Ideogram 4 공개: 9.3B 오픈웨이트, JSON 프롬프트로 디자인을 통제하다
핵심 요약
Ideogram이 2026년 6월 3일, 첫 오픈웨이트 텍스트 이미지 모델 Ideogram 4를 공개했습니다. 9.3B 파라미터 Diffusion Transformer(DiT) 단일 모델로 자연어 대신 구조화된 JSON을 프롬프트로 받습니다. 같은 날 DesignArena 오픈웨이트 부문 1위에 올랐고, 오버롤 5위(점수 1285)로 GPT Image 2와 Gemini Flash 변종에만 밀렸습니다.
핵심 포인트는 세 가지입니다. 첫째, 텍스트 렌더링 정확도가 9.3B 모델임에도 32B FLUX.2 dev와 80B HunyuanImage 3.0을 앞섭니다(X-Omni OCR 0.97). 둘째, JSON 스키마로 바운딩 박스 위치와 16개 색상 팔레트를 직접 지정할 수 있어 디자인 파이프라인 통합이 쉽습니다. 셋째, 라이선스는 비상업 무료, 상업 사용은 별도 계약 구조이며, HuggingFace에는 nf4·fp8 양자화 버전만 게이팅되어 올라가 있습니다.
무엇이 공개됐나
Ideogram 4는 9.3B 파라미터의 single-stream Diffusion Transformer입니다. 34개 레이어를 통해 텍스트 토큰과 이미지 토큰이 같은 projection을 공유하는 통합 구조입니다. 텍스트 인코더는 Qwen3-VL-8B-Instruct를 사용하고, 그 중 13개 중간 레이어의 hidden state를 feature 차원으로 concat해 DiT에 주입합니다.
| 항목 | 값 |
|---|---|
| 출시일 | 2026년 6월 3일 |
| 파라미터 | 9.3B |
| 아키텍처 | Single-stream DiT, 34 layers |
| 텍스트 인코더 | Qwen3-VL-8B-Instruct (13 중간 레이어) |
| 해상도 | 256 ~ 2048 (16의 배수), 종횡비 최대 6:1 |
| 양자화 배포 | nf4 (CUDA), fp8 (전 하드웨어) |
| 라이선스 | 비상업 무료, 상업 사용 별도 |
| 배포처 | Hugging Face (gated) |
기존 Ideogram 3까지는 클로즈드 모델만 운영했습니다. 4 버전이 회사 첫 오픈웨이트 공개입니다. GitHub 저장소(ideogram-oss/ideogram4)에 추론 코드와 가중치가 함께 올라왔습니다.
JSON 프롬프트라는 패러다임
가장 큰 변화는 프롬프트 방식입니다. 자연어 캡션 대신 구조화된 JSON으로 이미지를 기술합니다. 학습 자체가 JSON 캡션 위에서 처음부터 이루어졌고, 추론 파이프라인은 모든 입력을 JSON으로 파싱한 뒤 스키마 검증을 통과해야 생성을 시작합니다.
스키마에는 다음을 지정할 수 있습니다.
- 바운딩 박스:
[y_min, x_min, y_max, x_max]형태, 0 ~ 1000 정규화 좌표 - 색상 팔레트: 이미지당 최대 16개 hex 색상, 요소당 최대 5개
- 요소별 스타일링: 조명, 타이포그래피, 표면 질감 등
- 공간 배치: 텍스트와 객체의 명시적 위치
자연어로 "왼쪽 위에 빨간 로고"라고 설명하는 대신, 좌표와 hex 색을 직접 명시합니다. 일반 사용자를 위해 magic prompt라는 LLM 보조 기능이 자연어를 자동으로 JSON으로 확장해줍니다.
이 방식의 의미는 디자인 파이프라인 통합에서 드러납니다. 디자인 툴이나 자동화 스크립트가 LLM 출력에 의존하지 않고, 정확한 좌표와 색상을 코드로 생성해 그대로 넘기면 됩니다. 결과의 재현성이 자연어 프롬프트보다 훨씬 높다는 평가가 ChatForest 등 디자인 빌더 매체에서 나옵니다.
9.3B가 80B를 이긴 자리
벤치마크 결과가 인상적입니다. 텍스트 렌더링 정확도(X-Omni English OCR)에서 9.3B Ideogram 4가 더 큰 오픈웨이트 모델들을 모두 앞섭니다.
| 모델 | 파라미터 | X-Omni OCR |
|---|---|---|
| Ideogram 4 | 9.3B | 0.97 |
| Qwen-Image | 20B | (Ideogram 4 우위) |
| FLUX.2 dev | 32B | (Ideogram 4 우위) |
| HunyuanImage 3.0 | 80B MoE | (Ideogram 4 우위) |
구체 수치 중 OCR 0.97은 Ideogram 자체 보고이며, 비교 모델들의 정확한 수치는 매체별로 다르게 보도됐습니다. 절대 점수보다 "9.3B로 32B와 80B를 앞섰다"는 상대 비교에 주목하는 편이 정확합니다.
