MOSS-Image vs Ideogram 4.5: Quanto testo puoi effettivamente inserire in un'immagine

Entrambi questi modelli sono stati creati da persone che si sono accorte che i generatori di immagini sono scarsi con le parole. I​deogram 4.5, attivo dal 30 settembre 2026, è la quarta generazione di un modello la cui intera reputazione si fonda sulla tipografia, e la sua documentazione tratta il testo come un elemento di primo livello, con un campo tutto suo in un prompt strutturato. M​OSS-Image, rilasciato da OpenMOSS il 16 ottobre 2026 come checkpoint Apache 2.0 M​OSS-Image-Base e M​OSS-Image-SFT, adotta lo stesso approccio strutturale — ogni elemento testuale riceve una stringa letterale e un bounding box — per poi puntare l'intero sistema su un obiettivo molto più lungo: passaggi letterari con una lunghezza media di circa 1.340 caratteri.

Quella differenza di ambizione è l'asse su cui verte realmente questo confronto, e la documentazione dei due fornitori è insolitamente schietta al riguardo. I​deogram ti dice dove si trova il suo tetto. OpenMOSS sostiene di averlo alzato. Una di queste due affermazioni la puoi verificare rispetto a un numero pubblicato; l'altra la puoi verificare rispetto a un'etichetta di avvertimento pubblicata. Leggerle insieme ti dice di più sullo stato del rendering del testo nei modelli di immagini di quanto non faccia ciascuna da sola.

I due schemi JSON, e perché non sono intercambiabili

Entrambi i modelli accettano un prompt strutturato in cui il testo non viene descritto ma dichiarato. La somiglianza è abbastanza stretta da risultare fuorviante, quindi vale la pena essere precisi su ciò che ciascuno effettivamente veicola.

Il prompt JSON di Ideogram 4.5 — condiviso con 4.0 — assegna a ogni elemento testuale un proprio text che contiene la stringa letterale, un campo desc che descrive come dovrebbe apparire, una color_palette e una bbox per il posizionamento esatto. Il budget della palette è documentato: fino a 16 colori esadecimali per l'intera immagine e fino a cinque per elemento.

Il formato di layout di MOSS-Image accetta come prompt un oggetto JSON: un blocco summary che contiene la scena e lo stile, e un array items in cui ogni elemento ha un'etichetta di tipo text, character o object, una didascalia, un bounding box e — per gli elementi di testo — la stringa letterale da renderizzare. I box sono bbox_format: "yxyx" in bbox_coord_space: "abs_centralized", ovvero pixel misurati dal centro della tela.

• Dove si trova la stringa — I​deogram 4.5: un campo di testo per elemento. M​OSS-Image: la stringa letterale sull'elemento di testo, insieme a una didascalia separata per come dovrebbe apparire.

• Controllo del colore — Ideogram 4.5: fino a 16 colori esadecimali per immagine, cinque per elemento, come budget di palette documentato. MOSS-Image: nessun campo palette documentato per elemento; lo stile è veicolato nel blocco summary.

• Colore del box — I​deogram 4.5: un campo bbox senza alcuna convenzione delle coordinate pubblicata nel materiale che abbiamo potuto leggere. M​OSS-Image: ordine yxyx in pixel assoluti relativi al centro, quindi una canvas 1024² va da −512 a +512 su ciascun asse.

• Tassonomia degli elementi — I​deogram 4.5: elementi di testo con una descrizione. M​OSS-Image: un'etichetta tripartita che distingue testo, personaggio e oggetto, che è ciò di cui ha bisogno un soggetto ricorrente.

Due schemi, entrambi JSON, nessuno dei due è un sovrainsieme dell'altro, e nessun convertitore pubblicato da nessuno. Se hai una pipeline che emette l'uno o l'altro formato, il costo di supportare l'altro è un lavoro non da poco — e la convenzione di coordinate mancante dal lato di Ideogram è un dettaglio che dovresti ricavare empiricamente.

