HiDream-O1-Image-1.5 – 智象未來推出的商用圖像生成模型

HiDream-O1-Image-1.5是什麼

HiDream-O1-Image-1.5 是智象未來推出的商用圖像生成大模型，基於原生全模態 UiT 架構。在 Artificial Analysis 文生圖榜單中用 ELO 1265 位列全球第三、中國第一，超越 Google Nano Banana 2 與字節 Seedream 4.0。模型具備攝影級人像、精細動物建模、精準文字渲染及多主體一致性能力，面向廣告、品牌設計、電商視覺與影視分鏡等商業場景，標誌着智象未來在視覺生成領域穩居全球第一梯隊。

HiDream-O1-Image-1.5的主要功能

• 人像攝影生成：支持魔幻光影、雙人互動、人物特寫，在皮膚質感、服飾紋理、肢體關係及環境虛化上表現自然。
• 動物與自然環境生成：精細建模動物結構、皮毛質感、動態表現及複雜光照、水下折射等畫面。
• 文字渲染與排版：具備準確的文字生成能力與複雜排版能力。
• 多主體一致性：支持多人物、多元素的協調生成與視覺敘事。
• 分鏡與場景構建：支持影視分鏡、廣角/低機位等複雜構圖。

HiDream-O1-Image-1.5的技術原理

• 原生全模態 UiT 架構：模型基於智象未來自研的 Unified Transformer（UiT）原生全模態架構，架構採用統一的像素級原生表示方式處理多模態信息，避免傳統多模態模型中因模態轉換造成的信息損失，使文本、圖像等數據在統一空間內完成理解與生成。
• 從開源驗證到商用生產：模型延續開源版本 HiDream-O1-Image-Dev-2604 的技術路線，將 UiT 架構從技術驗證推進到生產驗證。商用版在開源版已驗證的像素級原生全模態能力基礎上，針對廣告營銷、品牌設計、電商視覺等高要求商業場景進行強化優化，實現底層架構優勢向視覺生產力工具的轉化。
• 綜合能力強化機制：模型通過提升語義遵循精度、複雜畫面生成穩定性、文字渲染準確性與多主體一致性控制，在超過 4000 個樣本的匿名對比評測中取得 1265 ELO。技術核心在於將文本指令的深層語義理解與像素級圖像生成進行端到端聯合建模，確保複雜構圖、空間透視與視覺敘事的協調統一。