O que é ERNIE-Image (and Turbo)?
O ERNIE-Image é o primeiro modelo aberto independente de texto para imagem da Baidu, lançado em abril de 2026 em dois checkpoints: ERNIE-Image, um fine-tune supervisionado que roda em 50 passos, e ERNIE-Image-Turbo, destilado com DMD e aprendizado por reforço para rodar em 8. Os dois usam um diffusion transformer de fluxo único com cerca de 8 bilhões de parâmetros, um codificador de texto baseado no Ministral 3 e o VAE do FLUX.2, além de um aprimorador de prompts opcional que reescreve prompts curtos em descrições detalhadas.
Os pesos estão sob Apache 2.0, e a Baidu diz que o modelo roda em GPUs de consumo com 24 GB de VRAM. Ele aceita sete resoluções predefinidas, de 1024x1024 a 1376x768. A Baidu o direciona a cartazes, quadrinhos, layouts com vários painéis e outras imagens em que texto e layout precisam sair certos.
Quanto custa ERNIE-Image (and Turbo)?
| Plano | Preço | O que inclui |
|---|---|---|
| Weights | Free | Apache 2.0 |
| fal (Turbo) | $0.01 per megapixel | |
| fal (ERNIE-Image) | $0.03 per megapixel |
Pesos gratuitos sob Apache 2.0. Na fal, o Turbo custa US$ 0,01 por megapixel e o modelo de 50 passos US$ 0,03 por megapixel.
ERNIE-Image (and Turbo) vale a pena?
O ERNIE-Image se sai melhor nos benchmarks do que com votantes humanos. As tabelas da própria Baidu o põem em primeiro entre os modelos abertos no GenEval, com 0,8856, e empatado com o Seedream 4.5 no OneIG-EN, com 0,5750, com o aprimorador de prompts ligado, e sua média de 0,9733 no LongText-Bench só perde para o Seedream 4.5 na comparação.
O ranking de preferência da Artificial Analysis discorda. O ERNIE Image Turbo está em 81º de 108 com 915 Elo e o ERNIE Image de 50 passos em 84º com 909, abaixo do Z-Image Turbo com 936 e muito abaixo do líder aberto Qwen-Image-2.1 com 1045. O Turbo destilado pontuar mais que o modelo lento combina com a descrição da Baidu, que diz que ele foi ajustado para estética.
O valor está na licença e no tamanho. Apache 2.0 não tem teto de receita, o transformer de cerca de 8 bilhões de parâmetros roda numa placa de 24 GB e o Turbo custa US$ 0,01 por megapixel na fal, então uma imagem de 1024x1024 sai por cerca de um centavo.
O aprimorador de prompts não é ganho garantido. Ligado, ele derruba o GenEval de 0,8856 para 0,8728 e piora a associação de atributos, mesmo elevando o OneIG e as notas de texto longo, então equipes que escrevem muitos prompts curtos devem testar as duas opções. Ele é um modelo de linguagem separado, que a Baidu sugere servir à parte com vLLM para ganhar velocidade.
Onde ele se destaca
Uma equipe de quatro pessoas que faz um webcomic
Rascunhar páginas com vários painéis e storyboards com textos
Rode o Turbo localmente no ComfyUI a 8 passos numa placa de 24 GB para rascunhos e passe ao modelo de 50 passos para os painéis finais. Com Apache 2.0, não há taxa de licença quando o quadrinho vende.
A equipe de growth de uma plataforma de e-commerce
Produzir em volume banners promocionais em chinês e inglês com preços legíveis
Chame o endpoint Turbo da fal a US$ 0,01 por megapixel; 50.000 banners de 1024x1024 custam cerca de US$ 500 por mês. Teste com o aprimorador ligado e desligado, porque ele ajuda o texto e atrapalha a associação de atributos.
Um engenheiro de ML de uma empresa de software de design
Servir um endpoint de imagens dentro do produto
Faça o deploy com o endpoint no estilo OpenAI do SGLang, ou rode o aprimorador de prompts à parte no vLLM para ganhar velocidade; a NVIDIA também oferece o modelo como contêiner NIM.
Antes de decidir
- Configuração
- Instale o Diffusers a partir do código-fonte e carregue o ErnieImagePipeline, ou rode sglang serve com o caminho do modelo; segundo a Baidu, uma GPU de 24 GB basta.
- Integrações
- Diffusers, SGLang, vLLM para o aprimorador de prompts, ComfyUI, NVIDIA NIM e endpoints hospedados na fal.
- Dados e privacidade
- Os pesos Apache 2.0 rodam totalmente offline; o model card não descreve as fontes nem o volume dos dados de treinamento.
- Custo em escala
- Na fal, 100.000 imagens de um megapixel custam cerca de US$ 1.000 com o Turbo ou US$ 3.000 com o modelo de 50 passos; hospedando você mesmo, uma GPU de 24 GB por worker.
- Limites
- Sete resoluções predefinidas até 1376x768; só texto para imagem; o aprimorador pode piorar a associação de atributos; não há números de velocidade publicados.
O que é bom
- Apache 2.0 sem teto de receita
- Roda numa GPU de consumo de 24 GB
- Boas notas de texto longo e layout nos testes da Baidu
- Turbo a US$ 0,01 por megapixel na fal
O que não é
- 81º de 108 no ranking de texto para imagem da Artificial Analysis
- O aprimorador de prompts reduz algumas notas
- Sete resoluções predefinidas, nenhuma acima de 1376 pixels
- Sem variante de edição
Ideal para
Desenvolvedores que precisam de um modelo aberto sem restrição comercial para cartazes, quadrinhos e layouts cheios de texto numa única GPU de 24 GB.
Alternativas ao ERNIE-Image (and Turbo)
ERNIE-Image (and Turbo): perguntas frequentes
- ERNIE-Image (and Turbo) vale a pena?
- O ERNIE-Image acerta texto e layout e cabe numa placa de 24 GB sob Apache 2.0, mas os votantes da arena o colocam abaixo do Z-Image-Turbo. Damos nota 3.6 de 5.
- Quanto custa ERNIE-Image (and Turbo)?
- Pesos gratuitos sob Apache 2.0. Na fal, o Turbo custa US$ 0,01 por megapixel e o modelo de 50 passos US$ 0,03 por megapixel.
- Quais são as desvantagens de ERNIE-Image (and Turbo)?
- 81º de 108 no ranking de texto para imagem da Artificial Analysis; o aprimorador de prompts reduz algumas notas; sete resoluções predefinidas, nenhuma acima de 1376 pixels; sem variante de edição.
- Para quem ERNIE-Image (and Turbo) é indicado?
- Desenvolvedores que precisam de um modelo aberto sem restrição comercial para cartazes, quadrinhos e layouts cheios de texto numa única GPU de 24 GB.
- Quanto custa ERNIE-Image (and Turbo) para uma equipe ou em produção?
- Na fal, 100.000 imagens de um megapixel custam cerca de US$ 1.000 com o Turbo ou US$ 3.000 com o modelo de 50 passos; hospedando você mesmo, uma GPU de 24 GB por worker.
- ERNIE-Image (and Turbo) é seguro para dados da empresa?
- Os pesos Apache 2.0 rodam totalmente offline; o model card não descreve as fontes nem o volume dos dados de treinamento.
- Quais são as melhores alternativas ao ERNIE-Image (and Turbo)?
- As alternativas mais próximas que analisamos são Z-Image-Turbo, GLM-Image, Qwen-Image-2.1 e MOSS-Image.
Respostas verificadas em 7 de nov. de 2026.