Il s'appelait "Peanut". Depuis le 5 mai, un modèle anonyme avait fait son apparition discrète sur le leaderboard Artificial Analysis (la référence communautaire pour comparer les modèles de génération d'images) et s'était directement installé à la 8e place mondiale, devant des poids lourds établis. Annoncé comme "open-weights coming soon", il avait attisé la curiosité sans révéler son identité. Le 8 mai, le mystère a pris fin : Peanut, c'était HiDream-O1-Image, le nouveau modèle open-source de HiDream.ai.
Pour bien comprendre ce que représente cette sortie, il faut d'abord poser le décor.
Depuis l'automne 2025, la génération d'images open se partageait entre trois acteurs principaux. FLUX.2 [dev] trône en tête du classement open-weight avec ses 32 milliards de paramètres, mais sa licence non-commerciale limite son usage. Qwen-Image Max d'Alibaba s'est imposé comme la référence véritablement open-source (Apache 2.0), capable de rivaliser avec les meilleurs modèles propriétaires. Z-Image, plus modeste en taille, s'est taillé une belle réputation grâce à sa légèreté, sa vitesse et ses sorties photoréalistes.
Depuis ? Rien, ou presque. Pas de nouveau challenger architectural, pas de modèle ouvert capable de remettre en question ce trio établi. Jusqu'à ce 8 mai 2026 où HiDream.ai a publié le nouveau HiDream-O1.
La première chose qui frappe, c'est l'architecture. HiDream-O1 abandonne une approche qui était devenue la norme dans quasiment tous les grands modèles de diffusion : le VAE (Variational Autoencoder), ce composant qui compresse l'image dans un espace latent avant de la traiter. À la place, HiDream-O1 utilise un Pixel-level Unified Transformer (UiT), un modèle unifié qui travaille directement sur les pixels bruts, en traitant image, texte et conditions de génération dans un même espace partagé.
En pratique, cela signifie moins d'artefacts liés à la compression, moins de composants à gérer, et une architecture plus cohérente de bout en bout. C'est une direction que la recherche explore de plus en plus. Et c’est probablement proche de ce que fait GPT Image 2 en coulisses, même si OpenAI reste muet sur les détails de son architecture. HiDream-O1 en serait alors l'une des premières implémentations open-source concrètes et accessibles de cette approche.
Deuxième particularité notable : le Reasoning-Driven Prompt Agent. Avant même de générer une image, le modèle fait appel à un agent de raisonnement (basé sur Gemma 4 ou une API compatible) qui analyse le prompt, réfléchit à la composition, aux attributs visuels et à la logique physique de la scène, puis réécrit une instruction complète et structurée. C'est particulièrement utile pour les prompts complexes ou rédigés en chinois, et ça explique en partie les excellents scores obtenus sur les benchmarks de suivi de prompt.
Ce qui surprend le plus, c'est l'efficacité du modèle. Avec seulement 8 milliards de paramètres (soit quatre fois moins que FLUX.2 [dev]), HiDream-O1 affiche des performances qui rivalisent avec des modèles bien plus lourds, voire les dépassent sur certains points.
Sur GenEval (composition d'image), il atteint un score global de 0,90. Sur DPG-Bench (suivi de prompt dense), il affiche 89,83. Le rendu de texte intégré dans les images, un point noir historique de la plupart des modèles de diffusion, est particulièrement bluffant, avec des résultats excellents en anglais comme en chinois.
Le modèle est dès à présent disponible en deux variantes : la version complète (~50 étapes d'inférence) et une version Dev distillée (~28 étapes), plus rapide. Les deux sont disponibles dès maintenant sur Hugging Face et GitHub, sous licence MIT : autrement dit, usage commercial autorisé sans contraintes particulières.
En termes de capacités, HiDream-O1 couvre un spectre large : text-to-image, édition par instruction, personnalisation (préservation d'identité ou d'objet), génération de storyboards et rendu de texte multi-régions, le tout jusqu'en 2048×2048. Un couteau suisse dans un format accessible.
La boucle est bouclée : HiDream-O1 figurait déjà sur le leaderboard Artificial Analysis sous son nom de code "Peanut", où il s'est installé à la 8e place mondiale dès le 5 mai. C'est là que se joue désormais la vraie bataille : face à FLUX.2 [dev] et Qwen-Image Max, les deux références actuelles, HiDream-O1 se positionne comme le challenger qui réunit ce qu'aucun modèle n'avait encore combiné : licence MIT, nouvelle architecture, et performances de premier plan.
Les premiers tests communautaires sur Reddit et X sont encore rares (le modèle vient de sortir.) Mais l'enthousiasme des premières heures porte surtout sur deux points : l'absence de VAE perçue comme un vrai saut architectural, et le rendu texte jugé au niveau de GPT Image 2. Les intégrations ComfyUI et Diffusers devraient suivre rapidement, comme ce fut le cas pour les versions précédentes de HiDream.