Was ist ERNIE-Image (and Turbo)?
ERNIE-Image ist Baidus erstes eigenständiges offenes Text-zu-Bild-Modell, im April 2026 in zwei Checkpoints erschienen: ERNIE-Image, ein überwachtes Fine-Tune mit 50 Schritten, und ERNIE-Image-Turbo, mit DMD und Reinforcement Learning auf 8 Schritte destilliert. Beide nutzen einen Single-Stream-Diffusion-Transformer mit etwa 8 Milliarden Parametern, einen Textencoder auf Basis von Ministral 3 und das FLUX.2-VAE, dazu einen optionalen Prompt-Enhancer, der kurze Prompts in ausführliche Beschreibungen umschreibt.
Die Gewichte stehen unter Apache 2.0, und laut Baidu läuft das Modell auf Consumer-GPUs mit 24 GB VRAM. Es unterstützt sieben voreingestellte Auflösungen von 1024x1024 bis 1376x768. Baidu richtet es auf Plakate, Comics, mehrteilige Layouts und andere Bilder aus, bei denen Text und Layout stimmen müssen.
Was kostet ERNIE-Image (and Turbo)?
| Tarif | Preis | Was enthalten ist |
|---|---|---|
| Weights | Free | Apache 2.0 |
| fal (Turbo) | $0.01 per megapixel | |
| fal (ERNIE-Image) | $0.03 per megapixel |
Kostenlose Gewichte unter Apache 2.0. Auf fal kostet Turbo 0,01 $ pro Megapixel und das 50-Schritt-Modell 0,03 $ pro Megapixel.
Lohnt sich ERNIE-Image (and Turbo)?
ERNIE-Image sieht in Benchmarks besser aus als für menschliche Wähler. Baidus eigene Tabellen sehen es bei GenEval mit 0,8856 an der Spitze der offenen Modelle und mit eingeschaltetem Prompt-Enhancer bei OneIG-EN mit 0,5750 gleichauf mit Seedream 4.5, und sein LongText-Bench-Mittel von 0,9733 wird im Vergleich nur von Seedream 4.5 übertroffen.
Die Präferenz-Rangliste von Artificial Analysis sieht das anders. ERNIE Image Turbo steht auf Platz 81 von 108 mit 915 Elo und das 50-Schritt-ERNIE Image auf Platz 84 mit 909, unter Z-Image Turbo mit 936 und weit unter dem offenen Spitzenreiter Qwen-Image-2.1 mit 1045. Dass das destillierte Turbo besser abschneidet als das langsamere Modell, passt zu Baidus Beschreibung als auf Ästhetik abgestimmt.
Sein Wert liegt in Lizenz und Größe. Apache 2.0 kennt keine Umsatzgrenze, der Transformer mit etwa 8 Milliarden Parametern läuft auf einer 24-GB-Karte, und Turbo kostet auf fal 0,01 $ pro Megapixel, ein Bild mit 1024x1024 also etwa einen Cent.
Der Prompt-Enhancer ist kein Gratisgewinn. Eingeschaltet sinkt GenEval von 0,8856 auf 0,8728 und die Attributbindung leidet, während OneIG und Langtext-Werte steigen; Teams mit vielen kurzen Prompts sollten beide Einstellungen testen. Er ist ein eigenes Sprachmodell, das Baidu für mehr Tempo separat mit vLLM zu betreiben empfiehlt.
Wo es sich lohnt
Ein vierköpfiges Webcomic-Team
Mehrteilige Seiten und Storyboards mit Texten entwerfen
Turbo lokal in ComfyUI mit 8 Schritten auf einer 24-GB-Karte für Entwürfe nutzen und für finale Panels zum 50-Schritt-Modell wechseln. Apache 2.0 heißt: keine Lizenzgebühr, wenn der Comic verkauft wird.
Das Growth-Team einer E-Commerce-Plattform
Chinesische und englische Werbebanner mit lesbaren Preisen in großer Zahl erzeugen
Den Turbo-Endpunkt von fal für 0,01 $ pro Megapixel aufrufen; 50.000 Banner mit 1024x1024 kosten etwa 500 $ im Monat. Mit und ohne Prompt-Enhancer testen, da er Text hilft und der Attributbindung schadet.
