Ideogram 4.5、まもなくオープンウェイトで公開。ざっくり紹介します

Ideogram 4.5がまもなくオープンウェイトで公開される予定です。最近発表されたQwen Image 2.1も編集と生成でとても強力な姿を見せていますが、今回のIdeogram 4.5も、すごい編集機能と元画像の保持力を見せてくれています。気になったので少し調べてみました。

もちろん、生成もできるモデルとして、「複数回の」編集に強さを見せるそうです。

仕様（API基準）

• 解像度：ネイティブ2K、最大約4.19MP（例：2048×2048、2560×1440、3328×1248など）
• アスペクト比：1:6〜6:1
• 編集：元の解像度のまま編集可能。デモ事例では最大4,016×6,016（24.2MP）。切り取って編集後、元画像に貼り合わせることも可能
• 参照画像：最大4枚（マスクを使う場合は3枚＋マスク）
• マスク：白黒マスクで編集領域を指定
• 入力ファイルの上限：25MB
• 出力：JPG / PNG / WEBP
• その他：シード指定、Magic Prompt（プロンプト自動拡張）のon/off/auto
• 速度：リクエストあたり約24〜32秒（Runware基準）

価格（画像1枚あたり、Runware基準）

性能

ベンチマークではT2I部門で167件中34位、編集部門では23位となり、GoogleのNano Banana 2より強力な姿を見せています。特に編集部門で強さが目立ち、編集時に元のピクセルの95.4%をそのまま保持した一方、GPT Image 2.5は25%を描き直したそうです。ただしテキストについては、スペルはすべて合っていたものの、ハイフンがem dashに変換されたり、小数点の間隔にミスがあったりと、句読点のミスがありました。GPT Image 2.5は731文字すべてが正確だったため、テキスト部分ではGPT Imageの方が強力に見えます。

ローカル実行の予想値は？

VRAM：BF16 20〜22GB / FP8 12〜15GB / NF4 8〜10GBと予想されます。