Cosa dicono i fornitori dei propri limiti

Questa è la parte più interessante del confronto, e non è un paragone tra benchmark. È un confronto sulla volontà di due aziende di descrivere dove il loro modello smette di funzionare.

La documentazione di Ideogram lo dice chiaramente: il modello gestisce bene titoli e blocchi brevi, e conviene aggiungere il corpo del testo o documenti completi più tardi in uno strumento di design. Inoltre afferma che il testo viene reso nel modo più accurato in inglese, e che le scritture non latine e le lettere accentate possono risultare errate o non comparire affatto. Sui font, l'indicazione è che non puoi indicarne uno — il modello ha imparato che aspetto hanno gli stili di testo, non una libreria di font — quindi l'approccio documentato è descrivere invece peso, forma e atmosfera. E il percorso JSON ha una sua modalità di errore documentata: i prompt strutturati molto lunghi possono perdere gli elementi in coda, quindi le cose più importanti vanno messe per prime.

È un fornitore che spiega ai propri clienti la forma dello strumento. Letto come specifica, descrive un modello per titoli, etichette, testi di packaging e blocchi brevi — tipografia di precisione, non editoria.

La posizione pubblicata da OpenMOSS è un'affermazione del tipo opposto. Il suo benchmark di punta, LongLongTextBench, comprende 240 attività di rendering di testi letterari con una lunghezza target media di 1.339,8 caratteri, suddivise equamente tra inglese e cinese. Il problema affrontato non sono quattro parole su un poster; è una parete di prosa resa in modo leggibile all'interno di un'immagine. Il dato dichiarato dal venditore stesso per la copertura testuale Mean-6 è 96,3, contro 64,9 di Q​wen-Image-2512, con GPT Image 2 a 99,0 e N​ano Banana Pro a 96,6 nella stessa tabella.

Quindi: un fornitore ha pubblicato un limite massimo, e l'altro ha pubblicato un punteggio che ne implica uno molto più alto. Nessuno dei due è stato verificato da una terza parte. Se stai scegliendo tra i due per un lavoro specifico, questa è la linea di demarcazione — e il modo onesto di interpretarla è che la limitazione di Ideogram è documentata e riproducibile oggi da chiunque ci provi, mentre il miglioramento di OpenMOSS è una misurazione non riprodotta di un singolo fornitore. La limitazione documentata vale più, per la tua pianificazione, del punteggio non riprodotto, almeno finché qualcuno al di fuori del laboratorio non esegue il test.

A cosa serve ciascuno

La questione del testo è dove si sovrappongono. Quasi tutto il resto che li riguarda punta in direzioni diverse.

Ideogram 4.5 è posizionato come editor, non come generatore. Il suo comportamento di modifica precisa restituisce il risultato alle stesse larghezza e altezza dell'immagine di origine, con i pixel che la modifica non ha cambiato in modo significativo copiati esattamente anziché risintetizzati, ed è stato dimostrato su un'immagine di origine da 4.016 × 6.016 pixel senza prima ridimensionare il file. Le modifiche mascherate richiedono una maschera in bianco e nero — il nero indica cosa cambiare, il bianco cosa mantenere, i valori intermedi vengono arrotondati al più vicino dei due. L'endpoint di modifica accetta fino a quattro immagini di riferimento, tre quando viene fornita anche una maschera; l'endpoint di generazione accetta fino a cinque immagini di origine, la prima delle quali è trattata come quella in fase di modifica. I prompt arrivano a 10.000 caratteri nell'app, e la qualità è una scala a quattro livelli da molto_bassa a bassa, media e alta.

M​OSS-Image è orientato prima di tutto alla generazione. Il fornitore descrive la modifica della didascalia di un elemento o lo spostamento della sua casella come un adattamento di quella parte della composizione, e definisce il comportamento come sperimentale. La sua superficie di controllo è il JSON di layout sopra; la sua dimostrazione pubblicata è la composizione — poster, infografiche, interfacce — piuttosto che la modifica in loco di una fotografia esistente. Il suo addestramento è stato eseguito a 256px per 2,1M di passi, poi a 512px per 2,1M, poi all'incirca a 1024² per 0,31M, con il budget di token che passa da 576 → 3.072 → 8.192 nel corso di quelle fasi.

