Ideogram 4 출시: 오픈 웨이트 9.3B 텍스트-이미지 모델

Ideogram 4는 전문적인 디자인을 위한 구조화된 JSON 프롬프팅을 도입합니다

Ideogram 4는 Ideogram에서 선보이는 첫 번째 오픈 웨이트 텍스트-이미지 모델로, 처음부터 학습된 9.3B 파라미터 파운데이션 모델을 특징으로 합니다. 이 모델은 고정밀 디자인 작업을 위해 특별히 설계되었으며, 업계 최고 수준의 다국어 텍스트 렌더링, 명시적인 bounding-box 레이아웃 제어, 그리고 네이티브 2k 해상도 지원을 제공합니다.

기술 아키텍처

Ideogram 4는 완전한 싱글 스트림 Diffusion Transformer (DiT) 아키텍처를 활용하는 flow-matching 텍스트-이미지 모델입니다.

싱글 스트림 DiT

텍스트와 이미지를 위한 별도의 브랜치가 있는 모델과 달리, Ideogram 4는 텍스트와 이미지 토큰이 하나의 통합된 시퀀스로 결합되는 34레이어 트랜스포머를 사용합니다. 이 아키텍처는 프로세스의 모든 레이어에서 깊은 교차 모달 상호작용을 가능하게 합니다.

비전-언어 텍스트 인코딩

CLIP 또는 T5와 같은 표준 텍스트 전용 인코더 대신, Ideogram 4는 Qwen3-VL-8B-Instruct를 채용합니다. 이 비전-언어 모델은 시스템이 13개의 중간 레이어에서 hidden states를 추출할 수 있게 하여, 이미지 생성기에게 기본적인 토큰 정보부터 복잡한 구성적 이해에 이르는 다중 스케일 시맨틱 특징을 제공합니다.

주요 아키텍처 특징

  • Dual-branch classifier-free guidance: 조건부(positive)와 무조건부(negative) 브랜치를 독립적으로 정제하여 이미지 품질과 프롬프트 준수 여부를 별도로 제어할 수 있습니다.
  • Flexible Resolution: 256부터 2048까지(16의 배수)의 해상도를 지원하며, 최대 6:1의 종횡비까지 지원합니다.

JSON 프롬프팅을 통한 고정밀 제어

Ideogram 4는 학습 효율성과 grounding을 극대화하기 위해 구조화된 JSON 캡션으로만 학습되었습니다. 모델은 일반 텍스트 프롬프트를 수용하지만, JSON 형식은 최대의 제어력을 제공하는 네이티브 인터페이스입니다.

레이아웃 및 색상 제어

  • Bounding-Box 레이아웃: 사용자는 JSON 프롬프트 내에서 bbox 좌표를 지정하여 피사체, 텍스트 요소, 배경 영역을 명시적으로 배치할 수 있습니다.
  • Color Palette Conditioning: 모델은 스타일 설명 내의 hex 컬러의 colour_palette 배열을 지원하여 생성된 이미지의 주요 색상 체계를 유도할 수 있습니다.
  • Compositional Deconstruction: 정밀한 공간 레이아웃은 bounding box와 각 요소별 설명을 결합하여 달성됩니다.

Magic Prompt 확장

일반 사용자와 구조화된 JSON 요구 사항 사이의 간극을 메우기 위해, Ideogram은 "magic prompt" LLM을 제공합니다. 이 도구는 생성 전에 일반 텍스트 프롬프트를 완전한 구조화된 JSON 캡션으로 확장하여, 사용자가 JSON을 직접 작성할 필요 없이 고품질의 결과를 보장합니다.

성능 벤치마크

Ideogram 4는 여러 제3자 및 내부 벤치마크에서 디자인 지향적 생성 모델로서 선도적인 오픈 웨이트 모델로 자리매김하고 있습니다.

디자인 및 타이포그래피

  • Design Arena: Ideogram 4는 Design Arena Elo 리더보드에서 GPT와 Gemini의 독점 모델들에 이어 차순위로 오픈 웨이트 모델 중 1위를 차지했습니다.
  • ContraLabs: 전문 디자이너들의 블라인드 타이포그래피 평가에서, Ideogram 4는 47.9%의 1위 승률을 기록하며 Gemini 3.1 Flash Image Preview (30.0%)와 FLUX.2 [max] (15.5%)를 크게 앞질렀습니다.
  • Practical Usability: 전문 디자이너들은 실제 고객 작업에서의 실용적 사용성을 기준으로 Ideogram 4에 3.55 / 5의 가장 높은 점수를 부여했습니다.

일반 기능

  • LMArena: Ideogram은 전체 이미지 생성 분야에서 상위 5위권의 이미지 생성 랩(lab)으로, 오픈 웨이트 랩 중에서는 1위를 차지했습니다.
  • Open-Source 벤치마크: 7Bench 레이아웃 제어 벤치마크에서 Ideogram 4는 모든 폐쇄형 소스 모델을 능가했습니다. 또한 Qwen-Image (20B), FLUX.2 [dev] (32B), HunyuanImage 3.0 (80B MoE)과 같은 더 큰 모델들에 비해 우월한 텍스트 렌더링 성능을 제공합니다.

모델 가용성 및 라이선스

Ideogram 4는 Hugging Face에서 두 가지 양자화 형식을 제공합니다:

  • nf4: 9.3B 파라미터, CUDA 지원, Diffusers 호환.
  • fp8: 9.3B 파라미터, 모든 하드웨어 지원.

두 버전 모두 Ideogram 4 Non-Commercial License로 출시되었습니다.

커뮤니티 피드백

기술적 능력은 찬사를 받았지만, 일부 커뮤니티 멤버들은 라이선스와 안전 필터에 대해 우려를 제기했습니다. Hacker News의 한 사용자는 다음과 같이 언급했습니다:

Non-commercial license, you should not call that "open-weight". Words have meaning. And people are having a laugh at how censored the model is.

Quick Start Guide

모델을 로컬에서 사용하려면, 사용자는 Hugging Face에서 게이트형 라이선스에 동의하고 hf auth login을 통해 인증해야 합니다. 기본적인 추론 명령은 다음과 같은 구조를 사용합니다:

python run_inference.py \
  --prompt "a ginger cat wearing a tiny wizard hat reading a spellbook" \
  --output out.png \
  --quantization "nf4" \
  --sampler-preset V4_QUALITY_48 \
  --magic-prompt-key "$IDEOGRAM_API_KEY"

최고의 품질을 위해 권장되는 설정은 --height 2048 --width 2048 및 --sampler-preset V4_QUALITY_48입니다.

Sources