Qu’est-ce que ERNIE-Image (and Turbo) ?
ERNIE-Image est le premier modèle ouvert autonome de texte-vers-image de Baidu, publié en avril 2026 en deux checkpoints : ERNIE-Image, un fine-tune supervisé qui tourne en 50 étapes, et ERNIE-Image-Turbo, distillé par DMD et apprentissage par renforcement pour tourner en 8. Les deux reposent sur un diffusion transformer à flux unique d'environ 8 milliards de paramètres, un encodeur de texte basé sur Ministral 3 et le VAE de FLUX.2, plus un amplificateur de prompts optionnel qui réécrit les prompts courts en descriptions détaillées.
Les poids sont sous Apache 2.0, et Baidu indique que le modèle tourne sur des GPU grand public de 24 Go de VRAM. Il propose sept résolutions prédéfinies, de 1024x1024 à 1376x768. Baidu le destine aux affiches, bandes dessinées, mises en page en plusieurs cases et autres images où le texte et la composition doivent être justes.
Combien coûte ERNIE-Image (and Turbo) ?
| Offre | Prix | Ce qui est inclus |
|---|---|---|
| Weights | Free | Apache 2.0 |
| fal (Turbo) | $0.01 per megapixel | |
| fal (ERNIE-Image) | $0.03 per megapixel |
Poids gratuits sous Apache 2.0. Sur fal, Turbo coûte 0,01 $ par mégapixel et le modèle en 50 étapes 0,03 $ par mégapixel.
ERNIE-Image (and Turbo) vaut-il le coup ?
ERNIE-Image fait meilleure figure dans les benchmarks qu'auprès des votants humains. Les tableaux de Baidu le placent premier des modèles ouverts sur GenEval à 0,8856 et au niveau de Seedream 4.5 sur OneIG-EN à 0,5750 avec l'amplificateur de prompts activé, et sa moyenne de 0,9733 sur LongText-Bench n'est dépassée que par Seedream 4.5 dans la comparaison.
Le classement de préférences d'Artificial Analysis n'est pas d'accord. ERNIE Image Turbo est 81e sur 108 avec 915 Elo et ERNIE Image en 50 étapes 84e avec 909, sous Z-Image Turbo à 936 et loin du meilleur modèle ouvert, Qwen-Image-2.1, à 1045. Que le Turbo distillé fasse mieux que le modèle lent concorde avec la description de Baidu, qui le dit réglé pour l'esthétique.
Son intérêt tient à la licence et à la taille. Apache 2.0 n'a aucun plafond de revenus, le transformer d'environ 8 milliards de paramètres tient sur une carte de 24 Go, et Turbo coûte 0,01 $ par mégapixel sur fal, soit environ un centime pour une image de 1024x1024.
L'amplificateur de prompts n'est pas un gain gratuit. Activé, il fait passer GenEval de 0,8856 à 0,8728 et dégrade l'association des attributs, tout en relevant OneIG et les scores de texte long ; les équipes qui écrivent beaucoup de prompts courts doivent tester les deux réglages. C'est un modèle de langage distinct, que Baidu suggère de servir à part avec vLLM pour gagner en vitesse.
Là où il fait la différence
Une équipe de quatre personnes qui publie un webcomic
Esquisser des planches en plusieurs cases et des storyboards avec textes
Faites tourner Turbo en local dans ComfyUI en 8 étapes sur une carte de 24 Go pour les brouillons, puis passez au modèle en 50 étapes pour les cases finales. Avec Apache 2.0, aucune licence à payer quand la BD se vend.
L'équipe croissance d'une plateforme d'e-commerce
Produire en volume des bannières promotionnelles en chinois et en anglais avec des prix lisibles
Appelez l'endpoint Turbo de fal à 0,01 $ par mégapixel : 50 000 bannières en 1024x1024 coûtent environ 500 $ par mois. Testez avec et sans amplificateur, qui aide le texte mais nuit à l'association des attributs.
