Ideogram 4 adalah model text-to-image open-weight pertama dari Ideogram, dirilis pada 3 Juni 2026, dan ia menyelesaikan masalah yang selama bertahun-tahun mempermalukan image generator: teks. Poster dengan kata yang kacau, logo dengan nama brand yang salah eja, dan papan nama yang terbaca seperti mimpi adalah hal biasa di kebanyakan model. Ideogram 4 me-render teks dengan akurasi nyaris sempurna, sambil memberi kamu kontrol presisi atas layout, warna, dan komposisi. Proyek ini punya 2.914 bintang di GitHub per 9 November 2026, dan menjadi model open-weight dengan peringkat tertinggi di leaderboard Design Arena, menurut README proyeknya.
Poin Penting
Ideogram 4 adalah model 9,3B parameter yang dilatih dari nol, bukan fine-tune, dengan output 2K native dan text rendering terbaik di kelas open-weight.
Bukan prompt biasa, ia memakai caption JSON terstruktur dengan bounding box dan palet warna, jadi kamu bisa menempatkan teks dan subjek tepat di posisi yang diinginkan.
Dalam evaluasi buta oleh 10 desainer profesional, Ideogram 4 menang tempat pertama untuk tipografi 47,9% dari waktu, mengalahkan Gemini 3.1 Flash Image Preview di 30,0%.
Kode inference-nya Apache-2.0, tapi bobot modelnya berlisensi non-komersial, jadi penggunaan komersial butuh lisensi terpisah dari Ideogram.
Build nf4 berjalan di satu GPU 24 GB, yang membuat image generation kelas studio benar-benar bisa dijalankan di rumah.
Masalah yang Diselesaikan
Setiap model gambar bisa melukis gambar yang cantik. Sangat sedikit yang bisa mengeja. Minta poster ke kebanyakan generator dan kamu dapat layout yang indah dengan tulisan "COFEEE" di papannya, atau logo yang nama brand-nya meleleh jadi coretan. Desainer belajar mengakalinya dengan men-generate gambar, lalu memperbaiki teksnya di Photoshop, yang justru menghilangkan gunanya men-generate desain itu.
Masalah kedua adalah kontrol. Prompt teks biasa adalah instruksi yang samar, dan instruksi samar menghasilkan layout yang samar. Kamu minta headline di atas dan foto produk di kiri, lalu model menaruh headline di mana pun ia mau. Desain profesional butuh presisi: elemen ini di sini, warna itu di sana, ukuran ini, jarak itu.
Ideogram 4 menyerang kedua masalah itu langsung. Ia dilatih secara eksklusif dengan caption JSON terstruktur yang mendeskripsikan setiap elemen gambar secara detail, termasuk koordinat bounding box dan palet warna. Pelatihan itu membuatnya luar biasa bagus dalam me-render teks, dan luar biasa patuh soal penempatan. (Ideogram)
Apa yang Membuat Ideogram 4 Berbeda
Perbedaan utamanya adalah interface prompting-nya. Ideogram 4 mengharapkan caption JSON terstruktur, bukan kalimat biasa. Di JSON itu kamu bisa menamai setiap objek, memberinya bounding box dalam koordinat ternormalisasi 0 sampai 1000, dan menentukan palet warna sampai 16 warna hex. Model ini dilatih dengan caption persis seperti itu, jadi meniru formatnya saat inference adalah cara paling andal untuk membuat setiap objek yang diminta ter-render di tempat yang benar.
