MOSS-Image vs Ideogram 4.5 : combien de texte pouvez-vous réellement mettre dans une image ?

Ces deux modèles ont été conçus par des personnes qui ont remarqué que les générateurs d’images sont peu doués avec les mots. I​deogram 4.5, en ligne depuis le 30 septembre 2026, est la quatrième génération d’un modèle dont toute la réputation repose sur la typographie, et sa documentation traite le texte comme un élément de première classe doté de son propre champ dans un prompt structuré. M​OSS-Image, publié par OpenMOSS le 16 octobre 2026 sous forme de points de contrôle Apache 2.0 M​OSS-Image-Base et M​OSS-Image-SFT, adopte la même approche structurelle — chaque élément textuel reçoit une chaîne littérale et une boîte englobante — puis oriente l’ensemble vers une cible bien plus longue : des passages littéraires d’une longueur moyenne d’environ 1 340 caractères.

Cette différence d'ambition est l'axe sur lequel repose réellement cette comparaison, et la documentation propre aux deux fournisseurs se montre d'une franchise inhabituelle à ce sujet. Ideogram vous dit où se situe son plafond. OpenMOSS affirme l'avoir relevé. L'une de ces deux affirmations, vous pouvez la vérifier face à un chiffre publié ; l'autre, face à une mise en garde publiée. Les lire ensemble en dit plus sur l'état du rendu de texte dans les modèles d'image que l'une ou l'autre prise isolément.

Les deux schémas JSON, et pourquoi ils ne sont pas interchangeables

Les deux modèles acceptent un prompt structuré dans lequel le texte n’est pas décrit mais déclaré. La similitude est suffisamment proche pour être trompeuse, il vaut donc la peine d’être précis sur ce que chacun transporte réellement.

Le prompt JSON d'Ideogram 4.5 — partagé avec 4.0 — donne à chaque élément textuel son propre text champ contenant la chaîne littérale, un desc champ décrivant son apparence, une color_palette, et une bbox pour un placement exact. Le budget de palette est documenté : jusqu'à 16 couleurs hexadécimales pour l'image entière, et jusqu'à cinq par élément.

Le format de mise en page de MOSS-Image prend comme prompt un objet JSON : un bloc summary contenant la scène et le style, et un tableau items où chaque élément possède un label text, character ou object, une légende, une boîte englobante et — pour les éléments de texte — la chaîne littérale à afficher. Les boîtes sont en bbox_format: "yxyx" avec bbox_coord_space: "abs_centralized", c'est-à-dire des pixels mesurés depuis le centre du canevas.

• Où se trouve la chaîne — I​deogram 4.5 : un champ texte par élément. M​OSS-Image : la chaîne littérale sur l'élément de texte, accompagnée d'une légende distincte décrivant son apparence.

• Contrôle des couleurs — Ideogram 4.5 : jusqu'à 16 couleurs hexadécimales par image, cinq par élément, sous forme de budget de palette documenté. MOSS-Image : aucun champ de palette par élément documenté ; le style est porté dans le bloc résumé.

• Couleur de la boîte — Ideogram 4.5 : un bbox champ sans convention de coordonnées publiée dans les documents que nous avons pu lire. MOSS-Image : yxyx ordre en pixels absolus relatifs au centre, donc un canevas de 1024² s'étend de −512 à +512 sur chaque axe.

• Taxonomie des éléments — I​deogram 4.5 : éléments textuels avec une description. M​OSS-Image : une étiquette à trois classes distinguant texte, personnage et objet, ce dont un sujet récurrent a besoin.

Deux schémas, tous deux JSON, aucun n’étant un sur-ensemble de l’autre, et aucun convertisseur publié par qui que ce soit. Si vous avez un pipeline qui émet l’un ou l’autre de ces formats, le coût de prise en charge de l’autre représente un véritable travail — et la convention de coordonnées manquante du côté d’Ideogram est un détail qu’il vous faudra déterminer empiriquement.

Ce que les fournisseurs disent de leurs propres limites

C’est la partie la plus intéressante de cette confrontation, et il ne s’agit pas d’une comparaison de benchmarks. C’est une comparaison de la volonté de deux entreprises à décrire où leur modèle cesse de fonctionner.

