MOSS-Image מול Ideogram 4.5: כמה טקסט באמת אפשר להכניס בתמונה

שני המודלים האלה נבנו על ידי אנשים ששמו לב שמחוללי תמונות גרועים במילים. I​deogram 4.5, פעיל מאז 30 בספטמבר 2026, הוא הדור הרביעי של מודל שכל המוניטין שלו נשען על טיפוגרפיה, והתיעוד שלו מתייחס לטקסט כרכיב ממדרגה ראשונה עם שדה משלו בפרומפט מובנה. M​OSS-Image, שפורסם על ידי OpenMOSS ב-16 באוקטובר 2026 כצ'קפוינטים תחת רישיון Apache 2.0 M​OSS-Image-Base ו-M​OSS-Image-SFT, נוקט באותה גישה מבנית — כל רכיב טקסט מקבל מחרוזת מילולית ותיבת תיחום — ואז מכוון את כל העניין ליעד ארוך בהרבה: קטעים ספרותיים באורך ממוצע של כ-1,340 תווים.

ההבדל הזה בשאיפות הוא הציר שסביבו ההשוואה הזו באמת סובבת, והתיעוד של שתי הספקיות עצמן מפתיע בכנותו בנוגע לכך. Ideogram אומרת לך היכן נמצאת התקרה שלה. OpenMOSS טוענת שהרימה אותה. את אחת משתי ההצהרות האלה אפשר לבדוק מול מספר מפורסם; את האחרת אפשר לבדוק מול תווית אזהרה מפורסמת. קריאתן יחד מלמדת אותך יותר על מצב רינדור הטקסט במודלי תמונות מאשר כל אחת מהן בנפרד.

שתי סכימות ה-JSON, ומדוע אין להחליף ביניהן

שני המודלים מקבלים פרומפט מובנה שבו הטקסט אינו מתואר אלא מוצהר. הדמיון ביניהם קרוב דיו כדי להטעות, ולכן כדאי לדייק לגבי מה שכל אחד מהם נושא למעשה.

הפרומפט ב-JSON של Ideogram 4.5 — המשותף גם עם 4.0 — מעניק לכל רכיב טקסט שדה text משלו, שמחזיק במחרוזת המילולית, ואת השדה desc המתאר כיצד הוא אמור להיראות, ואת color_palette, ואת bbox למיקום מדויק. תקציב הפלטה מתועד: עד 16 צבעי hex עבור התמונה כולה, ועד חמישה לכל רכיב.

פורמט הפריסה של MOSS-Image מקבל אובייקט JSON כהנחיה: summary בלוק הנושא את הסצנה והסגנון, ו-items מערך שבו לכל רכיב יש תווית של text, character או object, כיתוב, תיבת תיחום, ועבור רכיבי טקסט — המחרוזת המילולית להצגה. התיבות הן bbox_format: "yxyx" ב-bbox_coord_space: "abs_centralized", כלומר פיקסלים הנמדדים ממרכז הקנבס.

• היכן המחרוזת נמצאת — I​deogram 4.5: שדה טקסט לכל רכיב. M​OSS-Image: המחרוזת המילולית על פריט הטקסט, לצד כיתוב נפרד לאיך שהוא אמור להיראות.

• שליטה בצבע — Ideogram 4.5: עד 16 צבעי hex לתמונה, חמישה לכל אלמנט, כתקציב פלטה מתועד. MOSS-Image: אין שדה פלטה מתועד לכל אלמנט; הסגנון נישא הסיכוםבבלוק

• צבע התיבה — Ideogram 4.5: שדה bbox ללא מוסכמת קואורדינטות שפורסמה בחומר שיכולנו לקרוא. MOSS-Image: סדר yxyx בפיקסלים מוחלטים ביחס למרכז, כך שקנבס בגודל 1024² נע בין −512 ל־+512 בכל ציר.

• טקסונומיה של אלמנטים — I​deogram 4.5: אלמנטי טקסט עם תיאור. M​OSS-Image: תווית תלת-כיוונית המבדילה בין טקסט, דמות ואובייקט, שזה מה שסובייקט חוזר צריך.

שתי סכמות, שתיהן JSON, אף אחת מהן אינה על-קבוצה של האחרת, ואף אחד לא פרסם ממיר. אם יש לך צינור שפולט אחד מהפורמטים, העלות של תמיכה בפורמט האחר היא עבודה לא קטנה — ומוסכמת הקואורדינטות החסרה בצד של Ideogram היא פרט שתצטרך לגזור אמפירית.

מה הספקים אומרים על המגבלות של עצמם

זהו החלק המעניין ביותר בהתמודדות, והוא אינו השוואת בנצ׳מרק. זוהי השוואה של הנכונות של שתי חברות לתאר היכן המודל שלהן מפסיק לעבוד.

