Ideogram 4.5：精准编辑、闭源权重，以及厂商已发布的内容

Ideogram 4.5是 Ideogram 的精确编辑图像模型，自 2026 年 9 月 30 日起上线。有两个问题促使人们来到这里，所以两者都先予回答。第一个是模型做什么：它编辑现有图像，并以该图像自身的宽度和高度返回结果；编辑未触及的像素会被原样复制，而不是重新渲染，这正是厂商以“精确编辑”为标题所宣传的特性。第二个是你能否下载它。答案是不能。Ideogram 4.5 是一个闭源、托管的模型；厂商的开放权重计划确实存在，并且已经发布了仓库，目前涵盖 Ideogram 4.0，并且止步于此。

以下所有内容均来自 Ideogram 自己的模型页面、其开发者文档、其许可页面，以及其公开的 Hugging Face 和 GitHub 组织，阅读于 2026 年 10 月 13 日，另加一个独立排行榜。凡是厂商未公布的内容，本页面会如实说明，而不是填补空白。

Precise Edit 到底能做什么

厂商自己的一句话描述异常具体：“告诉 Ideogram 4.5 要改什么，其余一切原封不动。”开发者文档阐明了这在像素层面意味着什么——输出始终与输入图像的宽度和高度一致，并且“编辑未产生实质性改动的像素会从原图原样复制”。这比通常“保留细节”的说法更为有力，也正是围绕一处微小改动重新合成整幅画面的编辑器，与只对某一区域打补丁的编辑器之间的区别所在。

模型页面将同一个理念表述为关于漂移的论断：“每次编辑时，图像模型都可能引入像素偏移、颜色变化和纹理伪影。Ideogram 4.5 减少了这种漂移，在多轮编辑中保留细节。” API 概览补充了第三点——“编辑未触及的像素会从你的图像中精确复制，结果会以你图像自身的宽度和高度返回”——并将其主推于四个领域：有针对性的颜色、材质或细节更改；链式编辑中的一致性；参考引导式编辑；以及在 Studio 中进行整图处理。

实际上，能力集范围狭窄且具体：

• 定向编辑——用自然语言或结构化 JSON 提示描述一项更改，并保留画面的其余部分。

• 蒙版编辑 — 提供一个黑白蒙版，将更改限制在单个区域内。黑色标记要编辑的区域，白色标记要保留的区域，介于两者之间的值会舍入到更接近的那一端。

• 参考图引导编辑 — 在专用编辑端点上最多可使用四张参考图像；若同时提供蒙版，则最多三张，以便用产品、材质或风格来引导编辑。生成端点上最多可有五张源图像，其中第一张会被视为待编辑图像。

• 按源尺寸编辑 — 在编辑端点上，输出尺寸固定为输入图像的尺寸。超出模型处理能力的图像会按比例缩小，并以渲染后的尺寸返回。宽高比超出 1:6 至 6:1 范围的图像会被直接拒绝。

该厂商在自己的示例中所采用的分组方式，说明了它是为谁准备的：色彩与光照、文本修改、产品摄影、室内设计、建筑、老照片修复、草图生成图像、风格参考、重新构图和深度图生成图像。

开放权重之问，答案揭晓

模型自身主干上的页面都没有回答这一点，因此它才单独成节。以下是截至 2026 年 10 月 13 日有来源依据的立场。

立场：封闭。 Ideogram 4.5 由 Ideogram 自有的托管 API 及其自有应用提供服务。它没有检查点、没有代码仓库，也没有为其发布任何许可协议。最有力的证据是反面的，且明确无疑：今天查阅 Ideogram 的开发者文档，其中将每个 v2 端点都描述为对 api.ideogram.ai 的托管调用，并带有 Api-Key 请求头，而且整份文档中任何地方都不存在 4.5 的下载途径。

开源的是上一代。 Ideogram 的许可页面描述了一项针对“Ideogram 4.0”的开放权重计划——厂商自己的总结是“Hugging Face 上的量化模型权重”“GitHub 上采用 Apache 2.0 的推理代码”“允许微调和修改”，且输出内容仍须遵守可接受使用政策。页面记录了三档许可：面向研究、评估和个人项目的免费非商业许可；每月 300 美元的自助式商业许可，涵盖每月 10,000 张图像的自托管公开量化权重，并可随更高配额逐级提升，厂商明确表示该档“不包含全精度权重”；以及确实包含全精度访问权限的企业档。

代码仓库证实了这种分裂。Ideogram 的 Hugging Face 组织下正好列出了三个模型——ideogram-4-fp8、ideogram-4-nf4 和 ideogram-4-nf4-diffusers——而其 GitHub 组织下则列出了两个代码仓库：ideogram4 和 ComfyUI-Ideogram4。这五个都属于 4.0。两个组织中都没有出现名为 4.5 的内容。