Kalau menulis JSON dengan tangan terdengar merepotkan, di situlah magic prompt berperan. Ia memakai language model untuk mengembangkan prompt teks biasa menjadi caption JSON lengkap sebelum gambar di-generate. Secara default ia memanggil API magic-prompt hosted dari Ideogram, yang gratis dan hanya butuh API key dari platform Ideogram. System prompt magic-prompt ini open source, jadi kamu juga bisa menjalankan ekspansinya lewat provider language model kamu sendiri. (GitHub)
Di balik layar, arsitekturnya adalah Diffusion Transformer single-stream 9,3B parameter dengan 34 layer, dilatih sepenuhnya dari nol. Token teks dan token gambar digabung menjadi satu sequence dan diproses lewat transformer yang sama, tanpa cabang teks atau gambar yang terpisah. Bukan memakai text encoder biasa seperti CLIP atau T5, Ideogram 4 memakai Qwen3-VL-8B-Instruct, sebuah vision-language model utuh, sebagai text encoder-nya, dengan hidden state yang diambil dari 13 intermediate layer. Model ini mendukung resolusi apa pun dari 256 sampai 2048 piksel per sisi, dengan aspect ratio sampai 6:1, jadi satu model mencakup thumbnail persegi, banner ultrawide, dan semua yang ada di antaranya. (Ideogram)
Angka benchmark-nya mendukung klaim desain itu. Di X-Omni English OCR, yang mengukur akurasi text rendering, Ideogram 4 mencetak 0,97. Di 7Bench layout control ia mencetak 0,69 mIoU, di SpatialGenEval 0,76, dan di Prism prompt alignment 0,89. Dengan 9,3B parameter, ia memberikan text rendering terbaik dari semua rilis open-weight yang dibandingkan timnya, mengalahkan model yang jauh lebih besar seperti Qwen-Image di 20B, FLUX.2 dev di 32B, dan HunyuanImage 3.0 di 80B MoE. (Ideogram)
Ideogram 4 Sekilas
Aspek | Detail |
|---|---|
Parameter | 9,3B |
Arsitektur | Diffusion Transformer single-stream, 34 layer |
Text encoder | Qwen3-VL-8B-Instruct, 13 intermediate layer |
Dilatih dari | Nol, bukan fine-tune |
Resolusi | 256 sampai 2048 piksel per sisi, aspect ratio sampai 6:1 |
Prompting | Caption JSON terstruktur, bounding box, sampai 16 warna hex |
Bintang GitHub | 2.914, per 9 November 2026 |
Fork GitHub | 288, per 9 November 2026 |
Repo dibuat | 28 Mei 2026 |
Dirilis | 3 Juni 2026 |
Lisensi kode | Apache-2.0 |
Lisensi bobot | Ideogram 4 Non-Commercial |
Varian | nf4 untuk CUDA dengan dukungan Diffusers, fp8 untuk semua hardware |
Kebutuhan GPU lokal | nf4 muat di satu GPU 24 GB |
Perbandingannya dengan Model Lain
Bukti independen terkuat datang dari ContraLabs, yang menjalankan evaluasi tipografi buta dengan penilaian dari 10 desainer profesional dari talenta berpenghasilan tertinggi di Contra. Tes ini mencakup 4 model dan 240 gambar, dan Ideogram 4 menang tempat pertama untuk tipografi 47,9% dari waktu, menembus 50% di ronde kedua dengan 51,1%.
Model | Persentase menang tempat pertama, tipografi | Mau dipakai untuk kerja klien sungguhan |
|---|---|---|
Ideogram 4 | 47,9% | 3,55 dari 5 |
Gemini 3.1 Flash Image Preview (Nano Banana 2) | 30,0% | 2,84 dari 5 |
FLUX.2 max | 15,5% | 2,49 dari 5 |
Grok Imagine 1.0 | 15,0% | 2,61 dari 5 |
Akurasi teks mentahnya nyaris imbang di papan atas, dengan Ideogram di 4,59, Gemini di 4,55, dan Grok di 4,54. Di mana Ideogram benar-benar unggul adalah craft tipografi, dengan skor 3,92 melawan 3,50 untuk Gemini, dan itulah beda antara teks yang ejaannya benar dan teks yang terlihat didesain. (ContraLabs)
Di Design Arena, leaderboard Elo gambar pihak ketiga yang berfokus pada image generation berorientasi desain, Ideogram 4 adalah model open-weight dengan peringkat tertinggi secara keseluruhan, hanya kalah dari model proprietary GPT dan Gemini, menurut README proyeknya. Di leaderboard text-to-image LMArena, gambarannya lebih beragam: dalam snapshot 8 November 2026, Ideogram 4.0 (Quality) berada di peringkat 22 secara keseluruhan dengan skor 1199, berdasarkan 77.744 vote, sementara pemimpinnya, GPT-Image-2.5 Sunburst, berada di 1428. Selisih itu adalah reality check yang berguna. Ideogram 4 memimpin bidang open-weight dalam ukuran yang spesifik untuk desain, tapi model tertutup terbaik masih menang dalam image generation serbaguna. (GitHub, LMArena)
Cara Menjalankannya Sendiri
Menjalankan Ideogram 4 secara lokal cukup mudah, dengan satu gerbang yang harus dilewati dulu. Bobotnya gated di Hugging Face, jadi kamu harus menyetujui lisensi di halaman model dan autentikasi dengan token Hugging Face sebelum unduhannya bisa jalan. Ada dua varian: nf4, yang berjalan di CUDA dan mendukung Diffusers, dan fp8, yang berjalan di semua hardware tapi belum mendukung Diffusers. Build nf4 muat di satu GPU 24 GB, yang membuatnya terjangkau oleh kartu grafis konsumen yang bagus. (Hugging Face)
