智象未来（HiDream.ai）由前京东集团副总裁梅涛于2023年创立，是一家专注于原生全模态大模型研发的中国AI公司。公司首创的UiT（Unified Transformer）统一Transformer架构，从底层摒弃了传统图像生成模型中VAE压缩+独立文本编码器+DiT生成的“三件套”拼接范式，将像素、文本、任务条件全部映射到同一个token space进行端到端处理。
从版本谱系来看，HiDream-O1-Image系列已发展出以下主要版本线：
开源基座系列（HiDream-O1-Image-Dev） ：2026年4月26日在第四届中国（安徽）科技创新成果转化交易会上发布，以「Peanut」匿名上榜Artificial Analysis文生图榜单，登顶开源模型全球第一。5月8日以MIT许可证正式开源，包含完整版HiDream-O1-Image（50步，CFG 5.0）和蒸馏版HiDream-O1-Image-Dev（28步，CFG 0.0）两个检查点，均为80亿参数。
千亿参数Pro系列（HiDream-O1-Image-Pro） ：2026年5月19日在首届智象未来开放日正式发布，参数量超过2000亿，在多个基准测试中刷新SOTA纪录。同日，智象未来宣布完成新一轮亿级融资，深创投、金浦投资、财鑫资本、复聚资本等机构参与。
商用旗舰系列（HiDream-O1-Image-1.5） ：2026年6月10日推出，是HiDream-O1-Image系列的商用版本。在Artificial Analysis文生图榜单上以1265 ELO评分拿下中国第一、全球第二，超越Google Nano Banana 2、NVIDIA Cosmos3-Super-Text2Image和字节跳动Seedream 4.0，评分仅次于OpenAI的两款模型。
视频生成系列（HD-V1） ：2026年9月15日随C+轮融资同步发布的全模态视频生成模型，支持文本、图片、视频输入，可生成5至20秒1080p视频。
图像编辑系列（HiDream-E1.1） ：2025年7月16日开源的图像编辑模型，基于自研的Sparse注意力机制，支持风格迁移、元素增减等任务。
第二部分：各版本详细对比与拆解
一、开源版 vs 商用版 vs Pro版核心对比
维度 HiDream-O1-Image-Dev HiDream-O1-Image-1.5 HiDream-O1-Image-Pro
发布时间 2026年5月8日 2026年6月10日 2026年5月19日
参数规模 8B 未公开 超2000亿
架构 UiT（像素级统一Transformer） UiT架构升级 UiT架构，原生全模态
开源协议 MIT 商用API 闭源
生成步数 28步（Dev）/ 50步（完整版） — —
分辨率 原生2048×2048 4K 原生4K
AA榜单ELO 开源第一 1265（中国第一/全球第二） —
核心定位 开发者社区/本地部署 商业交付/生产级创作 前沿研究/旗舰性能
生态兼容 ComfyUI支持（起步期） API/平台 内部/合作方
开源版HiDream-O1-Image-Dev的架构选择是其最大新闻——几乎所有文生图模型都采用潜空间DiT，而HiDream-O1彻底抛弃了潜空间，让扩散变换器直接在原始像素上运行，文本与任务条件共享同一token空间。Dev检查点经过引导蒸馏，在单次前向传播中产生CFG条件输出，将guidance_scale设为0.0即可跳过分类器自由引导通常所需的双倍计算量，使实际耗时减半。
商用版HiDream-O1-Image-1.5的定位是“生产验证”。在官方展示的案例中，它刻意避开了“唯美但无用”的炫技图，而是拿出了电商海报、分镜设计、IP形象多视角、复杂文字排版等直接对应商业场景的输出。在一项制作“高端白酒海报”对比测试中，模型成功在羊脂玉瓷瓶的曲面上浮雕出一整首八句古诗，文字内部还嵌入了金箔质感，同时处理了黑板岩、浅水池、焦散光影、盆景松树等复杂元素，没有一处文字变形。
Pro版参数量超过2000亿，是8B开源版的25倍以上。智象未来联合创始人兼CTO姚霆表示，开源版本以8B参数登顶Artificial Analysis文生图榜单开源模型全球第一，“验证了UiT架构的可扩展性”。
二、核心能力维度对比
在雷峰网组织的八维盲测中，HiDream-O1-Image-1.5与Google Nano Banana 2进行了三组同题对比，评测维度包括Prompt遵循度、构图能力、摄影语言理解、材质表现、细节准确性、氛围塑造、主体设计能力和商业完成度。在白酒产品图任务中，1.5版本在复杂中文文字渲染上表现突出，与Nano Banana 2在视觉创造力和材质表现上各有千秋，但在细节准确性——尤其是文字渲染——上建立了差异化优势。
在官方展示的“儿童绘本”“冒险故事分镜”“任务推进流程图”等案例中，模型能够一次性生成多格画面，且保持角色、场景、视觉风格的高度一致。HiDream-O1-Image-1.5在动物生图场景中也展现出对主体形态、运动状态与自然环境的精细建模能力，在动物结构、皮毛质感、动态表现及复杂光照、水下折射等高难度画面中保持真实感。
