图像生成
核心能力是根据文本提示生成图像，官方示例覆盖电影感场景、商业静物、电商头图、游戏 UI、漫画风格插画、时装大片、写实宠物特写与动态画面等多类题材。
价格开源模型权重免费，托管 API 价格未公布
平台Web / API / 开源模型
归类图像编辑与设计
收录2026-10-10
复核2026-10-10
编辑评分
4.4 / 5
★★★★☆
HiDream.ai编辑总结
HiDream.ai 发布开源图像生成模型 HiDream-O1-Image（8B 参数），技术报告（arXiv:2605.11061）称其在展示的全部基准上领先：GenEval 组合生成 0.90、DPG-Bench 密集提示对齐 89.83、HPSv3 人类偏好 10.37、CVTG-2K 视觉文字渲染 0.98（并列 Nano Banana）、LongText-Bench 图内英文长文本 0.98、GEdit 指令编辑 7.60（与 GPT Image 2 的 7.67 接近），在多数展示基准上领先 GPT Image 2、Seedream、Qwen-Image、FLUX.2 等模型。架构上采用统一 token 空间，原始像素、文本提示与任务条件作为单一输入流，无独立 VAE 与冻结文本编码器。短板是官方页面未公布托管 API 价格，且基准数字均出自自家技术报告，缺乏第三方复现口径。
HiDream.ai是什么？
HiDream.ai 是一个图像生成模型项目，核心成果是开源的 HiDream-O1-Image（8B 参数）模型，其在技术报告展示的每一项基准上均排名第一，可对比对象包括 GPT Image 2、Seedream、Qwen-Image、FLUX.2、Nano Banana 等。
架构是它的主要贡献：原始像素、经 Reasoning-Driven Prompt Agent 精炼的文本提示、任务条件全部进入同一个共享 token 空间，作为单一输入流处理——不使用单独的 VAE，也没有冻结的文本编码器。示例代码以 2048×2048 尺寸、50 步推理、guidance_scale 5.0 生成图像。
普通创作者可通过 vivago.ai 创作者工作室、fal.ai 与 WaveSpeed 的托管推理直接出图；开发者则可用 diffusers Python 管线（torch_dtype 为 bfloat16，跑在 cuda 上）、ComfyUI 原生节点或 Hugging Face 权重在本地部署。
HiDream.ai核心功能
指令编辑
在 GEdit 指令编辑基准上得分 7.60，高于 Seedream（7.53）、Qwen-Edit（7.41），与 GPT Image 2（7.67）接近，支持按指令修改图像内容。
图内长文本
在 LongText-Bench（图内英文长文本）基准得分 0.98，与 Nano Banana 并列领先，FLUX.2 为 0.96、Qwen-Image 为 0.94，适合生成带大量文字的图像。
统一架构
采用单一共享 token 空间：原始像素、经 Reasoning-Driven Prompt Agent 精炼的文本提示与任务条件作为单一输入流进入模型，没有单独的 VAE，也没有冻结的文本编码器，架构本身就是贡献。
开源自部署
模型权重 8B 参数开源发布，提供 diffusers Python 管线示例代码，可设置 torch_dtype 为 bfloat16 部署到 cuda 设备，示例以 2048×2048 尺寸、50 步推理生成图像。
生态接入
除 Hugging Face 权重与 GitHub 代码报告外，还提供 ComfyUI 原生节点、fal.ai 与 WaveSpeed 托管推理、ModelScope 国内镜像，以及 vivago.ai 创作者工作室等多种使用入口。
HiDream.ai适合谁用？
AI 绘画创作者
推荐官方样张覆盖电影感、电商、游戏 UI、插画、时装等题材，需要高质量文生图与图内文字能力的创作者可通过 vivago.ai 等托管入口直接使用。
本地部署开发者
推荐模型 8B 参数开源，提供 diffusers 管线与 ComfyUI 原生节点，想在自有 cuda 设备上跑图、定制工作流的开发者可以直接取用 Hugging Face 权重。
电商与内容团队
推荐官方示例包含电商头图、商业静物与产品图场景，加上图内长文本渲染能力，适合制作商品宣传图与带文字的海报类素材。
只想要托管 API 的团队
有条件fal.ai、WaveSpeed 提供托管推理，但官方页面没有公布托管 API 的价格与配额，采购前需要另行询价确认成本。
非技术重度依赖用户
