ERNIE Image

ERNIE Image est un modèle ouvert de génération d’images à partir de texte, développé par Baidu et lancé le 15 avril 2026. Il transforme une consigne en visuel et cible notamment les compositions structurées, le rendu de texte et plusieurs styles, de la photographie réaliste aux créations stylisées.

Son classement dans le premier tiers de l’Arena text-to-image indique un niveau compétitif en préférence humaine, encore nettement derrière le modèle en tête. ERNIE Image s’utilise avec Diffusers ou SGLang, ce qui facilite son intégration dans des chaînes de génération personnalisées.

Caractéristiques

Classements Arena (Elo)

Arena Text-to-Image · 225 modèles classés

Notre analyse

Forces. ERNIE Image repose sur un Diffusion Transformer à flux unique. Son Prompt Enhancer léger peut convertir des entrées brèves en descriptions structurées plus riches, avec une activation optionnelle dans le pipeline. Le modèle prend en charge le suivi d’instructions complexes, le rendu de texte et la génération structurée. Son champ créatif couvre les affiches, bandes dessinées, storyboards et compositions multi-panneaux, ainsi que la photographie réaliste, l’imagerie orientée design et les rendus stylisés. Sa place dans le premier tiers de l’Arena confirme une réception globalement solide face à un ensemble étendu de modèles.

Limites et points d’attention. Son positionnement Arena reste éloigné de celui de GPT Image 2, leader du classement, ce qui signale un écart de préférence humaine avec la meilleure offre évaluée. L’enrichissement automatique des prompts constitue un paramètre de production à contrôler, car il transforme les consignes initiales avant la génération. Usages pertinents : illustration, design graphique, création publicitaire, affiches, storyboards, bandes dessinées et compositions visuelles en plusieurs panneaux.

Sources des données : Artificial Analysis (artificialanalysis.ai) · LLM-Stats (llm-stats.com).