¿Qué es ERNIE-Image (and Turbo)?
ERNIE-Image es el primer modelo abierto independiente de texto a imagen de Baidu, publicado en abril de 2026 en dos checkpoints: ERNIE-Image, un fine-tune supervisado que funciona a 50 pasos, y ERNIE-Image-Turbo, destilado con DMD y aprendizaje por refuerzo para funcionar en 8. Ambos usan un diffusion transformer de flujo único de unos 8.000 millones de parámetros, un codificador de texto basado en Ministral 3 y el VAE de FLUX.2, más un potenciador de prompts opcional que reescribe los prompts cortos como descripciones detalladas.
Los pesos están bajo Apache 2.0, y Baidu dice que el modelo funciona en GPU de consumo con 24 GB de VRAM. Admite siete resoluciones predefinidas, de 1024x1024 a 1376x768. Baidu lo orienta a carteles, cómics, composiciones de varias viñetas y otras imágenes en las que el texto y la maquetación deben salir bien.
¿Cuánto cuesta ERNIE-Image (and Turbo)?
| Plan | Precio | Qué incluye |
|---|---|---|
| Weights | Free | Apache 2.0 |
| fal (Turbo) | $0.01 per megapixel | |
| fal (ERNIE-Image) | $0.03 per megapixel |
Pesos gratuitos bajo Apache 2.0. En fal, Turbo cuesta 0,01 $ por megapíxel y el modelo de 50 pasos 0,03 $ por megapíxel.
¿Merece la pena ERNIE-Image (and Turbo)?
ERNIE-Image luce mejor en los benchmarks que ante los votantes humanos. Las tablas de Baidu lo sitúan primero entre los modelos abiertos en GenEval con 0,8856 y a la par de Seedream 4.5 en OneIG-EN con 0,5750 con el potenciador de prompts activado, y su media de 0,9733 en LongText-Bench solo queda por detrás de Seedream 4.5 en la comparativa.
La tabla de preferencias de Artificial Analysis no está de acuerdo. ERNIE Image Turbo ocupa el puesto 81 de 108 con 915 Elo y ERNIE Image de 50 pasos el 84 con 909, por debajo de Z-Image Turbo con 936 y muy por debajo del líder abierto Qwen-Image-2.1 con 1045. Que el Turbo destilado puntúe más que el modelo lento encaja con cómo lo describe Baidu, ajustado para la estética.
Su valor está en la licencia y el tamaño. Apache 2.0 no tiene tope de ingresos, el transformer de unos 8.000 millones de parámetros funciona en una tarjeta de 24 GB y Turbo cuesta 0,01 $ por megapíxel en fal, así que una imagen de 1024x1024 sale por un céntimo aproximadamente.
El potenciador de prompts no es una mejora gratis. Al activarlo, GenEval baja de 0,8856 a 0,8728 y empeora la asignación de atributos, aunque suben OneIG y las puntuaciones de texto largo, así que los equipos que escriben muchos prompts cortos deberían probar ambas opciones. Es un modelo de lenguaje aparte, que Baidu sugiere servir por separado con vLLM para ganar velocidad.
Dónde se gana su sitio
Un equipo de cuatro personas que hace un webcómic
Bocetar páginas de varias viñetas y storyboards con textos
Ejecuta Turbo en local en ComfyUI a 8 pasos en una tarjeta de 24 GB para los borradores y pasa al modelo de 50 pasos para las viñetas finales. Apache 2.0 significa que no hay que pagar licencia cuando el cómic se vende.
El equipo de crecimiento de una plataforma de e-commerce
Producir en volumen banners promocionales en chino e inglés con precios legibles
Llama al endpoint Turbo de fal a 0,01 $ por megapíxel, así que 50.000 banners de 1024x1024 cuestan unos 500 $ al mes. Prueba con el potenciador activado y desactivado, porque ayuda con el texto y perjudica la asignación de atributos.