有一条悬而未决的线索值得精确说明，因为正是它造成了混淆。The Decoder于 2026 年 10 月 1 日对此次发布的报道中写道：“Ideogram 也表示，开放权重的版本很快就会推出。”这是第三方对一项意向声明的转述。它不是已发布的成品，而且截至今天，尚无任何东西据此发布。在出现一个名称中包含 4.5 的代码仓库之前，任何声称 Ideogram 4.5 已开放权重的说法都应被视为未经证实。

输入、输出与尺寸包络

模态图景比该模型的盛名所暗示的要狭窄，而且有必要对此进行精确说明，因为这两个入口点的行为方式并不相同。

• 输入文本——应用中的自然语言提示或结构化 JSON 提示，最多 10,000 个字符。自然语言会在服务器端转换为结构化提示；有效的 JSON 将按原样使用。

• 图像输入 — JPEG、PNG 或 WebP，每张最大 25 MB。生成端点最多支持五张，编辑端点最多支持四张；当存在蒙版时，这四张中最多支持三张。

• 蒙版输入 — 一个 JPEG、PNG 或 WebP 蒙版，宽度和高度与源图像相同，同时包含黑色和白色区域。

• 图像输出——一个指向所生成图像的 URL，外加其分辨率、种子和安全标记。图像和视频链接会过期，因此供应商建议你下载任何想要保留的内容。

• 生成尺寸——auto、source，或精确的 WIDTHxHEIGHT。没有源图像时，精确尺寸必须是支持的 1K 或 2K 预设之一。有源图像时，精确尺寸的两边都必须是 32 的倍数且至少为 256 像素，总像素不得超过 2048 × 2048，并且宽高比不得超过 6:1。source 会按第一张源图像自身的宽度和高度返回输出。每张源图像都必须在 1:6 到 6:1 之间。

• 编辑尺寸 —— 这不是可选项。精确编辑端点会按源图像的确切宽度和高度返回结果。在应用中，附加参考图像会将宽高比和分辨率控件替换为一个 Size 菜单，其中包含“自动”“源图像尺寸”以及“自定义宽度和高度”，并遵循相同的规则：32 像素的倍数、最小 256 像素、上限 2048 × 2048。

• 质量层级 — API 中有四个：very_low，它需要源图像，然后是 low、medium和high。生成端点默认使用 high（无源图像时）和 medium（有源图像时）。应用会显示“极低”（仅参考）、低、中和高；付费计划默认高，免费计划默认低。

• 数量与种子 — num_images（每次请求生成的数量），以及用于可复现生成的 seed。该应用每次运行可生成 1 至 8 张图片。

文本渲染

Ideogram 的声誉建立在字体排印之上，而 4.5 文档将文本视为一等元素，而非副产品。厂商的指导在各页面中保持一致，且大多围绕克制展开：把确切的词句放进引号，让模型将其视为字面文本；在提示词开头就提及文本，因为靠近开头命名的文本比追加在末尾的文本更可靠地呈现；说明它出现的位置，保持简短，并保持场景简单。

这些局限被陈述得和能力一样直白：“Ideogram 擅长处理标题和短段落。正文文案或完整文档请稍后在设计工具中添加”，以及“文本用英文呈现时最准确。非拉丁文字系统和带变音符号的字母可能出错，甚至完全无法生成。”你也不能按名称选择字体——模型学到的是文字样式看起来是什么样，而不是一个字体库——因此文档中给出的方法是改为描述字重、形状和气质。

真正的精确控制手段是 JSON 提示词，4.5 与 4.0 共享这一机制。每个文本元素都有自己的 text、desc用于描述外观，color_palette，以及 bbox用于精确定位，整张图片最多可用 16 种十六进制颜色，每个元素最多五种。厂商明确表示，用平实的语言描述可以让你接近目标，但布局可能每次运行都发生变化，只有结构化提示词才能让它稳定下来——同时也同样明确地指出，超长的 JSON 提示词可能会丢失末尾的元素，因此最重要的元素要放在最前面。

编辑保真度与生成，用厂商的话说

Ideogram 并没有声称这是市场上最好的图像生成器。这个模型页面只推销一种表现，并把它演示出来，而它选择的对比很能说明问题：将同一组编辑操作序列与三款竞品编辑器进行并排对比，其中一款被直接点名——GPT Image 2.5 Sunburst——并声称那些输出“在几次编辑后就变得不可用”，而 Ideogram 4.5“在一次又一次编辑后依然保持干净”。

