这几天在研究ideogram4，我发现实在是一个不可多得的好模型！ 
先说缺点： 

系统开销大：以4070tis 16g+nvfp4量化为例，1M分辨率大概2-3s/t，4M分辨率大概17s/t，官方推荐的最高画质（4M分辨率+quality48步模式），大概12min一张图；以某云平台5090d 32g+fp8量化为例，官方推荐的最高画质（4M分辨率+quality48步模式）大概4.2min一张图；12g vram应该可以跑，但具体不清楚
提示词要求较高：几乎不支持自然语言prompt，需要自己设计或让LLM预先设计json格式的提示词，较为复杂

再说优点（特别是针对zimage家族） 

微调可行性强：aitoolkit直接给了D0支持，lora训练适配好，实测人像训练很准——这一点比zimage base强太多了——建议用singularity训练器（参考B站教程）——我基本上...