Un ingeniero de ML de una empresa de software de diseño
Servir un endpoint de imágenes dentro del producto
Despliégalo con el endpoint al estilo OpenAI de SGLang, o sirve el potenciador de prompts aparte en vLLM para ganar velocidad; NVIDIA también lo ofrece como contenedor NIM.
Antes de decidirte
- Puesta en marcha
- Instala Diffusers desde el código fuente y carga ErnieImagePipeline, o ejecuta sglang serve con la ruta del modelo; según Baidu basta con una GPU de 24 GB.
- Integraciones
- Diffusers, SGLang, vLLM para el potenciador de prompts, ComfyUI, NVIDIA NIM y endpoints alojados en fal.
- Datos y privacidad
- Los pesos Apache 2.0 funcionan totalmente sin conexión; la ficha del modelo no describe las fuentes ni el volumen de los datos de entrenamiento.
- Coste a escala
- En fal, 100.000 imágenes de un megapíxel cuestan unos 1.000 $ con Turbo o 3.000 $ con el modelo de 50 pasos; autoalojado, una GPU de 24 GB por worker.
- Límites
- Siete resoluciones predefinidas hasta 1376x768; solo texto a imagen; el potenciador puede empeorar la asignación de atributos; no hay cifras de velocidad publicadas.
Lo bueno
- Apache 2.0 sin tope de ingresos
- Funciona en una GPU de consumo de 24 GB
- Buenas puntuaciones de texto largo y maquetación en las pruebas de Baidu
- Turbo a 0,01 $ por megapíxel en fal
Lo malo
- Puesto 81 de 108 en la tabla de texto a imagen de Artificial Analysis
- El potenciador de prompts baja algunas puntuaciones
- Siete resoluciones predefinidas, ninguna por encima de 1376 píxeles
- Sin variante de edición
Ideal para
Desarrolladores que necesitan un modelo abierto sin restricciones comerciales para carteles, cómics y maquetas con mucho texto en una sola GPU de 24 GB.
Alternativas a ERNIE-Image (and Turbo)
ERNIE-Image (and Turbo): preguntas frecuentes
- ¿Merece la pena ERNIE-Image (and Turbo)?
- ERNIE-Image coloca bien el texto y la maquetación y cabe en una tarjeta de 24 GB bajo Apache 2.0, pero los votantes de la arena lo sitúan por debajo de Z-Image-Turbo. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta ERNIE-Image (and Turbo)?
- Pesos gratuitos bajo Apache 2.0. En fal, Turbo cuesta 0,01 $ por megapíxel y el modelo de 50 pasos 0,03 $ por megapíxel.
- ¿Qué inconvenientes tiene ERNIE-Image (and Turbo)?
- Puesto 81 de 108 en la tabla de texto a imagen de Artificial Analysis; el potenciador de prompts baja algunas puntuaciones; siete resoluciones predefinidas, ninguna por encima de 1376 píxeles; sin variante de edición.
- ¿Para quién es ERNIE-Image (and Turbo)?
- Desarrolladores que necesitan un modelo abierto sin restricciones comerciales para carteles, cómics y maquetas con mucho texto en una sola GPU de 24 GB.
- ¿Cuánto cuesta ERNIE-Image (and Turbo) para un equipo o en producción?
- En fal, 100.000 imágenes de un megapíxel cuestan unos 1.000 $ con Turbo o 3.000 $ con el modelo de 50 pasos; autoalojado, una GPU de 24 GB por worker.
- ¿Es ERNIE-Image (and Turbo) seguro para los datos de la empresa?
- Los pesos Apache 2.0 funcionan totalmente sin conexión; la ficha del modelo no describe las fuentes ni el volumen de los datos de entrenamiento.
- ¿Cuáles son las mejores alternativas a ERNIE-Image (and Turbo)?
- Las alternativas más cercanas que hemos analizado son Z-Image-Turbo, GLM-Image, Qwen-Image-2.1 y MOSS-Image.
Respuestas comprobadas el 7 nov 2026.