Ideogram 4.5: Precyzyjna edycja, zamknięte wagi i co opublikował dostawca

Ideogram 4.5 to precyzyjny model edycji obrazów Ideogramu, dostępny od 30 września 2026 r. Dwa pytania sprowadzają tu ludzi, więc na oba odpowiadamy od razu. Pierwsze dotyczy tego, co robi model: edytuje istniejący obraz i zwraca wynik w oryginalnej szerokości i wysokości tego obrazu, przy czym piksele, których edycja nie dotknęła, są kopiowane dokładnie, a nie renderowane ponownie, co jest właściwością, którą dostawca sprzedaje pod hasłem „precyzyjna edycja”. Drugie to, czy można go pobrać. Nie można. Ideogram 4.5 to zamknięty, hostowany model; program otwartych wag dostawcy, który istnieje naprawdę i opublikował repozytoria, obejmuje obecnie Ideogram 4.0 i na tym się kończy.

Wszystko poniżej pochodzi z własnej strony modelu Ideogram, jego dokumentacji dla programistów, jego strony licencyjnej oraz jego publicznych organizacji Hugging Face i GitHub, przeczytanych 13 października 2026 r., a także z jednego niezależnego rankingu. Tam, gdzie dostawca nic nie publikuje, ta strona mówi o tym wprost, zamiast wypełniać lukę.

Co właściwie robi Precise Edit

Jednolinijkowy opis samego dostawcy jest nietypowo konkretny: „Powiedz modelowi Ideogram 4.5, co zmienić, a wszystko inne pozostawi w spokoju”. Dokumentacja dla programistów wyjaśnia, co to oznacza w pikselach — wynik zawsze ma szerokość i wysokość obrazu wejściowego, a „piksele, których edycja w istotny sposób nie zmieniła, są dokładnie kopiowane z niego”. To mocniejsze stwierdzenie niż zwykłe sformułowanie „zachowuje szczegóły” i stanowi różnicę między edytorem, który ponownie syntezuje cały kadr wokół niewielkiej zmiany, a takim, który łata region.

Strona modelu ujmuje tę samą myśl jako twierdzenie o dryfie: „Przy każdej edycji modele obrazu mogą wprowadzać przesunięcia pikseli, zmiany kolorów i artefakty tekstury. Ideogram 4.5 ogranicza ten dryf, zachowując szczegóły w edycjach wieloetapowych”. Przegląd API dodaje trzeci element — „piksele, których edycja nie obejmuje, są kopiowane dokładnie z Twojego obrazu, a wynik wraca w szerokości i wysokości Twojego obrazu” — i kieruje go do czterech obszarów: precyzyjne zmiany koloru, materiału lub szczegółów; spójność w łańcuchu edycji; edycje oparte na referencji; oraz prace na całym obrazie w Studio.

Praktycznie rzecz biorąc, zestaw możliwości jest wąski i konkretny:

• Edycje ukierunkowane — opisz zmianę w języku naturalnym lub w ustrukturyzowanym prompcie JSON i zachowaj resztę klatki.

• Edycje z maską — użyj czarno-białej maski, aby ograniczyć zmianę do jednego obszaru. Czarne oznacza obszar do edycji, białe obszar do zachowania, a wartości pośrednie są zaokrąglane do bliższej z tych dwóch.

• Edycje sterowane odniesieniem — do czterech obrazów referencyjnych w dedykowanym punkcie końcowym edycji lub trzech, jeśli dostarczono również maskę, aby ukierunkować edycję za pomocą produktu, materiału lub stylu. Nie więcej niż pięć obrazów źródłowych w punkcie końcowym generowania, z których pierwszy jest traktowany jako ten edytowany.

• Edycje w rozmiarze źródłowym — w punkcie końcowym edycji rozmiar danych wyjściowych jest stały i równy wymiarom danych wejściowych. Obrazy zbyt duże dla modelu są proporcjonalnie pomniejszane i zwracane w wyrenderowanej postaci. Obrazy, których proporcje wykraczają poza zakres od 1:6 do 6:1, są odrzucane.

Sposób grupowania, jakiego dostawca używa we własnych przykładach, mówi, dla kogo jest to przeznaczone: kolor i oświetlenie, modyfikacja tekstu, fotografia produktowa, projektowanie wnętrz, architektura, renowacja starych zdjęć, szkic-do-obrazu, odniesienie stylu, zmiana kadru i głębia-do-obrazu.

