百度ERNIE‑Image开源8B参数模型，消费级显卡实现顶级文生图效果

近期，AI文生图领域迎来重要突破：百度文心大模型正式发布并开源了ERNIE‑Image文生图模型。该模型以约80亿参数的轻量级规模，在多项国际权威评测中达到SOTA（当前最优水平），其参数量显著低于行业主流模型。

更值得关注的是，ERNIE‑Image仅需24GB显存的消费级显卡即可流畅运行。这标志着高质量图像生成的技术与硬件门槛被大幅降低，无论是个人创作者、设计师还是企业用户，现在都能便捷地体验顶尖的AI绘图能力。目前，用户已可通过文心一言App、百度千帆大模型平台等渠道直接体验该模型。

除了技术参数，实际性能更为关键。在SuperCLUE文生图权威榜单中，ERNIE‑Image综合得分位居国内第一、全球第四。排名其前的多为Nano Banana 2、Nano Banana Pro等商业闭源模型，而ERNIE‑Image已超越Qwen‑Image‑2.0‑Pro、Doubao‑Seedream‑5.0‑Lite等知名竞品。尤其在图文一致性与汉字生成两项核心指标上，该模型均取得国内榜首，展现出扎实的底层能力。

在国际公开评测中，ERNIE‑Image同样表现优异。在GenEval、OneIG（中英文）、LongText‑Bench等基准测试中，其综合性能领先于同类开源模型，整体上与Nano Banana等商业模型处于同一梯队。其中，在专门评估复杂指令理解与文本渲染能力的LongText‑Bench中，ERNIE‑Image以0.9733的高分位列全球开源模型第一。

“开源小钢炮”的技术底气

ERNIE‑Image被业界称为“开源小钢炮”。它采用单流Diffusion Transformer（DiT）架构，以约80亿的紧凑参数量，实现了高水准的图像生成效果。其核心能力主要体现在三方面：对复杂指令的精准理解与执行、高密度文本的清晰渲染，以及结构化图像的稳定生成。

模型支持中、英、日、韩等多语言输入，生成的汉字字形工整、笔画准确。这对于需要嵌入文字的设计场景，如海报、漫画、信息图等，提供了显著优势。在风格覆盖上，它涵盖了写实摄影、动漫插图、电影胶片、复古照片等多种类型，并在角色一致性、情绪表达方面表现突出。尤其在二次元漫画创作中，模型既能精准还原单一角色，也能稳定生成多角色场景，整体效果已接近专业画稿水准。

开源生态与行业反响

目前，ERNIE‑Image的模型权重与推理代码已在Hugging Face平台全面开源，遵循Apache 2.0协议，并支持ComfyUI工作流集成。已有海外开发者在社交媒体上分享测试结果，给出“ERNIE‑Image与Nano banana2对比效果令人惊艳”、“目前接触过的最佳开源文生图Turbo模型”等积极评价，显示出其在全球开发者社区中的初步认可。

行业应用落地进展迅速。最新信息显示，ERNIE‑Image已与同道大叔、电影网、凤凰网、蜻蜓FM、瑛麒动漫、吐司AI、RunningHub、Mulan AI等超过30家机构及20位设计师完成合作实测，生成的图片在效果稳定性与质量精度上均获得肯定。目前，已完成接入的创作平台、设计社区及知名企业数量已突破50家。

打破壁垒，推动普惠

总体而言，ERNIE‑Image的核心价值在于，以轻量化参数规模实现高性能生成，这直接打破了高端文生图能力对昂贵专业算力的长期依赖。此类技术路径，正有力推动开源生成式AI走向更广泛的普惠化应用。

对于设计、动漫、广告、新媒体等视觉创作密集型行业，这意味着一次高效率、低成本的创作工具升级。从更广阔的视野看，此类技术的成熟与普及，必将加速全民AI图像创作时代的全面到来。