Ein ML-Ingenieur bei einem Designsoftware-Hersteller
Einen Bild-Endpunkt im Produkt bereitstellen
Mit dem OpenAI-artigen Endpunkt von SGLang ausrollen oder den Prompt-Enhancer für mehr Tempo separat auf vLLM betreiben; NVIDIA bietet das Modell auch als NIM-Container an.
Bevor du dich festlegst
- Einrichtung
- Diffusers aus dem Quellcode installieren und ErnieImagePipeline laden, oder sglang serve mit dem Modellpfad starten; laut Baidu reicht eine 24-GB-GPU.
- Integrationen
- Diffusers, SGLang, vLLM für den Prompt-Enhancer, ComfyUI, NVIDIA NIM und gehostete Endpunkte auf fal.
- Daten und Datenschutz
- Die Apache-2.0-Gewichte laufen vollständig offline; die Modellkarte beschreibt weder Quellen noch Umfang der Trainingsdaten.
- Kosten im großen Maßstab
- Auf fal kosten 100.000 Bilder mit einem Megapixel etwa 1.000 $ mit Turbo oder 3.000 $ mit dem 50-Schritt-Modell; selbst gehostet eine 24-GB-GPU pro Worker.
- Grenzen
- Sieben Voreinstellungen bis 1376x768; nur Text-zu-Bild; der Enhancer kann die Attributbindung schwächen; keine veröffentlichten Geschwindigkeitswerte.
Was gut ist
- Apache 2.0 ohne Umsatzgrenze
- Läuft auf einer Consumer-GPU mit 24 GB
- Starke Langtext- und Layout-Werte in Baidus Tests
- Turbo für 0,01 $ pro Megapixel auf fal
Was nicht
- Platz 81 von 108 in der Text-to-Image-Rangliste von Artificial Analysis
- Prompt-Enhancer senkt einige Benchmark-Werte
- Sieben voreingestellte Auflösungen, keine über 1376 Pixel
- Keine Bearbeitungsvariante
Am besten für
Entwickler, die ein kommerziell uneingeschränktes offenes Modell für Plakate, Comics und textlastige Layouts auf einer einzelnen 24-GB-GPU brauchen.
Alternativen zu ERNIE-Image (and Turbo)
ERNIE-Image (and Turbo): häufige Fragen
- Lohnt sich ERNIE-Image (and Turbo)?
- ERNIE-Image setzt Text und Layout sauber und passt unter Apache 2.0 auf eine 24-GB-Karte, aber Arena-Wähler stufen es unter Z-Image-Turbo ein. Wir bewerten es mit 3.6 von 5.
- Was kostet ERNIE-Image (and Turbo)?
- Kostenlose Gewichte unter Apache 2.0. Auf fal kostet Turbo 0,01 $ pro Megapixel und das 50-Schritt-Modell 0,03 $ pro Megapixel.
- Welche Nachteile hat ERNIE-Image (and Turbo)?
- Platz 81 von 108 in der Text-to-Image-Rangliste von Artificial Analysis; Prompt-Enhancer senkt einige Benchmark-Werte; Sieben voreingestellte Auflösungen, keine über 1376 Pixel; Keine Bearbeitungsvariante.
- Für wen eignet sich ERNIE-Image (and Turbo)?
- Entwickler, die ein kommerziell uneingeschränktes offenes Modell für Plakate, Comics und textlastige Layouts auf einer einzelnen 24-GB-GPU brauchen.
- Was kostet ERNIE-Image (and Turbo) für ein Team oder im Produktivbetrieb?
- Auf fal kosten 100.000 Bilder mit einem Megapixel etwa 1.000 $ mit Turbo oder 3.000 $ mit dem 50-Schritt-Modell; selbst gehostet eine 24-GB-GPU pro Worker.
- Ist ERNIE-Image (and Turbo) sicher für Firmendaten?
- Die Apache-2.0-Gewichte laufen vollständig offline; die Modellkarte beschreibt weder Quellen noch Umfang der Trainingsdaten.
- Was sind die besten Alternativen zu ERNIE-Image (and Turbo)?
- Die nächsten Alternativen, die wir getestet haben, sind Z-Image-Turbo, GLM-Image, Qwen-Image-2.1 und MOSS-Image.
Antworten geprüft am 7. Nov. 2026.