.5也很快给出了生成扫尾。HiDream-O1-Image-1.5作念得较为可以的是脚色的一致性。图中东谈主物在分镜2和5中的面孔、穿戴基本一致。同期，便利店场景的还原也较为相宜事实。

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，算是一个小的特殊，但在后续的分镜中咖啡罐的比例被精确的休养了过来。

GPT-Image 2是终末一个给出身成扫尾的模子。在细节还原度方面，GPT-Image 2作念得十分简直，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皆按照指示词的条目规复了，全体惩处得很天然，基本莫得AI生成萍踪。

在UI策画类任务中，咱们让三款模子给一个iPad愚弄策画一个登陆页面。HiDream-O1-Image-1.5在策画中选择了干净、当代的作风，视觉烦闷比拟少，重心荟萃在中枢功能上。

而GPT-Image 2选择了经典的卡片作风，在浅蓝色配景的中央摈弃了一个带大圆角的白色卡片，比拟按序。同期，它还用蓝色高亮了交互文本。

Nano Banana 2的生成扫尾是这三张图中最不像UI样板策画的图片，它包含了环境配景，更像是用来作念展示的遵循图。不外，在中枢的UI页面方面，它的意见如故比拟中规中矩的。

咱们的终末一个对比实测任务是作风化。GPT-Image 2较好地还原了贸易影相与相沿胶片两种作风，但在抽象几何风的惩处上仍不够透顶。

Nano Banana 2在贸易影相作风上意见可以，主动呈现出咖啡冒出的热气，画面更具眩惑力。但是，其胶片作风与贸易影相之间各异不彰着，痛苦区分度。在抽象几何风方面虽作念了一定休养，但全体的几何感仍不够到位。

终末望望HiDream-O1-Image-1.5。它在左侧的贸易影相作风上作念得可以，明晰度和光影皆相宜条目。而在中间的相沿胶片质感方面，画面有一种胶片的颗粒感，颜色偏移的遴荐也比拟相宜胶片风的性情。而在抽象几何作风中，HiDream-O1-Image-1.5的惩处比拟果敢，按照指示词条目烧毁了物理写实。在三个模子中，它的意见最相宜指示词的条目。

从实测扫尾来看，三款模子各有长处。Nano Banana 2在生成速率上有上风，GPT-Image 2 在细节简直度方面意见隆起。而HiDream-O1-Image-1.5在多项任务中展现了可以的空洞才略，无论是脚色一致性、策画作风的审好意思，如故作风化任务中跨越三种作风的把控才略，均意见出色。

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

三、收场委果“原生全模态”，1个月内连气儿三次迭代

HiDream-O1-Image-1.5究竟是如何收场上述生奏遵循的？谜底就藏在底层架构上。

传统文生图模子频繁选择“文本编码器+VAE+DiT/扩散模子”的模块化旅途，其花式更像一棵不停分叉滋长的树：文本有我方的tokenizer，图像和视频有各自的encoder/decoder，音频、算作、空间接洽也时常沿着不同旅途被惩处，模块之间需要屡次救援信息。

在笔墨密集排版、UI页面、多主体生成、多参考图限度、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”阶梯。所谓原生全模态，并不是先分别窥探各模态模子再拼接，而是从架构策画之初就让文本、图像、视频、音频等多种模态分享吞并套表征体系，在模子底层收场和会。

具体到HiDream-O1-Image系列模子，它去掉了传统生图进程中的VAE和孤苦文本编码器，将图像像素、文本Token、视频体素以及音频、算作、空间接洽等原始信号映射进吞并个分享Token空间，与吞并套UiT（像素级调和的 Unified Transformer） 交互，在调和表征系统中完成辘集、生成和推理。

UiT此前在智象翌日的开源模子HiDream-O1-Image还是赢得选择，而后，智象翌日也在快速迭代。本年5月，智象翌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领域的进一步考据。

新一代生图架构从商榷到开源再到商用落地，时常需要资格漫长的周期，而智象翌日的UiT架构当先在开源社区和贸易居品两条线上同期跑通，并在1个月傍边的期间内连气儿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讲理的信号，反应出UiT架构自己具备考究的可扩张性和工程友好性，好像撑抓起从推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调和架构

2026FIFA世界杯下单平台官网

有越来越多的生图模子，正从拼接式的架构走向原生调和。一朝这条旅途全面走通，模子本就能像辘集并生成天然话语内容那样，更好地惩处视觉生成任务。

智象翌日在这一架构内的快速迭代米兰体育MILAN中国官网，还是初步讲明了这个底座的可扩张性。跟着模子领域、窥探数据和工程才略的抓续进化，咱们有原理服气，UiT所代表的期间范式，有可能成为下一代视觉生成模子的主流架构之一。

• 国产
• 第一
• 民众
• 米兰体育MILAN中国官网
• 场上