Pytanie o open-weights — odpowiedź

Żadna strona na własnym pniu modelu na to nie odpowiada, dlatego też ma własną sekcję. Oto stanowisko źródłowe na dzień 13 października 2026 r.

Stanowisko: zamknięte. Ideogram 4.5 jest udostępniany za pośrednictwem własnego hostowanego API Ideogramu i jego własnych aplikacji. Nie istnieje dla niego żaden checkpoint, repozytorium ani opublikowana licencja. Najsilniejszy dowód jest negatywny i jednoznaczny: dokumentacja dla programistów Ideogramu, czytana dzisiaj, opisuje każdy punkt końcowy v2 jako hostowane wywołanie do api.ideogram.ai z nagłówkiem Api-Key, a żadna ścieżka pobierania dla 4.5 nigdzie w niej nie istnieje.

Otwarta jest poprzednia generacja. Strona licencyjna Ideogram opisuje program otwartych wag dla „Ideogram 4.0” — własne podsumowanie dostawcy brzmi: „Skwantyzowane wagi modelu na Hugging Face”, „Kod wnioskowania Apache 2.0 na GitHub”, „Dozwolone dostrajanie i modyfikacje”, przy czym wyniki nadal podlegają polityce dopuszczalnego użytku. Udokumentowane są trzy poziomy: darmowa licencja niekomercyjna do badań, oceny i projektów osobistych; samoobsługowa licencja komercyjna za 300 USD miesięcznie obejmująca 10 000 obrazów miesięcznie z samodzielnie hostowanych publicznych skwantyzowanych wag, z możliwością przejścia na wyższe limity, przy czym dostawca wprost stwierdza, że ten poziom „nie obejmuje wag pełnej precyzji”; oraz poziom Enterprise, który obejmuje dostęp do pełnej precyzji.

Repozytoria potwierdzają podział. Organizacja Ideogram na Hugging Face wymienia dokładnie trzy modele — ideogram-4-fp8, ideogram-4-nf4 i ideogram-4-nf4-diffusers — a jej organizacja na GitHubie wymienia dwa repozytoria, ideogram4 i ComfyUI-Ideogram4. Wszystkie pięć należy do 4.0. W żadnej z tych organizacji nie pojawia się nic o nazwie 4.5.

Jest jeden luźny wątek, który warto precyzyjnie przedstawić, ponieważ jest źródłem zamieszania. W relacji o premierze The Decoder z 1 października 2026 r. odnotowano, że „Ideogram również twierdzi, że wydanie z otwartymi wagami pojawi się wkrótce”. To strona trzecia przekazująca deklarację intencji. Nie jest to opublikowany artefakt i na dzień dzisiejszy nic nie zostało wydane w związku z tym. Każde twierdzenie, że Ideogram 4.5 ma otwarte wagi, traktuj jako niezweryfikowane, dopóki nie istnieje repozytorium z 4.5 w nazwie.

Wejścia, wyjścia i obwiednia wymiarowa

Obraz modalności jest węższy, niż mogłaby sugerować sława tego modelu, i warto być tu precyzyjnym, ponieważ oba punkty wejścia zachowują się inaczej.

• Tekst wejściowy — naturalne zapytanie lub ustrukturyzowany prompt JSON, do 10 000 znaków w aplikacji. Język naturalny jest konwertowany na ustrukturyzowany prompt po stronie serwera; poprawny JSON jest używany tak, jak został zapisany.

• Obrazy w formatach — JPEG, PNG lub WebP, maks. 25 MB każdy. Do pięciu w punkcie końcowym generowania, do czterech w punkcie końcowym edycji, trzy z tych czterech, gdy obecna jest maska.

• Maski w — jedna maska w formacie JPEG, PNG lub WebP, o tej samej szerokości i wysokości co obraz źródłowy, zawierająca zarówno czarne, jak i białe obszary.

• Obrazy wyjściowe — adres URL wygenerowanego obrazu wraz z jego rozdzielczością, ziarnem i flagą bezpieczeństwa. Linki do obrazów i filmów wygasają, więc dostawca zaleca pobranie wszystkiego, co chcesz zachować.

