HiDream.ai最近放出的商用版图像生成模型HiDream-O1-Image-1.5，又打了个漂亮的翻身仗。在知名AI模型评测平台Artificial Analysis的文生图榜单上，它直接冲到了中国第一、全球第二的位置，评分仅次于OpenAI。这个成绩意味着什么？简单来说，它把Google Nano Banana 2（基于Gemini 3.1 Flash Image Preview）、NVIDIA Cosmos3-Super-Text2Image和字节跳动的Seedream 4.0这些国内外大厂的重量级选手，都甩在了身后。

Artificial Analysis的文生图榜单

就在半个月前，HiDream-O1系列的开源模型HiDream-O1-Image-Dev-2604才刚登顶全球开源模型第一。短短几周后，同系列的商用版本再度杀入前三——连续两次的成绩，不仅验证了智象未来在视觉生成领域的硬核实力，也说明这家中国公司已经稳稳站在了全球第一梯队。

Artificial Analysis这套榜单的评测机制有点意思：匿名对比、用户投票、ELO动态排名，最大限度屏蔽了品牌认知对结果的影响。在这种接近真实用户偏好的测试环境中，HiDream-O1-Image-1.5在超过4000个样本对比中拿下了1265 ELO。这个分数背后，不光是画面好看那么简单，更反映了模型在语义理解、复杂构图、文字渲染和多主体控制等方面水准的提升。

这次登榜还有一个更深层的意义：它标志着智象未来把创新的原生全模态架构Unified Transformer（UiT），从“技术验证”推进到了“生产验证”阶段。开源版本证明了架构在开放评测和社区中能跑通，而商用版则直接面向广告营销、品牌设计、电商、游戏、影视这些高要求的商业场景。换句话说，这不只是刷榜，而是把架构优势转化成了生产力。

接下来，更值得关注的，是它在真实内容生产任务中的表现。

01.

会写字、懂排版、能分镜

HiDream-O1-Image-1.5 展现全能图像生成能力

人像摄影生图实例：摄影级画质与多风格表达

在人像生成这件事上，HiDream-O1-Image-1.5表现出相当稳定的摄影级画质，以及灵活的风格适配能力。从魔幻光影、双人互动到人物特写，模型在处理皮肤质感、服饰纹理、肢体关系和背景虚化这些细节时都非常自然。即便面对广角、低机位、室内暖光这类复杂的构图条件，人物比例、空间透视与画面叙事也能保持很好的协调性。对商业人像、品牌视觉和影视分镜这类高要求场景来说，它的交付能力已经很有说服力。

左右滑动查看更多照片

动物生图实例：运动形态与自然环境的精细建模

在动物生成场景中，HiDream-O1-Image-1.5的建模能力让人印象深刻，特别是在处理主体形态、运动状态和自然环境的关系时。动物结构、皮毛质感、动态表现，以及在复杂光照、水下折射这类高难度画面中，模型都能保持真实感与视觉冲击力。这背后说明它在自然影像、品牌视觉、游戏资产和创意内容生产这些领域，已经具备了生产级的交付能力。

左右滑动查看更多照片

自然风光生图实例：空间与光影变化的精细捕捉

自然风光场景向来是对图像生成模型“大局观”的考验。HiDream-O1-Image-1.5在雪山湖泊、沙漠驼队、晶体洞xue这些复杂地貌与多光源场景中，对大场景的空间层次、光影变化和环境氛围有着精准的控制能力。画面纵深感强，电影感十足，细节表现也相当到位——这对旅游视觉、影视概念图、游戏场景和品牌传播这类商用场景来说，稳定性是过关的。

左右滑动查看更多照片

多种艺术风格：精确的风格理解与视觉表达

多风格艺术生成一直是衡量模型风格理解能力的试金石。HiDream-O1-Image-1.5在日系插画、动漫战斗、卡通海报和国风武侠之间切换自如，角色造型、构图关系、动作节奏和画面氛围都保持统一。复杂姿态、动态特效和基础文字渲染的稳定性也不错，对于IP创作、漫画分镜、游戏美术和品牌创意视觉来说，已经能提供相当高效的生产力支持。

左右滑动查看更多照片

电商海报生图实例：复杂画面与文字信息无缝融合

电商海报可以说是检验模型“综合能力”的典型场景。HiDream-O1-Image-1.5能根据不同品类快速调整视觉风格，把商品、场景、装饰元素和营销文案自然融合在一起。关键是，在中英文混排、多层级卖点和复杂排版的压力测试下，文字的可读性、画面完整度和商业质感依然保持得不错。这对于广告营销、电商上新、社媒种草和品牌物料制作来说，效率提升是实实在在的。

