近日，百度（BIDU）文心大模型正式推出并開源 ERNIE-Image 文生圖模型，以遠低于行業(yè)的 8B 參數(shù)規(guī)模，實現(xiàn)了多項國際基準測試 SOTA（行業(yè)最優(yōu)效果）。同時，ERNIE-Image 在 24GB 顯存的消費（883434）級顯卡即可流暢運行，這意味著大幅降低了高精度文生圖的技術與硬件門檻，為創(chuàng)作者與行業(yè)提供可觸達的頂級圖像生成能力。用戶可在文心一言、百度（BIDU）千帆平臺上測試使用。
在評測表現(xiàn)上，ERNIE-Image 在多項權威基準中取得領先成績。其中，在 SuperCLUE 文生圖榜單中，ERNIE-Image 綜合排名位列國內(nèi)第一、全球第四，僅次于 Nano Banana 2、Nano Banana Pro 和 GPT-Image-1.5，超過 Qwen-Image-2.0-Pro、Doubao-Seedream-5.0-lite（LITE） 等模型；同時，在圖文一致性與漢字生成兩項細分指標中均位列國內(nèi)第一。
在國際公開評測中，ERNIE-Image 在 GenEval、OneIG（中英文）、LongText-Bench 等基準測試中綜合表現(xiàn)領先同類開源模型，與 Nano Banana 等商業(yè)閉源模型處于同一梯隊。其中，在復雜指令與文本渲染能力測試 LongText-Bench 中，ERNIE-Image 以 0.9733 的成績位列全球開源模型第一。
據(jù)悉，ERNIE-Image 被業(yè)內(nèi)稱為“開源小鋼炮”，采用單流 Diffusion Transformer（DiT）架構，僅約 80 億參數(shù)規(guī)模，即可實現(xiàn)高水平圖像生成能力。在復雜指令跟隨、高密度文本渲染及結構化圖像生成方面表現(xiàn)突出，支持中、英、日、韓等多語言生成，字形清晰、筆畫精準，可穩(wěn)定輸出海（885840）報、漫畫分鏡及學術圖表等高布局復雜度內(nèi)容。模型風格覆蓋寫實攝影、動漫、電影感膠片、老照片等多種類型，在角色一致性與情緒表達方面表現(xiàn)優(yōu)異，尤其在二次元漫畫創(chuàng)作中，可實現(xiàn)單主體精準還原與多主體穩(wěn)定生成，整體效果接近專業(yè)漫畫稿水準。
目前，ERNIE-Image 已在 Hugging Face 開源模型權重及推理代碼，遵循 Apache 2.0 協(xié)議，支持 ComfyUI 工作流，海外開發(fā)者測試后在社交媒體評價稱：“對比 ERNIE-Image 和 Nano banana2，效果讓人震驚”、“接觸過最好的的開源（文生圖）Turbo 模型”。
官方消息顯示，ERNIE-Image 已經(jīng)與同道大叔、電影網(wǎng)、鳳凰網(wǎng)、蜻蜓 FM、瑛麒動漫、吐司 AI、RunningHub、Mulan AI 等 30 余家機構與 20 位設計師合作，完成實測驗證，生成效果穩(wěn)定圖片精度和質量頗高。目前已有超 50 家創(chuàng)作平臺、社區(qū)和知名企業(yè)完成接入。
業(yè)內(nèi)觀點認為，ERNIE-Image 以小參數(shù)實現(xiàn)高性能，打破高端文生圖對專業(yè)算力的依賴，推動開源生成式 AI 走向普惠化，將為設計、動漫、傳媒等行業(yè)帶來高效低成本的創(chuàng)作升級，加速全民 AI 圖像創(chuàng)作時代到來。