• Modifica di un'immagine esistente — I​deogram 4.5: capacità principale, output vincolato alle dimensioni dell'immagine di origine, pixel non modificati copiati. M​OSS-Image: sperimentale, descritto come la regolazione di elementi di una composizione generata da te.

• Testo lungo in un'immagine nuova — MOSS-Image: l'affermazione principale, con un benchmark del fornitore su target medi di 1.339,8 caratteri. Ideogram 4.5: documentato come titoli e blocchi brevi, con il corpo del testo indirizzato a uno strumento di progettazione.

• Pesi — MOSS-Image: Apache 2.0, nessuna soglia di fatturato, circa 27,2 GB incluso un encoder di testo Qwen3.5-9B congelato. Ideogram 4.5: nessuno. Il programma open-weights del fornitore copre solamente Ideogram 4.0, a 300 $ al mese per 10.000 immagini self-hosted su pesi quantizzati, esplicitamente non a piena precisione.

• Prezzo — Ideogram 4.5: una scala a cinque gradini da $0,008 a Very Low fino a $0,22 a High con un'immagine sorgente. MOSS-Image: nessun listino tariffe; il costo è il tempo della tua GPU.

Il numero su un lato e lo spazio vuoto sull'altro

Ideogram non ha pubblicato alcun benchmark per 4.5. I dati con punteggio provengono da Artificial Analysis, che riporta il modello su entrambe le classifiche per immagini nella configurazione High. Rilevati il 16 ottobre 2026: 1.063 Elo nell'editing di immagini da 2.728 voti a 220 $ per 1.000 immagini, e 1.019 Elo nel text to image da 2.421 campioni a 100 $ per 1.000. I leader della classifica di editing sono GPT Image 2.5 Sunburst e Flare di OpenAI a 1.198 e 1.177, quindi il gradino più alto si colloca circa 135 Elo sopra Ideogram 4.5, su un intervallo da 1.046 a 1.080 che si sovrappone a diversi modelli intorno a esso.

C'è una cautela che vale per l'uso di quel numero in questo confronto, e non riguarda l'errore di campionamento. Entrambe le classifiche chiedono ai votanti di preferire un'immagine a un'altra. Né l'una né l'altra chiede a chi vota di leggere il testo nell'immagine e giudicare se è scritto correttamente, con il giusto sistema di scrittura o nel posto giusto. Un Elo che misura la preferenza non è una misura della tipografia, e la reputazione di Ideogram stesso per il testo non è qualcosa che la classifica abbia mai valutato. Quindi il numero indipendente, per quanto reale, non copre la proprietà che conta di più in questo confronto.

MOSS-Image non ha alcun numero indipendente di alcun tipo. Ha un giorno di vita, ed entrambi i suoi benchmark sono inclusi nella release e sono stati costruiti dal fornitore. Il suo secondo, RealLayoutArena, comprende 61 attività di progettazione — 20 poster, 20 infografiche, 21 interfacce — giudicate a coppie e adattate a una scala Bradley–Terry; MOSS-Image totalizza 1698,70 Elo end-to-end, dietro GPT Image 2 a 1844,35, e 1807,34 limitatamente al backbone con prompt avanzati condivisi, che si colloca al primo posto. La pipeline che ha prodotto il dato end-to-end usa GPT-6 per la specifica dei prompt in fase di inferenza, secondo il rapporto tecnico, il che significa che il risultato di layout end-to-end più forte porta con sé una dipendenza dal modello di qualcun altro.

Come sceglieresti, e cosa c’entra un router

I​deogram 4.5 è chiuso e ospitato tramite l'API propria di I​deogram, le sue app e un'integrazione MCP. M​OSS-Image è un download. Nessuno dei due è nel catalogo di OrcaRouter — serviamo più di 200 modelli e nessuno di questi è tra loro — quindi entrambi comportano rivolgersi al fornitore: nel caso di I​deogram tramite la sua API e diverse piattaforme di terze parti, nel caso di OpenMOSS ai repository e all'hardware su cui riuscite a puntarli.

