ERNIE-Image 是由百度文心大模型团队开发的一款开源文生图模型。它基于单流 Diffusion Transformer（DiT）架构，并配有一个轻量级 Prompt Enhancer，用于将简短输入扩展为更丰富、更结构化的描述。在仅有 8B DiT 参数规模的前提下，达到了开源文生图模型中的领先水平。
整体来看，它在复杂指令跟随、文字渲染和结构化图像生成方面表现突出，适合海报、漫画、多面板布局等需要较强控制能力的内容生产场景。同时，模型也覆盖了从写实摄影、设计感图像到风格化表达在内的多种视觉风格。
经过电影网、凤凰网、蜻蜓 FM、瑛麒动漫、蜂鸟 AI 等 30 多个知名企业、社区和创作平台，20 位艺术创作设计师为期两周的内测与反馈，今天，我们正式开源 ERNIE-Image 模型，参数量仅 8B，24GB 显存的消费级显卡即可生成媲美顶级商业模型的超真实、复杂图像。
重新定义消费级开源文生图边界
在指令遵循、文字渲染能力上，ERNIE-Image 从容驾驭复杂细节约束、多主体关系和知识密集型描述；更在中英日韩多语言生成中实现了字形清晰与笔画精准，无论是海报排版、学术图表的严谨逻辑，还是漫画分镜的叙事张力，皆能保持完美的布局组织与画面秩序，这两项能力在开源模型中均排名第一。
以小搏大，消费级可跑的架构设计，仅 8B 参数在多项 benchmark 上全面超越同类开源模型，媲美商用模型诸如 NanoBanana 系列。极致的参数效率优化，将高精度生成的门槛降至 24GB VRAM 的消费级 GPU 即可流畅运行，显著降低研究与部署门槛，打造每一位创作者触手可及的开源工具。
在风格表现**上，ERNIE-Image 风格覆盖广，创意边界宽，**支持写实摄影与风格化视觉表达，包括动漫、二次元、电影感胶片、分镜截图、老照片等多元风格，尤其在角色一致性和情绪表达上表现突出。
当前，ERNIE-Image 的模型权重、推理代码已在Hugging Face全部开源，遵循 Apache2.0 协议，**已经支持并上线 ComfyUI Workflow，同时联合 Unsloth 推出 GGUF 量化方案，**欢迎大家使用体验，尽情创作！
-
技术 Blog：ernie.baidu.com/blog/zh/pos…
-
星河社区 AI Studio：aistudio.baidu.com/ernieimage
-
Hugging Face：huggingface.co/baidu/ERNIE…
-
工具链/版本支持： Comfy： huggingface.co/Comfy-Org/E… GGUF： huggingface.co/unsloth/ERN…
国际基准通杀，开源全面SOTA
我们在多个公开的国际基准上对 ERNIE-Image 进行了全面评估，包括用于通用图像生成的 GenEval、OneIG（中英文），以及用于复杂指令与文字渲染的 LongText-Bench。
评估结果表明，在所有开源模型中，ERNIE-Image 的综合表现处于领先位置，展现出其在通用图像生成、双语理解、复杂指令执行等各类任务中的强大能力。尤为突出的是，在文字渲染能力上，ERNIE-Image 取得了开源模型的 SOTA 效果，与 NanoBanana 等商业闭源模型同处第一梯队。
在最新 SuperCLUE-Image 中文文生图测评中，拿下国内第一、全球第四的成绩。其中，在图文一致性、汉字生成两类细分榜单中均为国内榜首。
SuperCLUE-Image 的测评涵盖 Nano Banana 2 、Nano Banana Pro、GPT-Image-1.5、ERNIE-Image 等共 18 个国内外主流模型，在 “基础能力 + 应用能力” 多维测评框架下，覆盖图像质量、现实复现、创作与推理等关键维度，并进行人类一致性评估。
在国产主流大模型中：ERNIE-Image 以 76.37 分分位居国产大模型第一，紧跟 OpenAI 的 GPT-Image-1.5 (77.63 分)，展现出国内第一梯队的强劲实力。Qwen-Image-2.0-Pro 和 豆包-Seedream-5.0-lite 分别以 75.68 分和 75.65 分位居国内第二、三名。
在具体维度能力对比中：图文一致性上，ERNIE-Image 以 65.00 分位居国内第一，与 Nano Banana 2 、Nano Banana Pro 同属第一梯队；汉字生成上，ERNIE-Image 以 85.25 分位居国内第一，世界第二，仅次于 Nano Banana Pro。
七大亮点 Showtime
- 懂指令：复杂提示词，精准遵循
ERNIE-Image 能够精准理解和遵循复杂提示词，让复杂图像生成不再是难题，指令遵循能力在内测期间受到用户的一致好评。
- 动漫风格：万千角色，信手拈来
ERNIE-Image 能高质量展现二次元漫画角色，支持单主体角色精准还原，多主体角色同框稳定生成，同时能生成非常逼真的漫画风格，笔触、网点、分镜构图全都到位，接近专业漫画稿水准。
- 字字清晰：达到开源第一水平
ERNIE-Image 在 LongText-Bench 评测中取得平均 0.9733 的高分，超过 Qwen-Image（0.9445）、Z-Image（0.9355）、FLUX.2 Klein 9B（0.5413），位居全球第一。中、英、日、韩，复杂示意图、学术图表、海报等场景，字形清晰、笔画准确、支持密集文字渲染。
- 胶片质感：有情绪、有温度、有颗粒感
当下市面上的图像模型追求的“好看”，往往趋同：高饱和、过度锐化、千篇一律的 AI 感。而 ERNIE-Image 呈现的，是另一种好看——一种更具辨识度的审美取向。它不过度修饰，不刻意讨好，而是带着胶片特有的颗粒质感，有情绪流淌，有温度留存。
- 组图表情包：“连拍叙事”萌系组图
ERNIE-Image 具备“组图表达能力”，能围绕一个情绪或梗，自动拆分成多帧连贯画面，形成节奏感强的组图表达。结合细腻的风格控制与文本理解能力，成为真正的“萌点 + 节奏 + 表达”组图表情包生成器。
- 海报生成：文字不乱，出图即用
构图大气、视觉冲击力强、文字位置准确、内容不乱码——这四件事，是当前海报生成中最难同时做到的。但 ERNIE-Image 做到了。每一张生成的海报，都离“可用”更近一步。
- 漫画分镜：帧帧到位，对白清晰
人物表情张力，动作还原准确，场景切换自然，对白气泡排版清晰——就连日语文字，也能精准呈现。ERNIE-Image 让漫画分镜的整体表现力和还原度上显著领先于其他开源模型。
ERNIE-Image 的朋友圈
在 ERNIE-Image 内测期间，我们邀请了来自设计、动漫、非遗等不同领域的知名专家，结合实际应用场景对 ERNIE-Image 展开了测评，获得了众多好评。
欢迎进行体验、测试！
- 技术 Blog：
- 星河社区 AI Studio：
- Hugging Face Demo：
- Hugging Face：
- Github 地址：
- 魔搭社区：