• Rozmiary generowania — auto, source, lub dokładny WIDTHxHEIGHT. Bez obrazów źródłowych dokładny rozmiar musi być rozmiarem 1K lub 2K. W przypadku obrazów źródłowych dokładny rozmiar musi mieć oba boki będące wielokrotnością 32 i co najmniej 2048 px łącznie, nie więcej niż 2048 × 2048 pikseli, a współczynnik proporcji nie szerszy niż 6:1. source zwraca wynik w szerokości i wysokości pierwszego obrazu źródłowego. Obrazy źródłowe muszą mieścić się w zakresie od 1:1 do 6:1.

• Rozmiar edycji — to nie jest wybór. Punkt końcowy precise-edit zwraca wynik w dokładnej szerokości i wysokości obrazu źródłowego. W aplikacji dołączenie obrazu referencyjnego zastępuje kontrolki proporcji i rozdzielczości menu Rozmiar z opcjami Automatyczny, Rozmiar obrazu źródłowego oraz Niestandardowa szerokość i wysokość, zgodnie z tymi samymi regułami: wielokrotność 32 px, minimum 256 px, maksimum 2048 × 2048.

• Poziomy jakości — cztery w API: very_low, który wymaga obrazów źródłowych, następnie low, medium i high. Punkt końcowy generowania domyślnie przyjmuje wartość high, gdy nie ma obrazów źródłowych, i medium, gdy są. Aplikacja pokazuje Bardzo niski (tylko referencje), Niski, Średni i Wysoki, przy czym Wysoki jest ustawieniem domyślnym w planach płatnych, a Niski w planie darmowym.

• Liczby i ziarna — num_images na żądanie oraz seed do powtarzalnego generowania. Aplikacja udostępnia od 1 do 8 obrazów na przebieg.

Renderowanie tekstu

Reputacja Ideogram została zbudowana na typografii, a dokumentacja wersji 4.5 traktuje tekst jako element pierwszej klasy, a nie efekt uboczny. Wytyczne dostawcy są spójne na przestrzeni stron i dotyczą głównie powściągliwości: umieść dokładne słowa w cudzysłowie, aby model traktował je jako dosłowny tekst, wspomnij tekst wcześnie w prompcie, ponieważ tekst nazwany na początku wychodzi bardziej niezawodnie niż tekst dołączony na końcu, określ, gdzie się pojawia, niech będzie krótki i niech scena pozostanie prosta.

Ograniczenia są podane równie wprost jak możliwości: „Ideogram dobrze radzi sobie z tytułami i krótkimi blokami. Tekst główny lub pełne dokumenty dodaj później w narzędziu projektowym”, a także: „Tekst wychodzi najdokładniej po angielsku. Pisma niełacińskie i litery z akcentami mogą wyjść błędnie albo wcale”. Nie możesz też wybrać czcionki po nazwie — model nauczył się, jak wyglądają style tekstu, a nie biblioteki czcionek — więc udokumentowane podejście polega na opisaniu grubości, kształtu i nastroju.

Precyzyjną dźwignią jest prompt JSON, który 4.5 współdzieli z 4.0. Każdy element tekstowy otrzymuje własny text, desc opisujący jego wygląd, color_palette oraz bbox do dokładnego umiejscowienia, z maksymalnie 16 kolorami szesnastkowymi dla całego obrazu i maksymalnie pięcioma na element. Dostawca wyraźnie zaznacza, że zwykły język przybliża wynik, ale układ może się zmieniać przy każdym uruchomieniu, a to ustrukturyzowany prompt utrzymuje go stabilnie — i równie wyraźnie zaznacza, że bardzo długie prompty JSON mogą tracić końcowe elementy, dlatego najważniejsze elementy umieszcza się na początku.

Wierność edycji kontra generowanie, według słów dostawcy

Ideogram nie twierdzi, że jest najlepszym generatorem obrazów na rynku. Strona modelu reklamuje jedno zachowanie i je demonstruje, a wybrane przez nią porównanie jest wymowne: zestawienie obok siebie tej samej sekwencji edycji z trzema konkurencyjnymi edytorami, z których jeden wymieniono wprost — GPT Image 2.5 Sunburst — z twierdzeniem, że te wyniki „stają się bezużyteczne po kilku edycjach”, podczas gdy Ideogram 4.5 „pozostaje czysty edycja po edycji”.

