百度开源8B文生图模型ERNIE-Image 消费级GPU可运行

百度开源文生图模型ERNIE-Image：在消费级GPU上实现顶级文字渲染

4月15日，百度文心大模型团队正式开源了参数规模为8B的文生图模型ERNIE-Image。这个模型有个突出的特点：它能在显存仅为24GB的消费级GPU上流畅运行。团队同步还推出了一个加速版本，名为ERNIE-Image-Turbo。根据GenEval、OneIG等多项国际权威基准测试的结果，该模型的综合得分在同类开源模型中处于领先位置。尤其值得一提的是，其文字渲染能力已经达到了与闭源商业模型Nano Banana同级的第一梯队水平。

开源文生图的“老大难”问题

回顾过去，开源文生图领域一直面临一个两难困境。参数大的模型，效果确实能向头部闭源产品看齐，但对部署硬件的要求也水涨船高，单卡动辄需要几十GB显存。这笔高昂的部署成本，让许多中小开发者和创业团队望而却步。反过来，参数小的模型虽然能在普通硬件上跑起来，但生成效果——尤其是文字渲染能力——往往不尽如人意，难以满足实际应用的需求。可以说，文字渲染这个核心痛点，长期以来都是开源模型难以突破的瓶颈。

找到那个关键的平衡点

而这次百度开源的ERNIE-Image，将参数规模精准定在了8B。这个选择并非偶然，它恰恰找到了效果与部署成本之间那个微妙的平衡点。

性能表现：不仅领先，更突破瓶颈

那么，它的实际能力到底如何？在GenEval、OneIG等多个国际通用的文生图评测基准中，ERNIE-Image的综合得分超越了所有同类开源模型，位居榜首。最值得关注的，当然是它的文字渲染能力。评测显示，其水平已经达到了与闭源商业模型Nano Banana同级别的程度。这可以说是打破了开源模型在文字生成上容易变形、出现乱码的固有印象。此外，同步开源的ERNIE-Image-Turbo版本，通过压缩推理步数，进一步大幅提升了推理速度，显然是为那些需要低延迟的实时生成场景量身打造的。

生态意义：推动能力下放与普惠化

对于整个AIGC开源生态而言，这次开源的意义远不止是推出了一个效果更好的模型。它的深层价值在于，将高性能文生图的能力，真正下放到了普通硬件层面。过去，这种高质量的文生图能力可能只有大公司才有资源和实力去驾驭。现在，中小团队也能以较低的成本获取并应用这项能力。这无疑会催生出更多定制化、细分化的文生图应用。无论是海报设计、内容创作，还是垂直领域的专业图文生成工具，都有望迎来更快的落地和迭代速度。从长远看，这将是推动AIGC技术走向更广泛普惠的关键一步。