התיעוד של Ideogram אומר זאת בפירוש: המודל מתמודד היטב עם כותרות ובלוקים קצרים, וכדאי להוסיף טקסט גוף או מסמכים מלאים בשלב מאוחר יותר בכלי עיצוב. הוא גם אומר שטקסט יוצא בדיוק הרב ביותר באנגלית, ושמערכות כתב שאינן לטיניות ואותיות עם סימני הטעמה עשויות לצאת שגויות או לא לצאת כלל. לגבי גופנים, ההנחיה היא שאי אפשר לנקוב בשם של גופן — המודל למד איך נראים סגנונות טקסט, לא ספריית גופנים — ולכן הגישה המתועדת היא לתאר במקום זאת משקל, צורה ואווירה. ולנתיב ה-JSON יש מצב כשל מפורסם משלו: פרומפטים מובנים ארוכים מאוד עלולים לאבד את האלמנטים שבסופם, ולכן הדברים החשובים ביותר מופיעים ראשונים.

זהו ספק שאומר ללקוחותיו מהי צורת הכלי. בקריאה כמפרט, הוא מתאר מודל לכותרות, תוויות, טקסט לאריזות ובלוקים קצרים — טיפוגרפיה מדויקת, לא הוצאה לאור.

העמדה שפורסמה של OpenMOSS היא טענה מהסוג ההפוך. מדד הדגל שלה, LongLongTextBench, כולל 240 משימות רינדור של טקסט ספרותי באורך יעד ממוצע של 1,339.8 תווים, המחולקות באופן שווה בין אנגלית לסינית. הבעיה שאותה תוקפים אינה ארבע מילים על פוסטר; אלא קיר של פרוזה שמרונדר באופן קריא בתוך תמונה. המספר של הספק עצמו עבור זה בכיסוי טקסט Mean-6 הוא 96.3, לעומת 64.9 עבור Q​wen-Image-2512, כאשר GPT Image 2 עומד על 99.0 ו-N​ano Banana Pro על 96.6 באותה טבלה.

אז: ספק אחד פרסם תקרה, והאחר פרסם ציון שמרמז על תקרה גבוהה בהרבה. אף אחד מהם לא נבדק על ידי צד שלישי. אם אתה בוחר בין השניים למשימה מסוימת, זהו קו ההפרדה — והדרך הכנה לפרש זאת היא שהמגבלה של I​deogram מתועדת וניתנת לשחזור היום על ידי כל מי שמנסה, בעוד שהשיפור של OpenMOSS הוא מדידה בלתי משוחזרת של ספק יחיד. המגבלה המתועדת שווה יותר לתכנון שלך מאשר הציון הבלתי משוחזר, לפחות עד שמישהו מחוץ למעבדה יריץ את הבדיקה.

למה כל אחד מיועד בפועל

השאלה בטקסט היא היכן שהם חופפים. כמעט כל השאר בהם מצביע לכיוונים שונים.

Ideogram 4.5 ממוצב כעורך, לא כמחולל. התנהגות העריכה המדויקת שלו מחזירה את התוצאה ברוחב ובגובה של תמונת המקור עצמה, כאשר פיקסלים שהעריכה לא שינתה באופן משמעותי מועתקים בדיוק כפי שהם ולא מסונתזים מחדש, והוא הודגם על מקור בגודל 4,016 × 6,016 פיקסלים בלי להקטין את הקובץ תחילה. עריכות עם מסכה מקבלות מסכה בשחור-לבן — שחור מסמן מה לשנות, לבן מה לשמור, וערכים שביניהם מעוגלים לזה הקרוב מבין השניים. נקודת הקצה לעריכה מקבלת עד ארבע תמונות ייחוס, שלוש מהן כשגם מסכה מסופקת; נקודת הקצה ליצירה מקבלת עד חמש תמונות מקור, והראשונה שבהן מטופלת כזו שנערכת. ההנחיות מגיעות עד 10,000 תווים באפליקציה, והאיכות היא סולם בעל ארבע דרגות מ-very_low דרך low, medium ו-high.

MOSS-Image הוא מודל מבוסס-ייצור. הספק מתאר עריכת כיתוב של רכיב או הזזת התיבה שלו כהתאמה של אותו חלק בקומפוזיציה, ומתייג את ההתנהגות כניסיונית. משטח הבקרה שלו הוא ה-JSON של ה-layout שלמעלה; ההדגמה שפורסמה שלו היא קומפוזיציה — פוסטרים, אינפוגרפיקות, ממשקים — ולא עריכה במקום של תצלום קיים. האימון שלו התבצע ב-256px במשך 2.1M צעדים, לאחר מכן ב-512px במשך 2.1M, ואז בערך ב-1024² במשך 0.31M, כאשר תקציב הטוקנים נע 576 → 3,072 → 8,192 לאורך השלבים האלה.

