HiDream-O1-Image-1.5 Tops Global Text-to-Image Benchmarks

•HiDream-O1-Image-1.5 是由智象未來（HiDream.ai）推出的一款商用版圖像生成模型，其在基準測試中的頂尖表現，標誌著該公司在生成式AI領域的商業化進展。
•該模型採用了獨特的像素級統一Transformer (UiT) 架構，直接在原始像素空間操作，無需傳統文生圖模型中常見的變分自編碼器（VAE）或分離的文本編碼器，從而簡化了生成流程並提升了細節表現。
•HiDream-O1-Image 不僅限於文生圖，還支援多種任務，包括長文本渲染、基於指令的圖像編輯、主題驅動的個性化以及故事板生成，並能原生輸出高達 2048x2048 的圖像解析度。
•該模型整合了「推理驅動提示代理」（Reasoning-Driven Prompt Agent），旨在生成前解析隱含知識、佈局和文本渲染，以更好地理解複雜提示並提高圖像生成準確性。

📊 競品分析▸ Show

模型名稱	開發者	類型	基準分數 (LLM Stats/AA, 2026年6月)	價格 (每千張圖片)	主要特點
HiDream-O1-Image (開源版)	HiDream.ai	開源	1124±7 (Arena AI ELO)	免費 (開源)	像素級統一Transformer，無VAE，多任務支援，原生2K解析度
GPT Image 2	OpenAI	專有	469	$50.0 / $50.0	最佳提示遵循度及圖像內文本渲染
GPT Image 1.5	OpenAI	專有	275	$0.00 / $50.0	最佳提示遵循度及圖像內文本渲染
Gemini 3.1 Flash Image	Google	專有	175	$20.0 / $20.0	Google最廣泛可用的強大模型
Gemini 3 Pro Image	Google	專有	57	$130.0 / $130.0	Google主流前沿模型
Flux 2 Max	Black Forest Labs	開源權重	91	$60.0 / $60.0	Black Forest Labs擴散模型家族
Seedream 4.5	ByteDance	專有	20	未公開	高品質圖像生成
Qwen Image	Alibaba	專有	-105	未公開	圖像生成
NVIDIA Sana Sprint	Nvidia	專有	未公開	未公開	圖像生成

架構核心： HiDream-O1-Image 採用像素級統一Transformer (UiT) 架構，這是一種端到端模型，直接在原始像素上操作，摒棄了傳統文生圖模型中常用的變分自編碼器（VAE）和分離的文本編碼器。
統一輸入空間： 模型將原始圖像像素、文本標記和任務特定條件映射到單一共享的標記空間中，實現了多模態輸入的結構統一。
原生高解析度： 支援直接合成高達 2048 × 2048 像素的圖像，並能保持清晰細緻的細節，無需額外的升頻器。
多任務能力： 單一架構即可處理文生圖、長文本渲染、指令編輯、主題驅動個性化和故事板生成等多種任務。
推理驅動提示代理： 內建的「思考」代理在生成前解析隱含知識、佈局和文本渲染，以增強提示理解和生成質量。
參數規模： 開源版本 HiDream-O1-Image (Dev) 具有 80 億參數，而大規模版本 HiDream-O1-Image-Pro 則擴展至超過 2000 億參數。

中國在生成式AI領域的國際地位提升

HiDream-O1-Image-1.5 取得的頂尖排名，顯示中國AI研究在生成式視覺模型領域的技術實力已達到全球領先水平，有望挑戰現有市場格局。

推動圖像生成技術架構創新

其像素級統一Transformer架構，放棄了傳統VAE和分離文本編碼器，可能為未來多模態模型的設計和優化提供新的方向。

加速商業化應用落地

作為商用版模型，HiDream-O1-Image-1.5 的優異性能將吸引更多企業將其整合到商業營銷、影視創作等實際應用場景中，推動AI內容生成工具的普及。

2023

智象未來 (HiDream.ai) 公司成立

2025-05

HiDream-I1 (早期模型) 發布

2026-05-08

HiDream-O1-Image (80億參數開源版) 在MIT許可下開源

2026-05-10

HiDream-O1-Image 技術報告發布

2026-05-19

超2000億參數的HiDream-O1-Image-Pro發布，智象未來完成新一輪億級融資

2026-06-10

量子位報導 HiDream-O1-Image-1.5 登頂全球文生圖榜單，超越Google和Nvidia主流模型

HiDream-O1-Image-1.5 登頂全球文生圖榜單