一、Ideogram介绍
Ideogram公司宣布推出其最新的4.0版本开放权重文生图模型（简称 Ideogram4），目前在设计类图像生成领域处于领先地位，被称为“设计前沿的开源图像模型”。在设计专属评测（Design Arena）、排版测试、通用图像排行榜上，都是开源模型里的第一，整体接近甚至在某些设计任务上超越一些闭源大模型。
Ideogram4.0的核心规模为9.3B参数，采用单流架构，使得文本和图像tokens能够共享同一个自注意力序列，并将设计控制置于训练和推理格式的核心位置。该模型由Qwen3-VL-8B-Instruct文本编码器、可训练的34层单流DiT（扩散Transformer）、Euler流匹配采样器以及冻结的KL自动编码器组成，能够生成包括人物、场景和设计类图像在内的多样化内容，特别适合需要图片创作、视觉排版和文字海报的用户。
主要特点
- 超强文字渲染：能在图片里直接生成清晰、美观的文字（如海报标题、logo、标牌、多行文字），效果目前在开源模型里最好，很多更大参数的模型都比不过它。
- 精确控制布局：支持用 结构化 JSON 提示词（类似代码格式的详细描述），可以精确指定物体位置（用坐标框）、颜色方案、风格、构图等。普通文字提示也能用，但用 JSON 效果更好（有“魔法提示”工具自动帮你转换）。
- 灵活分辨率：原生支持从很小到 2048x2048（2K）的高清图像，宽高比随意调整（横图、竖图、长条图都行）。
- 模型大小：约 93 亿参数，提供 nf4（适合 CUDA）和 fp8 等量化版本，方便不同硬件运行。
- 架构亮点：采用先进的单流 Diffusion Transformer （DiT），结合视觉语言模型做文本理解，跨模态交互很深，生成质量和可控性强。
二、相关模型及安装
核心插件：KJnodes
模型安装路径：
📂 ComfyUI/
├── 📂 models/
│ ├── 📂 diffusion_models/
│ │ ├── ideogram4_fp8_scaled.safetensors
│ │ └── ideogram4_unconditional_fp8_scaled.safetensors
│ ├── 📂 text_encoders/
│ │ └── qwen3vl_8b_fp8_scaled.safetensors
│ ├── 📂 vae/
│ │ └── Flux2-vae.safetensors三、工作流
云端预览：https://www.runninghub.cn/workflow/2063627273588269057
关于该模型
该模型是在 **结构化 JSON 标题**（场景摘要、风格块、背景，以及可选的带边界框和十六进制颜色调色板的每个对象描述）上训练的。官方推理会根据该架构对提示进行验证。引导机制采用**流匹配**结合**非对称无分类器引导**（无条件通过时会丢弃文本令牌）——而非单独的否定提示字符串。
**注意：若看到“图像被安全过滤器拦截”的提示，这是模型自身安全训练所致，ComfyUI 并不具备任何安全过滤器。**
如何在此构建提示词
**(a) 原始输入**：直接粘贴或输入到子图中。您可以使用纯自然语言，但**结构化 JSON**（如子图默认所示）能提供最可预测的布局和样式控制。
**(b) 模型辅助（LLM）：**使用**Ideogram4 标题提示模板**的输出，配合任何 LLM 工具生成 JSON 格式的提示词
四、总结
随着开源图像生成模型竞争持续升温，Ideogram4.0凭借领先的文字生成能力和设计可控性，正在成为海报制作、品牌营销和视觉内容创作领域值得关注的新选择。在第三方评测方面，DesignArena最新榜单显示，Ideogram4.0已超越Nano Banana Pro，位列全球第四。DesignArena采用隐藏模型身份后由人工评审对生成结果进行盲测打分，因此能够较好反映真实用户对图像质量和视觉表现力的主观评价。，Ideogram 4.0在所有开源权重模型中位列第一，仅次于OpenAI和Google的闭源模型。在基准测试中，该模型表现优于Midjourney v8，并与Flux持平。