关于这一说法，有两点值得分开来看。它是厂商自述的：这一比较用的是 Ideogram 自己的演示，放在 Ideogram 自己的页面上，图片和编辑序列也由 Ideogram 自己挑选，而本页并未复现它。而且它是具体的，这就使它可被检验，而大多数发布时的说法做不到这一点。这一说法不是“品味更好”或“照片级真实感更强”，而是编辑边界能够守得住。正因如此，厂商的另一项演示——在一张 4,016 × 6,016 像素、2420 万像素的源图上直接进行编辑，事先没有先缩小文件——比任何排行榜上的名次都更有分量：那正是整幅画面重新渲染的编辑器最明显无法胜任的情况。

按厂商自己的说法，生成端点是那个最普通的：“使用 Ideogram 4.5 和 4.0 根据提示词创建图像，以提示词保真度和清晰排版著称。”值得注意的是，该应用将 4.5 视为编辑入口，而不是默认生成器——它是应用中唯一接受参考图像的 Ideogram 模型，而在应用的 Auto 模式下，附加参考图像正是让系统选择一个把提示词当作编辑指令来处理的模型的原因。

如何获取访问权限，以及 API 是什么样的

有四条有记载的路径，而它们让你付出的代价并不相同。

• 网页端和 iOS 应用 — 该模型是"图像"应用中可选用的模型，在任意图像上均可通过"编辑"按钮使用精准编辑。精准编辑需要付费方案或已购买的积分；付费方案所回退到的较慢队列不涵盖使用参考图像的编辑或生成。

• 该 API——v2 接口已有文档说明，模型包含在 URL 中：POST /v2/image/generate/ideogram-4-5 和 POST /v2/image/precise-edit/ideogram-4-5，二者均使用 multipart 表单数据，并通过 Api-Key 请求头进行认证。默认情况下结果会直接内联返回；设置 async 或提供 webhook_url 以获取一个 generation_id 返回，并轮询 GET /v2/generations/{generation_id}。Webhook 投递使用 Ed25519 签名，并可通过发布在 api.ideogram.ai/v1/.well-known/jwks.json 的公钥进行验证。请求必须使用 HTTPS，私有、回环和云元数据主机都会被拒绝。

• 其他端点——Ideogram 的文档也将放大（包括 Topaz 模型）、背景移除与替换、描述、图层化以及视频生成通过相同的 v2 模式进行路由。这些是同一密钥下的独立模型，而非 4.5 的额外功能。

• MCP — Ideogram 发布了一项 MCP 集成，以及一个机器可读的文档索引，地址为docs.ideogram.ai/llms.txt。

在开始做任何预算之前，有两个 API 细节值得了解。第一，dry_run=true会在不实际执行的情况下校验请求并给出定价——不会生成、存储或计费任何内容，你得到的是报价而不是图像。第二，被拒绝的请求会返回机器可读的原因：insufficient_funds、subscription_required、daily_limit、priority_credit_required、inflight_limit 或 feature_limit，当限制成为约束条件时，还会返回在途上限和队列名称。API 计费采用预付制：可购买 1 美元至 300 美元的额度，余额上限为 300 美元，并支持可选的自动充值。

关于价格，要注意你读的是哪个数字。Artificial Analysis 的榜单独立于厂商，列出 每 1,000 张图片 220.00 美元用于 Ideogram 4.5（High）编辑配置，以及 每 1,000 张图片 100.00 美元用于文本到图像配置。2026 年 10 月 1 日的发布报道给出的厂商自报价格阶梯为每张图片 0.8 到 22 美分，覆盖各质量档位，而有文档记录的分档规则是：生成按解析后的输出像素计费——最高 1024 × 1024 计为 1K，超过则为 2K，而 auto 尺寸计为 2K。Ideogram 自家的 API 定价页面在客户端渲染其数字，2026 年 10 月 13 日通过文本抓取未能返回任何数据，因此本页不会将厂商的每张图片价格作为厂商确认的价格加以引用。

那些独立的数字，以及它们发生变动这一事实

Artificial Analysis 在其两个图像榜单中都收录了 Ideogram 4.5 (High)。于 2026 年 10 月 13 日读取，各行数据如下：

• 编辑 — AA-Image-Editing v2.0：基于 2,913 票获得 1,062 Elo，95% 区间为 1,052 至 1,072，排名第 24，该榜单自身区间跨度为第 22 至第 26 位，价格为每 1,000 张图像 $220.00，标注为 2026 年 9 月发布。领先者为 GPT Image 2.5 Sunburst，得分 1,184，以及 GPT Image 2.5 Flare，得分 1,165。

• 文本生成图像 — AA-Image-T2I v2.0：在 2,479 票中获得 1,016 Elo 分，置信区间为 1,005 至 1,027，排名第 35 位，价格为每 1,000 张图像 $100.00。