Dwie rzeczy w tym twierdzeniu zasługują na rozdzielenie. Jest ono zgłoszone przez dostawcę: porównanie to własne demo Ideogramu, na własnej stronie Ideogramu, z własnym wyborem obrazów i sekwencji edycji Ideogramu, a ta strona go nie odtworzyła. A jest ono konkretne, co czyni je testowalnym w sposób, w jaki większość twierdzeń premierowych nie jest. Twierdzenie nie brzmi „lepszy gust” ani „lepszy fotorealizm”. Chodzi o to, że granica edycji się utrzymuje. Dlatego inna demonstracja dostawcy — edycja wykonana na źródle o rozdzielczości 4016 × 6016 pikseli, 24,2 megapiksela, bez uprzedniego skalowania pliku w dół — ma większe znaczenie niż jakikolwiek wiersz rankingu: to przypadek, w którym edytor ponownie renderujący całą klatkę jest w najbardziej oczywisty sposób bezużyteczny.

Punkt końcowy generowania jest — w ujęciu samego dostawcy — tym zwykłym: „Twórz obrazy na podstawie promptu za pomocą Ideogram 4.5 i 4.0, znanych z wierności promptowi i wyrazistej typografii”. Warto zauważyć, że aplikacja traktuje 4.5 jako punkt wejścia do edycji, a nie domyślny generator — to jedyny model Ideogram w aplikacji, który przyjmuje obrazy referencyjne, a w trybie Auto aplikacji to dołączenie obrazów referencyjnych powoduje, że system wybiera model traktujący prompt jako instrukcję edycji.

Jak uzyskujesz dostęp i jak wygląda API

Istnieją cztery udokumentowane trasy i nie są one równoważne pod względem tego, ile cię kosztują.

• Aplikacje webowa i iOS — model jest modelem do wyboru w aplikacji Image, a funkcja Precise Edit jest dostępna po naciśnięciu przycisku Edytuj na dowolnym obrazie. Precise Edit wymaga płatnego planu lub zakupionych kredytów; wolniejsza kolejka, do której trafiają płatne plany, nie obejmuje edycji ani generowań wykorzystujących obraz referencyjny.

• API — interfejs v2 jest gotowy, a model dostępny: POST /v2/image/generate/ideogram-4-5 oraz POST /v2/image/precise-edit/ideogram-4-5, oba przyjmują dane formularza multipart i są uwierzytelniane za pomocą nagłówka Api-Key. Wyniki domyślnie zwracane są bezpośrednio w odpowiedzi; ustaw async lub podaj webhook_url, aby otrzymać generation_id w odpowiedzi i odpytuj GET /v2/generations/{generation_id}. Dostawy webhooków są podpisywane za pomocą Ed25519 i można je zweryfikować za pomocą kluczy publicznych opublikowanych pod adresem api.ideogram.ai/v1/.well-known/jwks.json. Żądania muszą używać HTTPS, a hosty prywatne, loopback i hosty metadanych chmurowych są odrzucane.

• Inne punkty końcowe — Dokumentacja Ideogram kieruje również skalowanie w górę (w tym modele Topaz), usuwanie i zastępowanie tła, describe, layerise oraz generowanie wideo przez ten sam wzorzec v2. To osobne modele pod jednym kluczem, a nie dodatkowe możliwości 4.5.

• MCP — Ideogram udostępnia integrację MCP oraz indeks dokumentacji w formacie czytelnym dla maszyn pod adresem docs.ideogram.ai/llms.txt.

Dwa szczegóły API warto znać, zanim cokolwiek zaplanujesz budżetowo. Po pierwsze, dry_run=truewaliduje i wycenia żądanie bez jego wykonywania — nic nie jest generowane, przechowywane ani rozliczane, a zamiast obrazu otrzymujesz wycenę. Po drugie, odrzucone żądanie zwraca czytelny maszynowo powód: insufficient_funds, subscription_required, daily_limit, priority_credit_required, inflight_limit lub feature_limit, przy czym limit jednoczesnych żądań i nazwa kolejki są zwracane, gdy to limit jest ograniczeniem. Rozliczenia API są przedpłacone: kredyty kupowane od 1 do 300 USD, limit salda 300 USD oraz opcjonalne automatyczne doładowanie.