La documentation d'Ideogram le dit clairement : le modèle gère bien les titres et les blocs courts, et vous devriez ajouter le corps de texte ou des documents complets plus tard dans un outil de design. Elle indique également que le texte est le plus précis en anglais, et que les écritures non latines et les lettres accentuées peuvent être erronées ou ne pas apparaître du tout. En matière de polices, la consigne est que vous ne pouvez pas en nommer une — le modèle a appris à quoi ressemblent les styles de texte, pas une bibliothèque de polices — donc l'approche documentée consiste à décrire plutôt la graisse, la forme et l'ambiance. Et le chemin JSON a son propre mode de défaillance documenté : les invites structurées très longues peuvent perdre leurs éléments finaux, donc les éléments les plus importants doivent être placés en premier.

C’est un fournisseur qui explique à ses clients la forme de l’outil. Lue comme une spécification, elle décrit un modèle pour les titres, les étiquettes, les textes d’emballage et les blocs courts — une typographie de précision, pas de l’édition.

La position publiée d'OpenMOSS relève d'une revendication de nature opposée. Son benchmark phare, LongLongTextBench, comprend 240 tâches de rendu de texte littéraire, avec une longueur cible moyenne de 1 339,8 caractères, réparties à parts égales entre l'anglais et le chinois. Le problème attaqué n'est pas quatre mots sur une affiche ; c'est un mur de prose rendu lisiblement à l'intérieur d'une image. Le chiffre du fournisseur pour cela sur la couverture textuelle Mean-6 est de 96,3, contre 64,9 pour Qwen-Image-2512, avec GPT Image 2 à 99,0 et Nano Banana Pro à 96,6 dans le même tableau.

Donc : un fournisseur a publié un plafond, et l'autre a publié un score qui implique un plafond bien plus élevé. Ni l'un ni l'autre n'a été vérifié par un tiers. Si vous choisissez entre eux pour une tâche précise, c'est la ligne de démarcation — et la façon honnête de l'interpréter est que la limitation d'I​deogram est documentée et reproductible aujourd'hui par quiconque essaie, tandis que l'amélioration d'OpenMOSS est une mesure non reproduite d'un seul fournisseur. La limitation documentée vaut plus pour votre planification que le score non reproduit, du moins jusqu'à ce que quelqu'un extérieur au laboratoire réalise le test.

À quoi sert chacun en réalité

La question que pose le texte est le point où ils se recoupent. Presque tout le reste, à leur sujet, pointe dans des directions différentes.

Ideogram 4.5 se positionne comme un éditeur, et non comme un générateur. Son comportement d'édition précise renvoie le résultat à la largeur et à la hauteur propres de l'image source, les pixels que l'édition n'a pas modifiés de manière significative étant copiés exactement plutôt que resynthétisés, et il a été démontré sur une source de 4 016 × 6 016 pixels sans réduire d'abord le fichier. Les éditions masquées prennent un masque en noir et blanc — le noir indique ce qu'il faut modifier, le blanc ce qu'il faut conserver, les valeurs intermédiaires étant arrondies à la valeur la plus proche des deux. Le point de terminaison d'édition accepte jusqu'à quatre images de référence, dont trois lorsqu'un masque est également fourni ; le point de terminaison de génération accepte jusqu'à cinq images sources, la première étant traitée comme celle en cours d'édition. Les invites peuvent atteindre 10 000 caractères dans l'application, et la qualité est une échelle à quatre échelons allant de very_low en passant par low, medium et high.

MOSS-Image est axé sur la génération. Le fournisseur décrit l'édition de la légende d'un élément ou le déplacement de sa boîte comme un ajustement de cette partie de la composition, et qualifie ce comportement d'expérimental. Sa surface de contrôle est le JSON de mise en page ci-dessus ; sa démonstration publiée porte sur la composition — affiches, infographies, interfaces — plutôt que sur l'édition sur place d'une photographie existante. Son entraînement a tourné à 256 px pendant 2,1 M d'étapes, puis à 512 px pendant 2,1 M, puis à environ 1024² pendant 0,31 M, le budget de tokens passant de 576 → 3 072 → 8 192 au cours de ces étapes.