这些并非该网站于 2026 年 10 月 1 日发布的数据：当时在编辑项上以 2,382 票获得 1,064 Elo，排名第 23；在文本到图像项上以 2,247 票获得 1,014 Elo，在 167 个中排名第 34。排行榜已经变动：编辑项随着样本增加约 530 票而下降 2 Elo，文本到图像项随着样本增加约 230 票而上升 2 Elo。这正是小样本逐渐稳定时你会看到的漂移，也是应当把这两行都视为暂时数据而非最终定论的理由。置信区间仍然比领先者的更宽——这就是几千票所能带来的结果。

有一个注意事项对这两个数字都适用，而且它并非无足轻重。两个评审平台都没有要求投票者将序列中的第十次编辑与第一次编辑进行评判。它们衡量的是成对图像之间的偏好，而这并不是 Precise Edit 所声称的那个属性。该供应商的实际宣称目前尚未被任何独立方测量过。

什么没有发布？

这是一份简短的清单，而且它有意如此简短。Ideogram 已经公布了其行为、界面、尺寸规则和许可立场，却拒绝公布规格表通常会载明的几项内容。

• 4.5 的架构与参数量——毫无信息。相比之下，该厂商 2026 年 6 月关于 Ideogram 4.0 的技术文章描述了一个 9.3B 的单流 Diffusion Transformer，从零训练，带有视觉语言文本编码器和结构化 JSON 提示，并指明该编码器为 Qwen3-VL-8B-Instruct，还详述了一个 34 层的 DiT。这些内容均未针对 4.5 发布。

• 4.5 的训练数据与流程——无。

• 任何厂商基准测试——一个都没有。模型页面上的每一项质量主张都是演示出来的，而不是打分评出来的，而唯一的一次正面对比，则是厂商自家演示对阵三个点名提及的竞争对手。

• 漂移或多轮保真度基准——无论是厂商还是第三方，都没有任何相关数据。该模型所围绕构建的唯一特性，竟没有任何已发布的测量结果。

• 延迟数据——没有任何文档记录。唯一的说明是质量越高“耗时越长”。

• 某供应商按图像计费的 API 价格——该定价表由客户端渲染，在 2026 年 10 月 13 日通过文本抓取时未返回具体数字。

• Ideogram 4.5 权重——未发布任何内容，而厂商自己的开源导航指向的是 4.0 代码仓库。

这在实践中意味着什么

有三件事已成定局。Ideogram 4.5 是一个闭源、托管的模型，拥有真实且有文档记录的 API，其过人之处在于：它会以你图像自身的尺寸返回图像，且像素原样复制，而非重新渲染。Ideogram 的开放权重系列目前止步于 4.0，任何声称并非如此的人，都走在了代码仓库前面。而独立评分将其置于一个拥挤榜单的中游，价格却接近榜首——在编辑榜单上每 1,000 次编辑 220 美元，而 Grok Imagine Image 2.0 为每 1,000 次 60 美元，MAI-Image-2.6-Flash 为 19.50 美元。

尚未有定论的那件事，才是购买决策中唯一要紧的事。Ideogram 所做的宣称，是一项关于第十次编辑的宣称，而没有任何已公布的测量覆盖第十次编辑。如果你的工作是从单个提示生成单张图像，那么这个模型的区别性特征并不是你要购买的那个特性，而文生图那一行——第 35 名，每 1,000 张图像 100 美元——才是对你所获之物的诚实概括。如果你的工作是为整个产品目录制作配色变体、为一场营销活动翻译所有标牌，或是在不重绘照片中留存部分的情况下修复一张照片，那么厂商已经精确演示了你的用例，却没有任何人独立复现过它。

这就是值得去跑的那个实验，而且界定范围的成本很低：同一张图片，同样的十次编辑，分别通过 Ideogram 4.5 和你目前用于多轮工作的任何模型各跑一遍，再把输出逐轮相互比对。Ideogram 的 API 让插桩监测这件事异常容易——num_images、seed 和 dry_run 意味着你可以在付费之前先为这次运行估好价——而真正重要的端点是编辑端点，不是生成端点。还要注意，Ideogram 4.5 并不在我们自己的目录中：OrcaRouter 如今的图像线由 OpenAI 的 GPT-Image 模型、xAI 的 Grok Imagine 图像模型和 Google 的 Imagen 4 系列构成，Ideogram 并不在其列，所以这是一个你需要直接调用、而非通过我们调用的模型。把它与你已经在路由的模型放在一起比较，仍然是值得做的对照，而路由层正是让“两个都跑、再做 diff”成为一次按键操作、而不是一项采购决策的原因。

最快能改变这个页面的一个进展，就是一个名字里带 4.5 的仓库。如果 Ideogram 发布了权重，这里每一个自托管问题的经济账都会在一天之内改变，而这个页面需要的就不是更新，而是重写。在那之前，把大多数读者带到这里的那个问题，答案就是一个干脆的“不”。