Jeśli chodzi o cenę, uważaj, którą liczbę czytasz. Tablica Artificial Analysis, niezależnie od dostawcy, podaje 220,00 USD za 1000 obrazów dla konfiguracji edycji Ideogram 4.5 (High) oraz 100,00 USD za 1000 obrazów dla konfiguracji tekst-na-obraz. Doniesienia z premiery z 1 października 2026 r. podawały deklarowaną przez dostawcę drabinkę cen od 0,8 do 22 centów za obraz w poszczególnych poziomach jakości, a udokumentowana zasada podziału na poziomy mówi, że generowanie jest rozliczane według rozdzielczości wynikowej — do 1024 × 1024 jako 1K, powyżej jako 2K, a auto jako rozmiar 2K. Własna strona z cennikiem API Ideogram renderuje swoje liczby po stronie klienta i nie zwróciła żadnych wartości przy pobieraniu tekstu 13 października 2026 r., dlatego ta strona nie podaje ceny za obraz od dostawcy jako potwierdzonej przez dostawcę.

Niezależne liczby i fakt, że się poruszyły

Artificial Analysis uwzględnia Ideogram 4.5 (High) na obu swoich tablicach obrazów. Odczyt z 13 października 2026 — wiersze są następujące:

• Edycja — AA-Image-Editing v2.0: 1 062 Elo z 2 913 głosów, 95-procentowy przedział od 1 052 do 1 072, 24. miejsce, a własny przedział tej tablicy obejmuje miejsca od 22. do 26., po 220,00 USD za 1000 obrazów, wymieniony jako wydany we wrześniu 2026. Liderami są GPT Image 2.5 Sunburst z 1 184 i GPT Image 2.5 Flare z 1 165.

• Tekst na obraz — AA-Image-T2I v2.0: 1 016 Elo z 2 479 głosów, przedział od 1 005 do 1 027, sklasyfikowany na 35. miejscu, w cenie 100,00 USD za 1 000 obrazów.

To nie są liczby, które ta strona opublikowała 1 października 2026; tamte odnotowały 1064 Elo z 2382 głosów na 23. miejscu w edycji oraz 1014 Elo z 2247 głosów na 34. miejscu spośród 167 w kategorii tekst na obraz. Ranking się przesunął: o 2 Elo w dół w edycji, gdy próba wzrosła o około 530 głosów, i o 2 Elo w górę w tekst na obraz, gdy jego próba wzrosła o około 230. To dryf, jakiego można oczekiwać, gdy mała próba się stabilizuje, i powód, by oba wiersze traktować jako tymczasowe, a nie jako werdykt. Przedziały ufności pozostają szersze niż u liderów — na to pozwala kilka tysięcy głosów.

Jedno zastrzeżenie dotyczy obu liczb i nie jest ono małe. Żadna z tych tablic nie prosi głosujących o ocenę dziesiątej edycji w sekwencji względem pierwszej. To, co mierzą, to preferencja między parami obrazów, co nie jest właściwością, do której rości sobie prawo Precise Edit. Rzeczywiste twierdzenie dostawcy nie zostało obecnie zmierzone przez nikogo niezależnego.

Co nie jest publikowane?

To krótka lista — i to celowo. Ideogram opublikował zachowanie, interfejs, zasady dotyczące rozmiaru i stanowisko w sprawie licencji, a odmówił opublikowania kilku rzeczy, które zwykle zawiera arkusz specyfikacji.

• Architektura i liczba parametrów dla 4.5 — nic. Dla kontrastu techniczny wpis producenta z czerwca 2026 r. dotyczący Ideogram 4.0 opisuje „jednoprzepływowy Diffusion Transformer o 9,3 mld parametrów, trenowany od podstaw, z wizyjno-językowym enkoderem tekstu i ustrukturyzowanymi promptami JSON”, wskazuje Qwen3-VL-8B-Instruct jako ten enkoder i szczegółowo opisuje 34-warstwowy DiT. Nic z tego nie zostało opublikowane dla 4.5.

• Dane treningowe i proces dla 4.5 — nic.