Dari sana, install repositorinya dengan pip, dapatkan API key Ideogram gratis untuk magic prompt, lalu jalankan inference script dengan prompt teks biasa. Script itu mengembangkan prompt kamu menjadi caption JSON terstruktur, men-generate gambarnya, dan menyimpannya. Untuk kualitas tertinggi, README merekomendasikan output 2048 kali 2048 dengan sampler preset kualitas V4. Screening keamanan prompt dan output berjalan lewat Hive, yang membutuhkan key moderasi teks dan visualnya sendiri. (GitHub)
Rilis ini juga memperkenalkan stack generation berbasis layer, dimulai dengan transparent layer, plus editable text dan movable image layer di rilis berikutnya. Itu menunjukkan arah Ideogram: bukan cuma men-generate gambar datar, tapi men-generate file desain yang bisa diedit. (Ideogram)
Jebakan Lisensinya
Ini bagian yang perlu dibaca baik-baik sebelum kamu membangun bisnis di atasnya. Repositori GitHub-nya Apache-2.0, dan lisensi itu mencakup kode inference. Bobot modelnya bukan Apache-2.0. Baik bobot nf4 maupun fp8 tercatat di bawah lisensi Ideogram 4 Non-Commercial di model zoo resminya, dan press release-nya menyebut lisensi komersial dengan tier berbayar, plus enterprise fine-tuning di infrastruktur pelanggan. Jadi cara yang benar untuk mendeskripsikan Ideogram 4 adalah: kode open-weight di bawah Apache-2.0, bobot gratis untuk penggunaan non-komersial, penggunaan komersial lewat lisensi Ideogram terpisah. (GitHub, Ideogram)
Pembagian seperti itu makin umum untuk model open-weight kelas frontier, dan bukan alasan untuk mengabaikan proyek ini. Tapi ini berarti kamu harus mengecek halaman lisensinya sebelum memakai output Ideogram 4 di proyek klien atau produk. Model ini benar-benar terbuka untuk riset, belajar, dan proyek pribadi, dan di situlah kebanyakan pembaca akan memakainya.
Siapa yang Sebaiknya Mencobanya
Ideogram 4 cocok untuk siapa pun yang men-generate gambar yang berisi teks: desainer poster, social media manager, developer indie yang membuat game art berlabel, dan tim kecil yang butuh grafis marketing tanpa desainer di staf. Ia juga cocok untuk developer yang peduli soal kontrol layout, karena prompting dengan bounding box adalah cara yang benar-benar berbeda untuk mengarahkan model gambar, dan interface JSON-nya mudah di-generate secara programatik.
Ia kurang cocok untuk siapa pun yang butuh kualitas gambar absolut terbaik tanpa peduli soal keterbukaan, karena model tertutup masih memimpin di papan keseluruhan LMArena. Dan kalau use case kamu komersial, bereskan dulu urusan lisensinya. Bentuk jujur Ideogram 4 di November 2026 adalah ini: model open-weight terbaik untuk pekerjaan desain, dengan tipografi yang akhirnya bertahan di kerja klien sungguhan, berjalan di hardware yang mungkin sudah kamu miliki.
Coba dulu ini: setujui lisensi di Hugging Face, jalankan model nf4 dengan prompt untuk sebuah poster, dan bandingkan teksnya dengan apa pun yang pernah kamu generate sebelumnya. Lalu lihat apa arti open source dalam praktik, dan PhotoCraft, alternatif Photoshop open source yang dibangun ulang dengan Rust, untuk tool terbuka lain dalam workflow kreatif yang sama.
FAQ
Apakah Ideogram 4 benar-benar open source?
Sebagian. Kode inference-nya Apache-2.0, dan bobotnya bisa diunduh secara terbuka, tapi bobotnya membawa lisensi non-komersial. Penggunaan komersial butuh lisensi terpisah dari Ideogram.
Bisakah Ideogram 4 jalan di GPU rumahan?
Ya, build nf4 muat di satu GPU 24 GB, menurut tulisan AMD soal model ini. Build fp8 berjalan di semua hardware tapi belum mendukung Diffusers.
Apakah saya harus menulis prompt JSON dengan tangan?
Tidak. Fitur magic prompt mengembangkan prompt teks biasa menjadi caption JSON terstruktur secara otomatis, memakai API hosted gratis dari Ideogram atau provider language model kamu sendiri.
Sebenarnya seberapa bagus Ideogram 4 dalam teks?
Dalam tes buta oleh 10 desainer profesional, ia menang tempat pertama untuk tipografi 47,9% dari waktu, mengalahkan Gemini di 30,0%, dan mencetak 0,97 di benchmark X-Omni English OCR.
Apakah Ideogram 4 model gambar terbaik secara keseluruhan?
Tidak. Ia adalah model open-weight dengan peringkat tertinggi di Design Arena, tapi di papan text-to-image keseluruhan LMArena ia berada di peringkat 22, di belakang model tertutup terdepan. Keunggulannya ada di desain dan tipografi, bukan image generation serbaguna.