Il punto in cui un router si ripaga da solo in una pipeline di immagini a forte componente testuale è il lato dei costi, e il motivo è specifico di come questi fornitori applicano i prezzi. La scala tariffaria di Ideogram è documentata come fatturazione in base ai pixel risolti in output — fino a 1024×1024 conta come 1K, oltre come 2K — il che significa che lo stesso livello nominale può costare importi diversi a seconda di ciò che hai richiesto. Quando il prezzo di un fornitore è funzione della richiesta anziché una tariffa fissa, l'aritmetica di un lotto di cento immagini non è qualcosa che vuoi tenere a mente, e un catalogo che riporta i prezzi di listino dei provider senza aggiungere nulla è ciò che mantiene il numero allineato al fornitore invece di restare indietro. Questo vale per i modelli ospitati rispetto ai quali confronteresti un checkpoint aperto, non per nessuno dei due modelli di questo articolo.

La parte che nessuno dei due fornitori dirà ad alta voce

Metti le due posizioni una accanto all'altra e salta fuori un pattern. Ideogram, che da anni è il modello di tipografia, ti dice di mettere il corpo del testo in uno strumento di design. OpenMOSS, che ha un giorno di vita, sostiene di aver risolto il corpo del testo e si assegna un punteggio su questo.

Una di queste è un'azienda che descrive un limite che ha raggiunto, e l'altra è un'azienda che descrive un limite che ritiene di aver superato. La prima affermazione è verificabile da chiunque abbia un piano gratuito e un pomeriggio. La seconda è verificabile solo dalle persone che hanno costruito il benchmark, finché qualcuno non scarica i pesi e prova. I pesi sono Apache 2.0, quindi quel controllo è disponibile per chiunque — il che è l'argomento più forte per M​OSS-Image in questo confronto e non ha nulla a che fare con il suo punteggio. Non puoi verificare un'affermazione sul comportamento di I​deogram 4.5 con testi lunghi ispezionando il modello. Puoi verificare quella su M​OSS-Image eseguendolo.

Ciò che nessuna delle due parti ha pubblicato è una misurazione del drift. L'intera proposta di vendita di Ideogram 4.5 è che le modifiche non corrompono le parti non toccate di un'immagine, dimostrato su una sorgente da 24,2 megapixel senza downscaling; nessuna terza parte lo ha valutato, e nessun benchmark chiede che la decima modifica di una sequenza venga confrontata con la prima. Il comportamento di modifica di MOSS-Image è etichettato come sperimentale dal suo stesso fornitore e non misurato da nessuno. Due modelli costruiti attorno alla fedeltà al testo, nessuno dei quali ha un punteggio di fedeltà pubblicato da qualcuno che non li stia vendendo.

Quindi la scelta si riduce a quale incertezza riesci a sopportare. Se il tuo lavoro è fatto di titoli, packaging, testi di prodotto e blocchi brevi, ed è legato alla modifica in loco di una fotografia esistente, I​deogram 4.5 è il modello con il comportamento documentato, le regole sulle dimensioni pubblicate e un punteggio indipendente, anche se non tipografico — e un fornitore che ti dice esplicitamente quando invece rivolgerti a uno strumento di design. Se il tuo lavoro consiste in pagine composte con passaggi lunghi e vuoi possedere lo stack, M​OSS-Image ti dà i pesi, lo schema e l'unico benchmark che tenti anche solo di affrontare testi di lunga forma, a condizione che tu lo accetti come un'affermazione finché non lo riproduci. Il primo è un acquisto più sicuro e il secondo è un acquisto testabile, e quale dei due tu voglia non è qualcosa che la pagina di nessuno dei due fornitori possa dirti.

I fallimenti documentati dell'IA e gli incidenti degli agenti dietro release come questa sono raccolti nell'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, gravità, grado di confidenza e flag di contestazione.