HiDream-O1-Image-1.5是什么

HiDream-O1-Image-1.5 是智象未来推出的商用图像生成大模型，基于原生全模态 UiT 架构。在 Artificial Analysis 文生图榜单中用 ELO 1265 位列全球第三、中国第一，超越 Google Nano Banana 2 与字节 Seedream 4.0。模型具备摄影级人像、精细动物建模、精准文字渲染及多主体一致性能力，面向广告、品牌设计、电商视觉与影视分镜等商业场景，标志着智象未来在视觉生成领域稳居全球第一梯队。

HiDream-O1-Image-1.5的主要功能

• 人像摄影生成：支持魔幻光影、双人互动、人物特写，在皮肤质感、服饰纹理、肢体关系及环境虚化上表现自然。
• 动物与自然环境生成：精细建模动物结构、皮毛质感、动态表现及复杂光照、水下折射等画面。
• 文字渲染与排版：具备准确的文字生成能力与复杂排版能力。
• 多主体一致性：支持多人物、多元素的协调生成与视觉叙事。
• 分镜与场景构建：支持影视分镜、广角/低机位等复杂构图。

HiDream-O1-Image-1.5的技术原理

• 原生全模态 UiT 架构：模型基于智象未来自研的 Unified Transformer（UiT）原生全模态架构，架构采用统一的像素级原生表示方式处理多模态信息，避免传统多模态模型中因模态转换造成的信息损失，使文本、图像等数据在统一空间内完成理解与生成。
• 从开源验证到商用生产：模型延续开源版本 HiDream-O1-Image-Dev-2604 的技术路线，将 UiT 架构从技术验证推进到生产验证。商用版在开源版已验证的像素级原生全模态能力基础上，针对广告营销、品牌设计、电商视觉等高要求商业场景进行强化优化，实现底层架构优势向视觉生产力工具的转化。
• 综合能力强化机制：模型通过提升语义遵循精度、复杂画面生成稳定性、文字渲染准确性与多主体一致性控制，在超过 4000 个样本的匿名对比评测中取得 1265 ELO。技术核心在于将文本指令的深层语义理解与像素级图像生成进行端到端联合建模，确保复杂构图、空间透视与视觉叙事的协调统一。