HiDream-O1: Ny stjerne i åpen kildekode bildegenerering
HiDream-O1-Image
fra Vivago AI ble open-sourcet 8. mai 2026
under MIT-lisens. Modellen debuterte umiddelbart på #8 på
Artificial Analysis Text to Image Arena — og er den
høyest rangerte open-weight-modellen på den listen.
Hva gjør arkitekturen annerledes
De fleste bildemodeller i dag bruker VAE til å komprimere
bilder til et latent rom før behandling. HiDream-O1 gjør
ikke det. Modellen er bygget på en Pixel-level Unified
Transformer (UiT) som jobber direkte på rå piksler,
teksttokens og oppgavebetingelser i ett felles tokenrom.
Det gir to konkrete fordeler:
- Tekstgjengivelse – tekst behandles i samme rom
som bildet, ikke som et separat lag - Komposisjonskontroll – modellen kan holde styr
på flere elementer og deres plasseringer mer presist
En innebygd "Reasoning-Driven Prompt Agent" (basert på
Gemma 4) tolker og utvider brukerens prompt før
generering – og løser opp ambiguitet som kortere
prompts typisk gir.
To varianter, begge på 8B parametere
- Full – 50 steg, høyeste kvalitet
- Dev – 28 steg, raskere iterasjon, samme
grunnmodell
Begge støtter opptil 2048×2048 piksler og er
tilgjengelige på Hugging Face og GitHub.
Hvem passer det for
Designere og innholdsskapere som trenger en open-source
bildemodell der tekstgjengivelse faktisk fungerer.
Særlig relevant for plakater, infografikk og
produktbilder der tekst er en del av komposisjonen.
For lokal kjøring trenger du et CUDA-kompatibelt
grafikkort med tilstrekkelig VRAM.
Oppsummering
HiDream-O1 er den mest arkitektonisk interessante
åpne bildemodellen i 2026 så langt. MIT-lisensen
gjør den fri for kommersiell bruk, og størrelsen
på 8B parametere gjør den mer tilgjengelig enn
mange konkurrenter.