• עריכת תמונה קיימת — Ideogram 4.5: יכולת ליבה, הפלט נעול למידות המקור, ופיקסלים שלא נגעת בהם מועתקים כפי שהם. MOSS-Image: ניסיוני, ומתואר כמתאים אלמנטים בקומפוזיציה שיצרת.

• טקסט ארוך בתמונה חדשה — MOSS-Image: הטענה הכותרתית, עם בנצ'מרק של ספק ביעדים של 1,339.8 תווים בממוצע. Ideogram 4.5: מתועד ככותרות ובלוקים קצרים, עם טקסט גוף המופנה לכלי עיצוב.

• משקלים — MOSS-Image: Apache 2.0, ללא סף הכנסות, כ-27.2 GB כולל מקודד טקסט Qwen3.5-9B קפוא. Ideogram 4.5: אין. תוכנית המשקלים הפתוחים של הספק מכסה רק את Ideogram 4.0, ב-$300 לחודש עבור 10,000 תמונות באירוח עצמי על משקלים מכומתים, במפורש לא דיוק מלא.

• מחיר — Ideogram 4.5: סולם בן חמש דרגות מ־$0.008 בדרגת נמוך מאוד ועד $0.22 בדרגת גבוה עם תמונת מקור. MOSS-Image: אין מחירון; העלות היא זמן ה-GPU שלך.

המספר בצד אחד והמקום הריק בצד האחר

Ideogram לא פרסמה בנצ'מרק עבור 4.5. הציונים מגיעים מ-Artificial Analysis, אשר מציגה את המודל בשני לוחות התמונות תחת תצורת Highזו. קראו ב-16 באוקטובר 2026: 1,063 Elo בעריכת תמונות מ-2,728 הצבעות במחיר 220$ ל-1,000 תמונות, ו-1,019 Elo בטקסט לתמונה מ-2,421 דגימות במחיר 100$ ל-1,000. מובילי לוח העריכה הם GPT Image 2.5 Sunburst ו-Flare של OpenAI ב-1,198 ו-1,177, כך שהמדרגה העליונה נמצאת כ-135 Elo מעל Ideogram 4.5, בטווח של 1,046 עד 1,080 החופף למספר מודלים סביבו.

יש אזהרה שחלה על השימוש במספר הזה להשוואה הזו בכלל, והיא אינה נוגעת לשגיאת דגימה. שני הלוחות מבקשים מהמצביעים להעדיף תמונה אחת על פני אחרת. אף אחד מהם לא מבקש ממצביע לקרוא את הטקסט בתמונה ולשפוט אם הוא מאוית נכון, בכתב הנכון, או במקום הנכון. Elo שמודד העדפה אינו מדידה של טיפוגרפיה, והמוניטין של Ideogram עצמה בכל הנוגע לטקסט הוא לא משהו שהלוח אי פעם דירג. לכן המספר העצמאי, אמיתי ככל שיהיה, אינו מכסה את התכונה שהכי חשובה בהתמודדות הזו.

ל-MOSS-Image אין שום מספר בלתי תלוי מכל סוג. הוא בן יום אחד, ושתי הבנצ'מרקים שלו נשלחות עם המהדורה ונבנו על ידי הספק. השני שלו, RealLayoutArena, הוא 61 משימות עיצוב — 20 כרזות, 20 אינפוגרפיקות, 21 ממשקים — שנשפטות בזוגות ומותאמות לסקאלת Bradley–Terry; MOSS-Image מקבל 1698.70 Elo מקצה לקצה, אחרי GPT Image 2 עם 1844.35, ו-1807.34 כשהוא מוגבל לעמוד השדרה תחת פרומפטים משופרים משותפים, שזה המקום הראשון. הפייפליין שהפיק את הנתון מקצה לקצה משתמש ב-GPT-6 עבור אפיון הפרומפט בזמן האינפרנס, לפי הדוח הטכני, מה שאומר שתוצאת הפריסה החזקה ביותר מקצה לקצה נושאת תלות במודל של מישהו אחר.

איך היית בוחר, ומה הקשר של ראוטר לכך

I‌deogram 4.5 סגור ומתארח מ-API של I‌deogram עצמה, מהאפליקציות שלה ומאינטגרציית MCP. M‌OSS-Image הוא הורדה. אף אחד מהשניים אינו בקטלוג של OrcaRouter — אנחנו מגישים יותר מ-200 מודלים ואף אחד מאלה אינו ביניהם — כך ששניהם מחייבים לפנות לספק: במקרה של I‌deogram דרך ה-API שלה ומספר פלטפורמות של צד שלישי, ובמקרה של OpenMOSS אל המאגרים ואל כל חומרה שתוכלו להפנות אליהם.