• Modifier une image existante — I​deogram 4.5 : capacité principale, sortie verrouillée sur les dimensions de la source, les pixels non modifiés sont copiés. M​OSS-Image : expérimental, décrit comme permettant d'ajuster des éléments d'une composition que vous avez générée.

• Texte long dans une image inédite — M​OSS-Image : l’affirmation phare, avec un benchmark de fournisseur sur des cibles moyennes de 1 339,8 caractères. I​deogram 4.5 : documenté sous forme de titres et de blocs courts, avec le corps du texte orienté vers un outil de conception.

• Poids — M​OSS-Image : Apache 2.0, aucun seuil de chiffre d’affaires, environ 27,2 Go, y compris un encodeur de texte Qwen3.5-9B gelé. I​deogram 4.5 : aucun. Le programme de poids ouverts du fournisseur ne couvre que I​deogram 4.0, à 300 $ par mois pour 10 000 images auto-hébergées sur des poids quantifiés, explicitement pas en pleine précision.

• Prix — Ideogram 4.5 : une échelle à cinq échelons, de 0,008 $ au niveau Très bas à 0,22 $ au niveau Élevé, avec une image source. MOSS-Image : aucune grille tarifaire ; le coût correspond à votre temps GPU.

Le numéro d'un côté et le blanc de l'autre

Ideogram n'a publié aucun benchmark pour 4.5. Les chiffres obtenus proviennent d'Artificial Analysis, qui référence le modèle sur les deux classements d'images dans la configuration Élevée. Consulté le 16 octobre 2026 : 1 063 Elo en édition d'images à partir de 2 728 votes à 220 $ pour 1 000 images, et 1 019 Elo en texte vers image à partir de 2 421 échantillons à 100 $ pour 1 000. Les leaders du classement d'édition sont GPT Image 2.5 Sunburst et Flare d'OpenAI, à 1 198 et 1 177, de sorte que le haut du classement se situe environ 135 Elo au-dessus d'Ideogram 4.5, sur un intervalle de 1 046 à 1 080 qui chevauche plusieurs modèles aux alentours.

Il y a une mise en garde qui s’applique au fait même d’utiliser ce chiffre pour cette comparaison, et elle ne porte pas sur l’erreur d’échantillonnage. Les deux classements demandent aux votants de préférer une image à une autre. Aucun des deux ne demande à un votant de lire le texte dans l’image et de juger s’il est correctement orthographié, dans le bon système d’écriture ou au bon endroit. Un Elo qui mesure la préférence n’est pas une mesure de la typographie, et la réputation d’Ideogram en matière de texte n’est pas quelque chose que le classement a jamais évalué. Ainsi, le chiffre indépendant, aussi réel soit-il, ne couvre pas la propriété qui compte le plus dans cette confrontation.

M​OSS-Image n'a aucun chiffre indépendant, quel qu'il soit. Il a un jour, et ses deux benchmarks sont livrés avec la version et ont été construits par le fournisseur. Son second, RealLayoutArena, compte 61 tâches de conception — 20 affiches, 20 infographies, 21 interfaces — jugées par paires et ajustées à une échelle de Bradley–Terry ; M​OSS-Image obtient 1698,70 Elo de bout en bout, derrière G​PT Image 2 à 1844,35, et 1807,34 en se limitant au backbone sous des invites améliorées partagées, ce qui est premier. Le pipeline qui a produit le chiffre de bout en bout utilise G​PT-6 pour la spécification des invites au moment de l'inférence, selon le rapport technique, ce qui signifie que le résultat de mise en page de bout en bout le plus fort dépend du modèle de quelqu'un d'autre.

Comment vous choisiriez, et quel rapport cela a-t-il avec un routeur

I​deogram 4.5 est fermé et hébergé depuis l'API propre d'I​deogram, ses applications et une intégration MCP. M​OSS-Image est un téléchargement. Ni l'un ni l'autre ne figure au catalogue OrcaRouter — nous servons plus de 200 modèles et aucun de ces deux n'en fait partie — donc les deux impliquent de passer par le fournisseur : dans le cas d'I​deogram, via sa propre API et plusieurs plateformes tierces, dans le cas d'OpenMOSS, vers les dépôts et le matériel que vous pouvez leur pointer.