第三部分：为什么分这么多版本？
一、场景适配：从开发者社区到商业交付的全链条覆盖
智象未来的版本分化遵循一条清晰的“能力-场景-部署”匹配逻辑。HiDream-O1-Image-Dev管开发者社区与开源生态，HiDream-O1-Image-Pro管前沿研究与旗舰性能验证，HiDream-O1-Image-1.5管商业交付与生产级创作，HD-V1管视频生成，HiDream-E1.1管图像编辑。开源版本证明像素级原生全模态架构可以在开放评测和开发者社区中跑通，商用版本则进一步面向广告营销、品牌设计、电商视觉、游戏内容、影视分镜、IP创作等更高要求的商业场景。
智象未来联合创始人兼首席运营官王科在专访中表示，公司以To B端业务为主，聚焦多模态生成式AI，其爆发式增长得益于AI应用浪潮和中国影视文化生态优势。大模型终局不会“赢家通吃”，真正的壁垒在于服务生态。
二、原生全模态架构：以统一架构替代“拼接式”方案
UiT架构是HiDream版本分化的技术基石。传统模型将文本、图像、视频分开处理，VAE负责压缩图像、T5/CLIP负责理解文本、DiT负责生成，三件套各司其职，但每次跨模块传递都会丢失细节。UiT将所有模态映射到同一个token space，从底层实现“青梅竹马”式融合。这使得模型在多主体、多视角、多画面的任务中天然具备一致性优势——写文字、懂排版、能分镜，不再是需要外挂模块的“特殊能力”，而是架构自带的原生特性。
这一架构的可扩展性已在实践中得到验证：8B开源版证明架构可行，2000亿+Pro版证明架构可扩展，1.5商用版证明架构可交付。开源、Pro、商用三个版本的参数规模从8B到2000亿+跨越了250倍，但底层架构一脉相承。
三、融资加速：三个月三轮融资超21亿元
智象未来的快速迭代得到了资本市场的强力支撑。2026年4月至7月，公司三个月内连续完成三轮融资，累计金额超过21亿元人民币，投后估值突破10亿美元，跻身独角兽行列。其中7月完成的15亿元C轮融资由社保基金四川振兴科创基金、工银资本等联合领投，华策影视、上影新视野基金等影视产业资本跟投。影视产业资本的进入直接反映了HiDream在影视内容生产场景中的落地潜力。
四、To B优先：以商业场景锚定版本迭代方向
与多数图像模型公司先做C端产品再拓展B端的路径不同，智象未来从一开始就以To B业务为主。公司为专业影视创作团队推出全球首个AI影视创作智能体“帧赞”，为平台商家打造商业营销智能体“HiBurst”，为OPC打造社媒内容创作智能体“vivago”。HiBurst平台已成为TikTok官方前五大AI合作伙伴，年生产电商营销视频超过百万条。版本分化的本质是商业交付能力在不同付费场景中的逐步深化。
第四部分：最著名版本——HiDream-O1-Image-1.5 部署与使用实战
HiDream-O1-Image-1.5是HiDream系列中定位最清晰的商用版本，以1265 ELO评分位列全球第二、中国第一，是当前商业图像生成场景中最具竞争力的国产模型。以下为完整的部署与使用步骤。
步骤一：环境准备与平台选择
方案A：HiHarness平台（推荐，零门槛）
HiDream-O1-Image-1.5已在智象未来的HiHarness平台上线，支持在线体验与API调用。访问 vivago.ai 或 hiharness.ai 注册账号，即可在网页端直接使用。
方案B：API接入（适合批量生产）
注册智象未来开发者账号
在控制台创建API密钥
Python 3.8+ 开发环境
方案C：开源版本地部署（U1-8B-MoT）
对于需要本地部署的用户，可使用开源版HiDream-O1-Image-Dev：
硬件要求：BF16精度约16GB显存，推荐RTX 4090或A100
软件环境：Python 3.10+，PyTorch 2.5+，ComfyUI已支持
步骤二：安装依赖与配置环境
bash
# 创建虚拟环境
python3 -m venv hidream_env
source hidream_env/bin/activate
# 安装核心依赖
pip install requests pillow
pip install openai # 如需使用兼容API
步骤三：基础文生图调用
python
import requests
API_KEY = "your-api-key"
API_URL = "https://api.hidream.ai/v1/images/generations"
payload = {
"model": "hidream-o1-image-1.5",
"prompt": "一张高端中国白酒的奢华电商海报。正中央矗立着一个纯净半透明的羊脂玉瓷瓶。"
"在瓶身的曲面上直接浮雕着一首八句中文古诗。雕刻的文字内部镶嵌着精致闪烁的金箔。"
"酒瓶放置在一块粗糙的黑板岩上，半浸在清澈见底的浅水池中。商业产品摄影。",