• Żadnego benchmarku dostawcy — nic. Każde twierdzenie o jakości na stronie modelu jest zademonstrowane, a nie ocenione, a jedyne bezpośrednie porównanie to własne demo dostawcy przeciwko trzem rywalom wymienionym z nazwy.

• Benchmark dryfu lub wierności wieloturowej — nic, ani od dostawcy, ani od strony trzeciej. Jedyna właściwość, wokół której zbudowano model, nie ma opublikowanego pomiaru.

• Wartości opóźnień — nic nie udokumentowano. Jedyną wskazówką jest to, że wyższa jakość „trwa dłużej”.

• Cena API dostawcy za obraz — tabela cenowa jest renderowana po stronie klienta i nie zwróciła wartości liczbowych w pobieraniu tekstowym w dniu 13 października 2026 r.

• wagi Ideogram 4.5 — nic nie zostało opublikowane, a własna nawigacja open source dostawcy wskazuje na repozytoria wersji 4.0.

Co to oznacza w praktyce

Trzy sprawy są rozstrzygnięte. Ideogram 4.5 to zamknięty, hostowany model z prawdziwym i udokumentowanym API, a jego wyróżniająca możliwość polega na tym, że zwraca obraz w jego własnym rozmiarze, z nietkniętymi pikselami skopiowanymi, a nie wyrenderowanymi od nowa. Linia open-weights w Ideogram kończy się obecnie na 4.0, a każdy, kto twierdzi inaczej, wyprzedza repozytoria. A niezależne wyniki umieszczają go w środku zatłoczonej tabeli przy cenie blisko jej szczytu — 220 USD za 1000 edycji w rankingu edycji, wobec 60 USD za 1000 dla Grok Imagine Image 2.0 i 19,50 USD dla MAI-Image-2.6-Flash.

To, co nie zostało rozstrzygnięte, jest jedyną rzeczą, która ma znaczenie dla decyzji zakupowej. Twierdzenie, które wysuwa Ideogram, dotyczy dziesiątej edycji, a żaden opublikowany pomiar nie obejmuje dziesiątej edycji. Jeśli twoja praca to pojedynczy prompt do pojedynczego obrazu, wyróżniająca cecha tego modelu nie jest cechą, którą kupujesz, a wiersz tekst-na-obraz — 35., po 100 USD za 1000 obrazów — jest uczciwym podsumowaniem tego, co otrzymujesz. Jeśli twoja praca to warianty kolorystyczne w katalogu produktów, tłumaczenie oznakowania w całej kampanii albo przywracanie fotografii bez przemalowywania tego, co przetrwało, dostawca zademonstrował dokładnie twój przypadek i nikt nie odtworzył tego niezależnie.

To jest eksperyment, który warto przeprowadzić, a jego zakres jest tani: ten sam obraz, te same dziesięć edycji, przepuszczone przez Ideogram 4.5 oraz przez to, czego obecnie używasz do pracy wieloturowej, a wyniki porównane ze sobą tura po turze. API Ideogramu sprawia, że instrumentacja tego jest wyjątkowo łatwa — num_images, seed i dry_run oznaczają, że możesz wycenić przebieg, zanim za niego zapłacisz — a endpointem, który ma znaczenie, jest endpoint edycji, a nie generacji. Zauważ też, że Ideogram 4.5 nie znajduje się w naszym własnym katalogu: linia obrazów OrcaRoutera zbudowana jest dziś z modeli GPT-Image od OpenAI, modelu obrazowego Grok Imagine od xAI i rodziny Imagen 4 od Google, a Ideogram nie jest wśród nich, więc to model, który wywołałbyś bezpośrednio, a nie przez nas. Zestawienie go z modelem, który już routingujesz, to wciąż porównanie warte przeprowadzenia, a warstwa routingu sprawia, że „uruchom oba i porównaj różnice" to ćwiczenie z jednym kluczem, a nie decyzja zakupowa.

Jedynym wydarzeniem, które najszybciej zmieniłoby tę stronę, jest repozytorium z 4.5 w nazwie. Jeśli Ideogram opublikuje wagi, ekonomia każdego pytania o samodzielne hostowanie tutaj zmieni się w ciągu jednego dnia, a ta strona wymagałaby raczej przepisania od zera niż aktualizacji. Do tego czasu odpowiedź na pytanie, które sprowadziło tu większość czytelników, brzmi po prostu: nie.