近日，百度（BIDU）文心大模型正式推出并开源 ERNIE-Image 文生图模型，以远低于行业的 8B 参数规模，实现了多项国际基准测试 SOTA（行业最优效果）。同时，ERNIE-Image 在 24GB 显存的消费（883434）级显卡即可流畅运行，这意味着大幅降低了高精度文生图的技术与硬件门槛，为创作者与行业提供可触达的顶级图像生成能力。用户可在文心一言、百度（BIDU）千帆平台上测试使用。

在评测表现上，ERNIE-Image 在多项权威基准中取得领先成绩。其中，在 SuperCLUE 文生图榜单中，ERNIE-Image 综合排名位列国内第一、全球第四，仅次于 Nano Banana 2、Nano Banana Pro 和 GPT-Image-1.5，超过 Qwen-Image-2.0-Pro、Doubao-Seedream-5.0-lite（LITE） 等模型；同时，在图文一致性与汉字生成两项细分指标中均位列国内第一。

在国际公开评测中，ERNIE-Image 在 GenEval、OneIG（中英文）、LongText-Bench 等基准测试中综合表现领先同类开源模型，与 Nano Banana 等商业闭源模型处于同一梯队。其中，在复杂指令与文本渲染能力测试 LongText-Bench 中，ERNIE-Image 以 0.9733 的成绩位列全球开源模型第一。

据悉，ERNIE-Image 被业内称为“开源小钢炮”，采用单流 Diffusion Transformer（DiT）架构，仅约 80 亿参数规模，即可实现高水平图像生成能力。在复杂指令跟随、高密度文本渲染及结构化图像生成方面表现突出，支持中、英、日、韩等多语言生成，字形清晰、笔画精准，可稳定输出海（885840）报、漫画分镜及学术图表等高布局复杂度内容。模型风格覆盖写实摄影、动漫、电影感胶片、老照片等多种类型，在角色一致性与情绪表达方面表现优异，尤其在二次元漫画创作中，可实现单主体精准还原与多主体稳定生成，整体效果接近专业漫画稿水准。

目前，ERNIE-Image 已在 Hugging Face 开源模型权重及推理代码，遵循 Apache 2.0 协议，支持 ComfyUI 工作流，海外开发者测试后在社交媒体评价称：“对比 ERNIE-Image 和 Nano banana2，效果让人震惊”、“接触过最好的的开源（文生图）Turbo 模型”。

官方消息显示，ERNIE-Image 已经与同道大叔、电影网、凤凰网、蜻蜓 FM、瑛麒动漫、吐司 AI、RunningHub、Mulan AI 等 30 余家机构与 20 位设计师合作，完成实测验证，生成效果稳定图片精度和质量颇高。目前已有超 50 家创作平台、社区和知名企业完成接入。

业内观点认为，ERNIE-Image 以小参数实现高性能，打破高端文生图对专业算力的依赖，推动开源生成式 AI 走向普惠化，将为设计、动漫、传媒等行业带来高效低成本的创作升级，加速全民 AI 图像创作时代到来。