左右滑动查看更多照片

IP形象设计：多视角生成与角色一致性

IP形象设计是很多创作者关心的领域。HiDream-O1-Image-1.5在这方面有一个很强悍的能力——围绕同一个角色，可以稳定生成多角度视图和多种情绪表情，而且五官、发型、服饰和整体风格都能保持高度一致。这意味着角色三视图、动画前期、美术资产和品牌吉祥物开发的效率，会得到显著提升。

左右滑动查看更多照片

多宫格/分镜设计图：稳定叙事理解与连续画面生成

多宫格和分镜设计考验的是模型对连续叙事、画面顺序和信息层级的理解能力。HiDream-O1-Image-1.5在工具流程、任务推进、儿童绘本和冒险故事这些多画面内容中，能生成逻辑连贯的分镜画面，角色、场景和视觉风格的统一性也保持得不错。同时，它对宫格布局、编号、标题和关键文字的组织能力也比较强——对影视分镜、漫画创作、广告脚本、教育内容和短视频脚本视觉化来说，是个相当有力的辅助工具。

左右滑动查看更多照片

多层次复杂文字渲染能力：多语言，多结构的综合生成能力

文字渲染一直是图像生成模型的难点。HiDream-O1-Image-1.5在这方面算是交出了亮眼的答卷——海报、计划书、结构拆解图、课堂白板、直播界面和数据看板这些内容，都能自然地嵌入对应场景，排版秩序、图文关系和整体美感也都能兼顾。即使在面对中英文混排、数字公式、图表信息和多级标题这些复杂需求时，文字可读性和版面稳定性依然可观。这个能力拓展了它在广告设计、办公协作、电商详情页和教育培训等场景中的实用价值。

左右滑动查看更多照片

02.

原生全模态进入生产验证阶段

HiDream-O1-Image-1.5持续放大UiT 架构优势

HiDream-O1-Image-1.5的成绩，进一步验证了智象未来在原生全模态路线上架构创新和快速迭代的能力。从HiDream-O1系列的开源版（8B）到Pro版再到1.5商用版，已经形成了一条清晰且高效的能力演进曲线。

这里要说清楚一个关键点：传统文生图模型通常走的是“文本编码器 + VAE + DiT / 扩散模型”的模块化路径。这种架构更像一棵不断分叉生长的树——文本有自己的tokenizer，图像和视频有各自的encoder/decoder，音频、动作、空间关系也往往沿着不同路径处理，模块之间需要多次转换信息。在面对文字密集排版、UI页面、多主体生成、多参考图控制、多分镜叙事这些复杂任务时，这种架构更容易带来细节损耗、语义错位和结构不稳定的问题。

HiDream-O1走的是另一条路。它所谓的“原生全模态”，不是各个模态长大之后二次拼接，而是从模型初始阶段就让它们在底层像“青梅竹马”一样水乳相融。HiDream-O1的Image系列模型直接剔除了传统的VAE和独立文本编码器，把图像像素、文本Token、视频体素以及音频、动作、空间关系等原始信号，全部映射进同一个共享Token空间，与同一套Unified Transformer（UiT）交互，在统一表征系统中完成理解、生成和推理。

以下为X平台Artificial Analysis 官方账号发布的一组对比效果图：

03.

持续架构创新

构建原生全模态世界模型

智象未来一直认为，图像是通向视频生成和全模态世界建模的重要入口。一张图像承载着现实世界某个瞬间的主体、空间、材质、光影、文字和关系——只有稳定理解并生成这些状态，模型才有可能进一步处理连续时间中的运动、因果、镜头和叙事。

HiDream-O1-Image-1.5的表现也证实了一点：基于像素级原生统一架构的路线，正在把图像生成模型的竞争从“更大参数”和“更好看画面”，推进到由架构能力、生产效率和工作流价值共同决定高度的新阶段。它不仅提升了单图生成效果，也为多图一致性、分镜生成、视频首帧、图像编辑乃至未来长视频生成提供了更稳定的底层能力。这进一步证明了中国大模型企业参与全球顶级竞争的底气和实力，也验证了UiT原生统一架构作为下一代多模态模型坚实基座的可行性。

面向未来，智象未来会沿着原生全模态技术路线继续推进模型迭代，加速图像、视频、动作等多模态能力的融合，推动生成式AI深入落地到内容创作、商业营销、影视创作、游戏生产等真实应用场景。从一张图像生成的入口，到连续世界建模，这家公司正在以持续的底层架构创新，构建下一代内容生产与智能交互的人工智能基础设施。