다른 자체 보고 수치는 다음과 같습니다.
- 프롬프트 정합성: 0.89
- 공간 추론: 0.76
- 레이아웃 제어: 0.69
디자이너 대상 블라인드 평가에서는 4개 모델 중 1위로 뽑힌 비율이 47.9%로 집계됐습니다. Gemini 3.1 Flash Image Preview(통칭 Nano Banana 2)가 30.0%, FLUX.2 max가 15.5%, Grok Imagine 1.0이 15.0%로 뒤를 이었습니다.
종합 리더보드인 DesignArena 점수는 1285점입니다. 클로즈드 모델인 GPT Image 2, GPT-Image-1.5, Gemini Flash 변종 2종이 위에 있고, 오픈웨이트 중에서는 1위입니다. 차상위 오픈웨이트 경쟁자와 약 115 Elo 차이가 납니다.
라이선스의 함정
오픈웨이트라는 단어를 보고 자동으로 상업적 활용을 떠올리면 안 됩니다. Ideogram 4의 라이선스는 이원 구조입니다.
- 비상업 사용: 무료. 연구, 개인 프로젝트, 로컬 실험, 연구용 파인튜닝 모두 비용 없음
- 상업 사용: 별도 유료 라이선스 필수. 제품·서비스·내부 도구·클라이언트 결과물 등 매출이나 상업적 가치가 직간접으로 발생하면 모두 해당
상업 라이선스 계약자에게만 full-precision 가중치가 제공됩니다. HuggingFace에 공개된 체크포인트는 nf4와 fp8 양자화 버전 두 가지뿐입니다. 두 변종 모두 게이팅이 걸려있어 약관 동의와 인증을 거쳐야 다운로드 가능합니다.
Firethering 등 일부 매체는 이 구조를 두고 "오픈웨이트의 정의를 시험한다"는 비판을 제기했습니다. 기술적으로는 가중치가 공개됐지만, OSI가 정의하는 자유 소프트웨어 라이선스 기준은 아닙니다. Llama 라이선스와 유사하지만 상업 임계값이 더 낮은 셈입니다.
시장에서의 위치
오픈웨이트 이미지 모델 트랙은 그동안 Black Forest Labs의 FLUX 시리즈가 주도해왔습니다. FLUX.2 dev가 32B, max가 더 큰 사이즈로 알려졌고, 중국 진영에서는 Tencent의 HunyuanImage(80B MoE)와 Alibaba의 Qwen-Image(20B)가 따라왔습니다.
Ideogram 4의 등장은 두 가지 측면에서 트랙을 흔듭니다. 첫째, 파라미터 효율성입니다. 더 작은 모델로 더 큰 모델을 텍스트 렌더링과 디자인 품질에서 앞섰습니다. 둘째, 인터페이스 표준화 시도입니다. JSON 프롬프트가 디자인 파이프라인의 사실상 표준이 될 가능성이 열렸습니다.
다만 상업 라이선스 장벽 때문에 FLUX 생태계처럼 자유로운 파인튜닝 커뮤니티가 형성될지는 미지수입니다. HuggingFace의 비공식 변환본(예: bf16 Diffusers 포맷)이 일부 올라와 있지만, 라이선스 위반 여지가 있어 상용 활용에는 위험이 따릅니다.
전망
여기서부터는 확정된 사실이 아니라 필자의 추론입니다. 다음 한 분기 정도가 Ideogram 4의 채택 곡선을 결정할 시기로 보입니다.
세 가지가 관건입니다. 첫째, JSON 프롬프트 인터페이스를 ComfyUI 같은 워크플로우 도구들이 얼마나 빨리 받아들이는지. 둘째, 상업 라이선스 가격대가 어디에 형성되는지(아직 공개 가격표 없음). 셋째, Black Forest Labs가 다음 FLUX 버전에서 이 구조를 어떻게 받아치는지.
개인적으로는 JSON 프롬프트가 이미지 생성 분야에서 한동안 표준 후보로 살아남을 것으로 봅니다. 자연어 프롬프팅은 사용자 경험에는 좋지만, 디자인 자동화 파이프라인에는 불확정성이 너무 큽니다. 좌표와 hex 코드를 직접 받는 인터페이스는 한 번 익히면 돌아가기 어렵습니다.
참고
