Ideogram 4.0은 좋습니다. 그냥 적당히 좋습니다.

240개의 이미지와 10명의 전문 디자이너를 대상으로 한 블라인드 테스트 결과가 방금 발표되었습니다. Ideogram 4.0과 Gemini 3.1, Grok Imagine, 그리고 FLUX.2 Max를 비교했습니다. 결과는 명확합니다.

Ideogram은 거의 모든 블라인드 매치업의 절반 가까이에서 타이포그래피 (Typography) 부문 승리를 거두었습니다. 47.9%의 점유율을 기록했습니다. 그다음으로 가까운 것은 30%를 기록한 Gemini였습니다. FLUX.2와 Grok은 각각 약 15%를 기록했습니다. 디자이너들에게 실제로 중요한 질문인 "이 결과물을 출시할 것인가 (would I ship this)"라는 항목에서 Ideogram은 5점 만점에 3.55점을 받았습니다. Gemini는 2.84점을 받았습니다. 다른 모델들은 누구도 3점을 넘기지 못했습니다.

이는 텍스트 렌더링 (Text rendering) 분야에서 실질적인 우위를 점하고 있음을 의미합니다. 이 모델은 구조화된 JSON 캡션 데이터셋으로만 독점적으로 학습되었습니다. 이는 웹에서 스크래핑한 대체 텍스트 (Alt-text)로 학습된 모델들과 달리, 구도 (Composition)와 레이아웃 (Layout)을 다르게 이해한다는 것을 의미합니다. JSON 프롬프팅 (JSON prompting)은 자동화된 파이프라인에 진정으로 유용합니다. 경계 상자 (Bounding boxes), 색상 팔레트 (Color palettes), 객체 위치 (Object positions)를 지정할 수 있습니다. 단순히 텍스트를 더 잘 쓰는 것뿐만 아니라, 제어 가능성 (Controllable)이 더 높습니다.

제가 직접 테스트해 보았습니다. 효과가 있습니다. 이미지 속의 텍스트를 읽을 수 있습니다. 이는 지난 2년 동안 AI 이미지 생성 분야의 난제 (White whale)였으며, Ideogram 4.0은 이를 대부분 해결했습니다.

하지만 종합적인 이미지 모델로서는 그저 좋습니다. 경쟁력은 있지만, 압도적이지는 않습니다.

특정 수치와 속성을 가진 복잡하고 매우 세밀한 장면에서 Ideogram은 3.42점을 기록했습니다. Gemini는 3.37점을 기록했습니다. 이는 통계적으로 무승부입니다. FLUX.2는 3.01점, Grok은 2.82점을 기록하여 더 낮았지만, 상위 두 모델 사이의 격차는 오차 범위 내에 있습니다. 일반적인 이미지 품질의 경우, Ideogram과 Gemini 사이의 차이는 미미합니다. 사진 실사주의 (Photorealism) 측면에서는 FLUX와 Reve가 여전히 앞서고 있습니다. 예술적 생성 (Artistic generation) 측면에서는 Midjourney가 역시 Midjourney입니다.

프롬프팅 (Prompting) 동작 방식도 흥미롭습니다. 간결한 프롬프트가 전반적으로 승리했습니다. 길고 과도하게 상세한 프롬프트는 패배했습니다. 이 모델은 구조화된 데이터로 학습되었기 때문에, 문단이 아닌 구조를 원합니다. "A poster for a coffee shop. The text says Morning Blend in serif. Warm tones, natural light."와 같은 방식이 잘 작동합니다. 스타일 지시어와 형용사, 그리고 "make it pop"과 같은 수식어를 추가하면 오히려 결과물의 품질이 저하됩니다.

이 모델을 실제로 사용해야 할 곳은 다음과 같습니다:

fal.ai에서는 Turbo 모드 기준으로 메가픽셀당 3센트에 제공합니다. 이는 현재 가장 저렴한 API 접근 방식입니다. Quality 모드는 10센트입니다. 비교를 위해 설명하자면, 1K 이미지는 대략 1메가픽셀이므로, 품질에 따라 생성당 3센트에서 10센트를 지불하게 됩니다. Krea는 월 5달러부터 시작하는 요금제에 이를 포함하고 있습니다. Leonardo는 Day Zero 런칭 파트너라고 발표했지만, 그들의 가격 페이지에는 여전히 Ideogram 3.0이 표시되어 있어 실제 토큰 비용은 불분명합니다. ComfyUI는 네이티브 지원을 제공하며, 이 모델은 오픈 웨이트 (open weights) 모델이므로 직접 다운로드하여 실행할 수 있습니다. 대량으로 작업하는 경우라면 이 점이 경제성을 변화시킵니다.

포스터, 광고, 패키징 목업, 읽을 수 있는 단어가 포함된 소셜 그래픽 등 이미지 내에 텍스트가 필요한 경우라면, 이것이 현재 가장 좋은 선택지입니다. 만약 극사실주의 (photorealism)나 예술적인 생성이 필요하다면 괜찮은 수준이지만 최고는 아닙니다. 4K 출력이 필요하다면 Reve를 살펴보거나 Magnific으로 업스케일 (upscale) 하십시오. 예산이 제한된 상태에서 대량 작업을 해야 한다면, ComfyUI를 통해 로컬에서 실행하십시오.

이것은 좋은 범용 모델입니다. 모델이 잘하는 용도에 맞춰 사용하십시오.