Un ingénieur ML chez un éditeur de logiciels de design
Servir un endpoint d'images dans le produit
Déployez avec l'endpoint de style OpenAI de SGLang, ou servez l'amplificateur de prompts à part sur vLLM pour gagner en vitesse ; NVIDIA propose aussi le modèle en conteneur NIM.
Avant de vous engager
- Mise en route
- Installez Diffusers depuis les sources et chargez ErnieImagePipeline, ou lancez sglang serve avec le chemin du modèle ; selon Baidu, un GPU de 24 Go suffit.
- Intégrations
- Diffusers, SGLang, vLLM pour l'amplificateur de prompts, ComfyUI, NVIDIA NIM et endpoints hébergés sur fal.
- Données et confidentialité
- Les poids Apache 2.0 tournent entièrement hors ligne ; la fiche du modèle ne décrit ni les sources ni le volume des données d'entraînement.
- Coût à grande échelle
- Sur fal, 100 000 images d'un mégapixel coûtent environ 1 000 $ avec Turbo ou 3 000 $ avec le modèle en 50 étapes ; en auto-hébergement, un GPU de 24 Go par worker.
- Limites
- Sept résolutions prédéfinies jusqu'à 1376x768 ; texte-vers-image uniquement ; l'amplificateur peut affaiblir l'association des attributs ; aucun chiffre de vitesse publié.
Les points forts
- Apache 2.0 sans plafond de revenus
- Tourne sur un GPU grand public de 24 Go
- Bons scores de texte long et de mise en page dans les tests de Baidu
- Turbo à 0,01 $ par mégapixel sur fal
Les points faibles
- 81e sur 108 au classement texte-vers-image d'Artificial Analysis
- L'amplificateur de prompts fait baisser certains scores
- Sept résolutions prédéfinies, aucune au-delà de 1376 pixels
- Pas de variante d'édition
Idéal pour
Les développeurs qui ont besoin d'un modèle ouvert sans restriction commerciale pour affiches, bandes dessinées et mises en page riches en texte sur un seul GPU de 24 Go.
Alternatives à ERNIE-Image (and Turbo)
ERNIE-Image (and Turbo) : questions fréquentes
- ERNIE-Image (and Turbo) vaut-il le coup ?
- ERNIE-Image place bien le texte et la mise en page et tient sur une carte de 24 Go sous Apache 2.0, mais les votants de l'arène le classent sous Z-Image-Turbo. Nous lui donnons 3.6 sur 5.
- Combien coûte ERNIE-Image (and Turbo) ?
- Poids gratuits sous Apache 2.0. Sur fal, Turbo coûte 0,01 $ par mégapixel et le modèle en 50 étapes 0,03 $ par mégapixel.
- Quels sont les inconvénients de ERNIE-Image (and Turbo) ?
- 81e sur 108 au classement texte-vers-image d'Artificial Analysis; l'amplificateur de prompts fait baisser certains scores; sept résolutions prédéfinies, aucune au-delà de 1376 pixels; pas de variante d'édition.
- À qui s’adresse ERNIE-Image (and Turbo) ?
- Les développeurs qui ont besoin d'un modèle ouvert sans restriction commerciale pour affiches, bandes dessinées et mises en page riches en texte sur un seul GPU de 24 Go.
- Combien coûte ERNIE-Image (and Turbo) pour une équipe ou en production ?
- Sur fal, 100 000 images d'un mégapixel coûtent environ 1 000 $ avec Turbo ou 3 000 $ avec le modèle en 50 étapes ; en auto-hébergement, un GPU de 24 Go par worker.
- ERNIE-Image (and Turbo) est-il sûr pour les données de l’entreprise ?
- Les poids Apache 2.0 tournent entièrement hors ligne ; la fiche du modèle ne décrit ni les sources ni le volume des données d'entraînement.
- Quelles sont les meilleures alternatives à ERNIE-Image (and Turbo) ?
- Les alternatives les plus proches que nous avons testées sont Z-Image-Turbo, GLM-Image, Qwen-Image-2.1 et MOSS-Image.
Réponses vérifiées le 7 nov. 2026.