Là où un routeur justifie sa place dans un pipeline d'images à forte densité de texte, c'est du côté des coûts, et la raison est propre à la façon dont ces fournisseurs établissent leurs tarifs. La grille d'Ideogram est documentée comme une facturation au pixel de sortie résolu — jusqu'à 1024×1024 compte comme 1K, au-delà comme 2K — ce qui signifie qu'un même palier nominal peut coûter des montants différents selon ce que vous avez demandé. Quand la tarification d'un fournisseur est fonction de la requête plutôt qu'un tarif forfaitaire, l'arithmétique d'un lot de cent images n'est pas quelque chose qu'on veut garder en tête, et un catalogue qui répercute les prix de liste des fournisseurs sans rien y ajouter est ce qui fait que le chiffre évolue avec le fournisseur plutôt que de rester à la traîne. Cela vaut pour les modèles hébergés auxquels on comparerait un checkpoint ouvert, et non pour l'un ou l'autre des deux modèles évoqués dans cet article.

La partie qu’aucun des deux fournisseurs ne dira à voix haute

Mettez les deux positions côte à côte et un motif apparaît. I​deogram, qui est le modèle typographique depuis des années, vous dit de mettre votre texte courant dans un outil de design. OpenMOSS, qui n'a qu'un jour, affirme avoir résolu le texte courant et s'attribue un score sur ce point.

L'une de ces entreprises décrit une limite qu'elle a atteinte, et l'autre décrit une limite qu'elle pense avoir dépassée. La première affirmation est vérifiable par quiconque dispose d'un forfait gratuit et d'un après-midi. La seconde n'est vérifiable que par les personnes qui ont construit le benchmark, jusqu'à ce que quelqu'un télécharge les poids et essaie. Les poids sont sous Apache 2.0, donc cette vérification est à la portée de tout le monde — ce qui est le meilleur argument en faveur de MOSS-Image dans cette comparaison et n'a rien à voir avec son score. Vous ne pouvez pas auditer une affirmation sur le comportement d'Ideogram 4.5 avec les textes longs en inspectant le modèle. Vous pouvez auditer celle de MOSS-Image en l'exécutant.

Ce qu'aucune des deux parties n'a publié, c'est une mesure de dérive. Tout l'argument de vente d'Ideogram 4.5 est que les modifications ne corrompent pas les parties non modifiées d'une image, démontré sur une source de 24,2 mégapixels sans réduction d'échelle ; aucun tiers ne l'a évalué, et aucun benchmark ne demande que la dixième modification d'une séquence soit comparée à la première. Le comportement d'édition de MOSS-Image est qualifié d'expérimental par son propre fournisseur et n'est mesuré par personne. Deux modèles conçus autour de la fidélité au texte, dont aucun ne dispose d'un score de fidélité publié par quelqu'un qui ne les vend pas.

Le choix se résume donc à l'incertitude avec laquelle vous pouvez vivre. Si votre travail consiste en titres, packaging, textes produit et blocs courts, et qu'il est couplé à la retouche sur place d'une photographie existante, I​deogram 4.5 est le modèle avec le comportement documenté, les règles de taille publiées et un score indépendant, bien que non typographique — et un fournisseur qui vous dit explicitement quand recourir plutôt à un outil de design. Si votre travail consiste en pages composées avec de longs passages et que vous voulez maîtriser la pile, M​OSS-Image vous donne les poids, le schéma et le seul benchmark qui s'essaie au texte long, à condition que vous l'acceptiez comme une affirmation jusqu'à ce que vous le reproduisiez. Le premier est un achat plus sûr, le second un achat testable, et lequel des deux vous voulez n'est pas quelque chose que la page de l'un ou l'autre fournisseur puisse vous dire.

Les défaillances documentées de l’IA et les incidents d’agents à l’origine de versions comme celle-ci sont recueillis dans l’OrcaRouter AI Incident Archive, où chaque entrée comporte ses propres sources, sa gravité, sa note de confiance et un indicateur de contestation.