המקום שבו ראוטר מצדיק את קיומו בצינור עיבוד תמונות עתיר טקסט הוא בצד העלויות, והסיבה ספציפית לאופן שבו ספקים אלה מתמחרים. הסולם של Ideogram מתועד כחיוב לפי פיקסלים של הפלט הסופי — עד 1024×1024 נחשב 1K, ומעל זה 2K — מה שאומר שאותה דרגה נומינלית יכולה לעלות סכומים שונים בהתאם למה שביקשתם. כשהתמחור של ספק הוא פונקציה של הבקשה ולא תעריף אחיד, החשבון של אצווה של מאה תמונות אינו משהו שתרצו להחזיק בראש, וקטלוג שמעביר הלאה את מחירי המחירון של הספק בלי להוסיף דבר הוא מה ששומר על המספר בתנועה יחד עם הספק במקום לפגר אחריו. זה חל על המודלים המתארחים שמולם תשוו צ'קפוינט פתוח, ולא על אף אחד משני המודלים במאמר הזה.

החלק שאף ספק לא יגיד בקול רם

הצב את שתי העמדות זו לצד זו ותבחין בתבנית. I​deogram, שהיה המודל הטיפוגרפי במשך שנים, אומר לך לשים את טקסט הגוף שלך בכלי עיצוב. OpenMOSS, בן יום אחד, טוען שפתר את טקסט הגוף ומעניק לעצמו ציון על כך.

אחד מהשניים הוא חברה שמתארת מגבלה שהיא הגיעה אליה, והאחר הוא חברה שמתארת מגבלה שהיא מאמינה שעברה אותה. ההצהרה הראשונה ניתנת לאימות על ידי כל מי שיש לו מסלול חינם ואחר צהריים. השנייה ניתנת לאימות רק על ידי האנשים שבנו את הבנצ'מרק, עד שמישהו יוריד את המשקולות וינסה. המשקולות הן ברישיון Apache 2.0, כך שהבדיקה הזו זמינה לכל אחד — וזהו הטיעון החזק ביותר בעד MOSS-Image בהשוואה הזו, ואין לו שום קשר לציון של MOSS-Image. לא ניתן לאמת טענה לגבי ההתנהגות של Ideogram 4.5 בטקסט ארוך על ידי בדיקת המודל. אפשר לאמת את הטענה של MOSS-Image על ידי הרצת המודל.

מה שאף אחד מהצדדים לא פרסם הוא מדידת סחיפה. כל הצעת המכירה של Ideogram 4.5 היא שעריכות אינן משבשות את החלקים שלא נגעו בהם בפריים, כפי שהודגם על מקור של 24.2 מגה-פיקסל ללא הקטנת רזולוציה; אף צד שלישי לא נתן לכך ציון, ואף בנצ'מרק לא דורש להשוות את העריכה העשירית ברצף לראשונה. התנהגות העריכה של MOSS-Image מתויגת כניסיונית על ידי הספק שלה עצמו ואינה נמדדת על ידי איש. שני מודלים שנבנו סביב נאמנות טקסט, ולאף אחד מהם אין ציון נאמנות שפורסם על ידי מישהו שאינו מוכר אותם.

אז הבחירה מצטמצמת לשאלה עם איזו אי־ודאות אתה יכול לחיות. אם העבודה שלך היא כותרות, אריזות, קופי למוצר ובלוקים קצרים, והיא כרוכה בעריכה של תצלום קיים במקומו, Ideogram 4.5 הוא המודל עם ההתנהגות המתועדת, כללי המידות המפורסמים וציון בלתי־תלוי, גם אם לא טיפוגרפי — וספק שאומר לך במפורש מתי לפנות במקום זאת לכלי עיצוב. אם העבודה שלך היא עמודים מורכבים עם קטעים ארוכים ואתה רוצה להחזיק בעצמך את כל הסטאק, MOSS-Image נותן לך את המשקלים, את הסכימה ואת הבנצ׳מרק היחיד שמנסה בכלל טקסט ארוך, בתנאי שאתה מקבל אותו כטענה עד שתשחזר אותו. הראשון הוא קנייה בטוחה יותר והשני הוא כזה שניתן לבחון, ואיזה מהם אתה רוצה זה לא משהו שעמוד של אף אחד מהספקים יכול לומר לך.

הכשלים המתועדים של ה-AI ותקריות הסוכנים שמאחורי גרסאות כמו זו נאספים בארכיון תקריות ה-AI של OrcaRouter, שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות ודגל מחלוקת.