"resolution": "3840x2160",
"num_images": 1
}
headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
}
response = requests.post(API_URL, json=payload, headers=headers)
result = response.json()
print(result["data"][0]["url"])
步骤四：复杂文字排版与分镜生成
HiDream-O1-Image-1.5的核心差异化能力在于复杂文字渲染和多宫格分镜。在Prompt中明确指定文字内容和排版结构：
python
# 分镜脚本生成示例
storyboard_payload = {
"model": "hidream-o1-image-1.5",
"prompt": "生成一个4格儿童绘本分镜，主角是一只戴红色围巾的小狐狸。"
"第1格：小狐狸在森林里发现一颗发光的种子；"
"第2格：小狐狸把种子种在土里浇水；"
"第3格：种子长成一棵发光的树；"
"第4格：小狐狸在树下看书。"
"水彩绘本风格，保持角色和场景一致性。",
"resolution": "2048x2048",
"layout": "2x2_grid"
}
步骤五：图像编辑与迭代修正
HiDream-O1-Image-1.5支持基于指令的图像编辑，无需重新生成整张图：
python
# 局部编辑示例
edit_payload = {
"model": "hidream-o1-image-1.5",
"image_id": result["data"][0]["image_id"],
"edit_instruction": "把瓶身上的古诗第三句'晴川历历汉阳树'改为'芳草萋萋鹦鹉洲'，保持浮雕和金箔质感不变"
}
步骤六：监控与成本优化
关键指标监控：
生成分辨率：商用版支持4K输出，开源版原生2048×2048
单张耗时：4K分辨率约10-30秒
文字准确率：在商业场景中需人工校验一次，中文古诗类复杂文字仍可能有少量错误
降本策略：对开发测试和批量预生成场景，使用开源版HiDream-O1-Image-Dev（本地部署，零API成本）；对商业交付场景，使用商用版API；对视频生成需求，使用HD-V1。
第五部分：不同版本的实践成果
案例一：2026央视春晚合肥分会场视觉画面（基于HiDream-O1-Image系列）
2026年央视春晚合肥分会场的部分视觉画面由智象未来参与制作，使用的是HiDream-O1-Image系列模型生成的视觉素材。这是国产图像大模型首次进入国家级电视晚会的核心视觉制作流程。
实践成效：春晚分会场的视觉制作对画质、文字渲染和风格一致性要求极高。智象未来以高质量的底层技术赋能产业一线，其模型在复杂场景下的稳定输出能力通过了春晚级别的实战检验。这一案例的核心价值在于验证了国产图像大模型在超高标准商业场景中的可靠性——春晚的视觉容错率极低，模型必须一次到位。
案例二：华策影视AIGC高科技影视创制中心（基于HiDream-O1-Image-1.5 + HD-V1）
2026年6月，华策影视与智象未来正式签署战略合作协议，宣布位于桐庐·富春江影视科技产教示范区的“AIGC高科技影视创制中心”启动，将共建“AI创作者生态”。
实践成效：华策影视作为中国头部影视内容公司，将HiDream系列模型引入影视创制全流程。HiDream-O1-Image-1.5负责分镜设计、IP形象多视角生成和场景概念图制作，HD-V1负责动态视觉内容的生成。双方的合作模式不是“AI辅助工具”的浅层应用，而是共建创制中心——模型能力嵌入影视工业化的核心环节。这代表了国产图像大模型从“工具”向“生产基础设施”转变的标志性事件。
案例三：TikTok官方AI合作伙伴HiBurst电商营销视频（基于HiDream-O1-Image-1.5）
智象未来的HiBurst平台已成为TikTok官方前五大AI合作伙伴，年生产电商营销视频超过百万条。HiBurst商业营销智能体被用于跨境电商和全球化营销场景，为平台商家提供从商品图生成到营销视频制作的一站式AI内容生产服务。
实践成效：HiBurst平台的核心价值在于将HiDream-O1-Image-1.5的电商海报生成能力与视频生成能力整合为端到端的商业营销工具。商家只需提供商品信息和营销诉求，系统即可自动生成符合平台规范的电商主图、详情页素材和短视频营销内容。年百万条的产量规模证明了模型在高并发商业场景中的稳定性和成本效益——这是“生产验证”最直接的量化证据。在另一组实测中，HiDream-O1-Image-1.5生成的日本街头雨夜场景，霓虹灯牌、柏油路面反光、前景清晰与背景景深虚化处理得都很好，整体氛围营造到位。
版权声明：本平台仅提供信息存储空间服务，用户发布内容不代表本站观点，交易风险自担；侵权违法内容请立即举报（邮箱：37996619@qq.com），本站接通知后先行屏蔽，责任由发布者承担。