中国第一、全球第二！HiDream-O1-Image-1.5 登顶文生图榜单，超越谷歌、英伟达

匿名盲测登顶，开源模型全球第一

在Artificial Analysis Text to Image Leaderboard的Blind Arena盲测中，HiDream-O1-Image以隐藏身份出场，基于超过3000个样本的用户投票，拿下1187 ELO分数，登顶开源模型全球第一。该榜单依赖真实用户对匿名生成图像的偏好判断，而非固定题库打分，因此结果更接近开放场景下的真实体验。HiDream-O1-Image凭借8B参数规模，一举超越Z-Image Turbo、Qwen-Image（27B）、FLUX.2[dev]等更大参数的闭源与开源模型，成为全新架构挑战者。开源当日即冲上Hugging Face模型趋势榜前三，并持续上升。

两项核心创新：UiT架构与推理智能体

HiDream-O1-Image的性能背后是两项关键架构突破。第一，率先在开源领域跑通像素级统一Transformer（UiT）架构。与主流模型依赖VAE压缩和独立文本编码器不同，UiT将原始图像像素、文本Token及控制条件直接映射至共享Token空间，彻底消除模态转换损耗，从底层提升了高频细节保留与图文语义对齐能力。第二，引入“先推理、后生成”的O1机制。模型内置基于Gemma 4的推理智能体，在生成前自动启动思维链（CoT）推理，深度解析用户指令中的空间布局、物理逻辑与主体属性，将模糊意图重写为结构化控制指令。这使得模型具备“慢思考”能力，大幅降低专业级图像生成门槛。

长文本与多主体：商业场景的实力验证

在CVTG-2K、LongText-Bench等评测中，HiDream-O1-Image展现出强大的长文本生成能力，中文场景得分0.978，超越GPT Image 2的0.961。由于不依赖VAE压缩，字符结构还原更稳定，可清晰处理商品标签、促销文案、杂志标题等复杂排版任务。在UniSubject测试中，模型在4-11个主体的多参考组合场景中保持稳定，能准确保留人物、服饰、道具等各自外观特征，避免属性错位与元素丢失。这意味着模型能够直接用于电商运营、时尚穿搭、广告创意等需要“多商品、多人物同框”的真实商业生产流程。

不止于单图：多分镜与影视创作延伸

HiDream-O1-Image不仅擅长单图生成，还能在一次推理中生成多宫格连贯故事板，并支持人物远景、中景、近景、动作切换等镜头语言控制。模型保持同一主体在不同画格间的身份、服装与场景逻辑一致，可服务于短片创意、广告脚本、漫画分镜和视频首帧生成等影视前期创作。这一能力表明，它已从“图片生成工具”向“视觉生成工具”延展，具备进入专业影视工作流的潜力。基于UiT架构，智象未来超千亿参数图像模型即将面世，无限时长视频生成应用也即将上线。