有条件除 vivago.ai 创作者工作室外，主要使用方式围绕模型权重、代码与节点工作流，完全不接触技术环境且不用托管平台的用户上手成本较高。
HiDream.ai优点和缺点
优点
- 技术报告称在展示的全部基准上排名第一
- GenEval 组合生成得分 0.90，高于对比模型
- DPG-Bench 得分 89.83，密集提示对齐领先
- 8B 参数即达成领先成绩，体量只是同类的一小部分
- 开源自部署、ComfyUI 节点、托管 API 多入口可选
- 图内长文本渲染 0.98，适合带字海报场景
缺点
- 基准数字全部出自自家技术报告，缺第三方复核
- 官方页面未公布托管 API 价格与配额
- 主要使用入口偏开发者向，纯小白依赖第三方托管平台
HiDream.ai常见问题
HiDream-O1-Image 是什么？收费吗？＋
HiDream-O1-Image 是 HiDream.ai 发布的开源图像生成模型，参数量 8B，其在技术报告（arXiv:2605.11061）展示的每一项基准上都排名第一。模型权重本身开源，可从 Hugging Face 获取；fal.ai 与 WaveSpeed 提供托管推理，官方页面未公布托管 API 价格，vivago.ai 创作者工作室的收费标准也未在官网给出。
它现在的主力能力和成绩是什么？＋
主力是文生图与指令编辑。报告给出的成绩：GenEval 组合生成 0.90、DPG-Bench 89.83、HPSv3 人类偏好 10.37、CVTG-2K 0.98、LongText-Bench 0.98、GEdit 7.60，对比模型包括 GPT Image 2（GEdit 7.67）、Seedream、Qwen-Image、FLUX.2、Nano Banana。示例生成分辨率为 2048×2048，50 步推理，guidance_scale 5.0。
和 GPT Image 2、FLUX.2 等模型怎么选？＋
按官方报告的数字，HiDream-O1-Image 在列出的六项基准上全部领先：例如 GenEval 0.90 对 GPT Image 2 的 0.89，DPG-Bench 89.83 对 Seedream 的 88.63，HPSv3 10.37 对 GPT Image 2 的 10.21。但需要注意这些数字出自 HiDream 自家技术报告；如果你的工作流已深度绑定其他模型生态，建议以自己的实际出图测试为准。
国内能不能用？有哪些入口？＋
可以。官方生态里明确列有 ModelScope 镜像（标注 CN），国内用户可从该渠道获取模型；另有 vivago.ai 创作者工作室可直接在网页出图，开发者也可用 ComfyUI 原生节点、diffusers 管线或 fal.ai、WaveSpeed 托管推理。自部署需要 cuda 设备，模型以 bfloat16 精度运行。
架构上有什么特别的？＋
「架构本身就是贡献」：采用单一共享 token 空间，原始像素、经 Reasoning-Driven Prompt Agent 精炼的文本提示、任务条件全部作为单一输入流进入模型，不使用单独的 VAE，也没有冻结的文本编码器，与常见扩散模型的多组件管线不同。
普通用户怎么快速上手？＋
不会代码的用户可走 vivago.ai 创作者工作室或 fal.ai、WaveSpeed 的托管推理入口，直接在网页生成图像；会用 Python 的开发者可安装 diffusers、transformers、accelerate 后加载 HiDreamO1ImagePipeline，按官方示例传入提示词与 2048×2048 尺寸生成；ComfyUI 用户可使用原生节点接入现有工作流。
HiDream.ai竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| HiDream.ai本工具 | 4.4 | 开源模型权重免费，托管 API 价格未公布 | 图像生成；指令编辑；图内长文本；统一架构 | Web / API / 开源模型 |
| Fancinet | — | 未标价 | 利用先进的人工智能技术，革新创造力，提升创意效率 | Web |
| MealsAI | — | 未标价 | MealsAI 的目标是简化食谱创作过程，使用户能够根据自己的需求和偏好，轻松地创造出个 | Web |
| Insta 3D | — | 未标价 | AI 创造力的驱动 | — |
| Fastin3D | — | 未标价 | 是一款面向零基础用户的 AI 3D 创作平台，主打极简一站式 AI 3D 工作流 | — |
| Replace Anything Online | — | 未标价 | 一个用于高质量内容替换的 AIGC 框架，同时保留对象身份 | — |
