HiDream-O1-Image
HiDream 的 8B 图像模型,不用常规的自编码器和文本编码器,同时支持文生图、编辑和多参考图主体。MIT 许可证。
一句话概括. HiDream-O1-Image 是一个图像模型:它能根据文字生成图片、按指令编辑照片,也能把几张参考照片里的人或物放进新场景,全部由同一套权重完成,分辨率最高 2,048 × 2,048。它擅长在图中生成很长的多行文字,权重按 MIT 许可证可免费商用。
概述
HiDream.ai 于 2026 年 5 月 8 日发布了 HiDream-O1-Image,两天后又发布了技术报告 arXiv 2605.11061。模型卡称它是 8B 模型,检查点文件里有 88 亿参数,配置文件按 Qwen3-VL 架构加载。它最主要的设计选择是去掉常规的图像自编码器和独立的文本编码器:一个像素级统一 Transformer 在同一个共享的 token 空间里读取原始像素、文本和任务条件,所以同一套权重就能完成文生图、指令编辑、基于多张参考图的主体个性化和分镜生成,分辨率最高 2,048 × 2,048。模型卡强调了多种语言的长文本、多区域文字,推理脚本还为个性化任务加入了布局和骨架条件。
共有三个检查点。完整模型用 50 步、引导系数 5.0 运行,模型卡推荐用它做编辑。HiDream-O1-Image-Dev 蒸馏到 28 步,不需要引导。5 月 14 日加入的 HiDream-O1-Image-Dev-2604 针对文生图调优,并附带 Prompt-Refine 模型。内置的提示词智能体会在生成前把简短或需要推理的指令改写成详细的英文提示词,它可以在本地运行 Gemma-4-31B-it(需要接受 Gemma 条款),也可以使用任何兼容 OpenAI 的 API。由于权重以 FP32 保存,每个仓库约 35.2 GB,而脚本默认以 BF16 加载,所以我们的内存估算按 BF16 计算。模型卡只说需要 CUDA 显卡,并推荐安装 flash-attn。它的表格里还列出了一个更大的 HiDream-O1-Image-Pro,参数超过 2,000 亿,我们没有找到它的公开权重。
代码和模型都采用 MIT 许可证。HiDream 自己的表格里,HiDream-O1-Image 在 GenEval 上得分 0.90,Qwen-Image 和 FLUX.2 [dev] 为 0.87;在 CVTG-2K 复杂文字渲染上得分 0.913,FLUX.2 [dev] 为 0.893。模型卡还说 Dev-2604 在发布时位居 Artificial Analysis 文生图竞技场第 8 名,这只是发布时的快照。这些结果都来自开发方。截至 2026 年 11 月 11 日的 30 天内,Hugging Face 统计完整模型约有 15,000 次下载,两个 Dev 版本各有几百次。
适合做什么
- 一个开放模型同时完成文生图、指令编辑和多参考图个性化,分辨率最高 2,048 × 2,048
- 含有长篇、多区域文字的图像,包括中文和其他语言
- 想要可微调、可托管,输出也可销售的 MIT 许可权重的团队
- 需要推理的提示词,可借助内置的提示词智能体
需要注意
- 仓库因为用 FP32 保存而有 35.2 GB,模型卡没有给出显存数字,并且必须使用 CUDA 显卡
- 提示词智能体要获得最好的效果,需要有自己条款的 Gemma-4-31B-it,或者托管的 OpenAI 兼容模型
- 做编辑时,模型卡推荐用完整模型而不是 Dev 版本
- 模型卡的表格里有一个 2,000 亿参数以上的 Pro 模型,我们没有找到它的公开权重
- 基准和竞技场数据都来自 HiDream 自己
性能数据来自开发方,未经独立验证。
需要多少内存?
以下是 HiDream-O1-Image 各版本的内存数据。图像、视频、语音和音乐管线还要加载文本编码器和解码器,所以所需内存可能比主检查点更大。
| 版本 | 参数量 | 下载大小 | 所需内存 | 可运行于 |
|---|---|---|---|---|
| HiDream-O1-Image (full, 50 steps) | 8.8B | – | 20 GB | 游戏显卡 |
| HiDream-O1-Image-Dev (distilled, 28 steps) | 8.8B | – | 20 GB | 游戏显卡 |
| HiDream-O1-Image-Dev-2604 (28 steps, text-to-image) | 8.8B | – | 20 GB | 游戏显卡 |
下载大小包含运行模型所需的全部组件,例如生成器、文本编码器和解码器。所需内存优先采用开发方声明或已公开的实测最低值;没有时按下载大小加约 15% 估算。更大的图像、更长的片段和更高的分辨率需要更多内存。
许可证,用大白话说
最简短、最宽松的许可证。只要保留版权和许可声明,你几乎可以对模型做任何事。
延伸阅读
常见问题
- HiDream-O1-Image 是什么?
- HiDream-O1-Image 是一个图像模型:它能根据文字生成图片、按指令编辑照片,也能把几张参考照片里的人或物放进新场景,全部由同一套权重完成,分辨率最高 2,048 × 2,048。它擅长在图中生成很长的多行文字,权重按 MIT 许可证可免费商用。
- HiDream-O1-Image 可以商用吗?
- 可以。HiDream-O1-Image 采用 MIT 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
- HiDream-O1-Image 是开源的吗?
- HiDream-O1-Image 采用 MIT 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
- 我能在自己的电脑上运行 HiDream-O1-Image 吗?
- 可以,但需要一块好显卡。最小版本 HiDream-O1-Image (full, 50 steps) 在 4 位精度下约需 20 GB 内存,适合 24 至 32 GB 的游戏显卡,或 32 GB 及以上内存的 Mac。
- HiDream-O1-Image 是什么时候发布的?
- HiDream-O1-Image 由 HiDream.ai 于 2026年5月8日 发布。
官方链接
来源
规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。
- HiDream-O1-Image model card and benchmark tables (Hugging Face) huggingface.co
- HiDream-O1-Image-Dev-2604 model page (Hugging Face) huggingface.co
- HiDream-O1-Image repository and inference code (GitHub) github.com
- HiDream-O1-Image technical report (arXiv 2605.11061) arxiv.org
发布时间等信息最近核实于 2026年11月11日。
相关模型
| 模型 | 发布时间 | 参数量 | 上下文 | 许可证 | 最小版本所需内存 |
|---|---|---|---|---|---|
| Qwen-Image-2.1 Alibaba Qwen | 7.1B | – | Qwen Research License (非商用) | 20 GB 游戏显卡 | |
| Z-Image Tongyi MAI | 6.15B | – | Apache 2.0 (宽松) | 16 GB 笔记本或手机 | |
| FLUX 3 Image Klein Black Forest Labs | 5.6B | – | FLUX Kommunity (附条件) | 8 GB 笔记本或手机 | |
| Krea 2 Krea | 12.8B | – | Krea 2 Community (附条件) | 41 GB 工作站 |