Ideogramが2026年6月3日に公開したIdeogram 4.0は、同社として初めて重みを配布する画像生成モデルで、文字の描画とレイアウト制御を強みに持つ。第三者の評価では、クローズドなOpenAIとGoogleのモデルに次ぐ位置につけ、重みが配布されているモデルの中では先頭に立つとされる。手元のPCで動かせる画像モデルとしては、いまもっとも注目度が高い一つだ。
ただ、このモデルを自分の環境に入れる前に押さえておくべき点が二つある。一つは必要な容量とVRAMで、配布されているFP8の構成は合計でおよそ30GB前後になる。もう一つがライセンスで、公開直後には「オープンソース」「無料で使える」と紹介されることもあったが、ライセンス上はこの表現だけでは不十分だ。重みは非商用の条件付きで配布されており、収益につながる使い方には別の許諾がいる。本記事では、Ideogram 4.0がどんなモデルかを整理したうえで、ローカルで動かすための構成と、商用・非商用の線引きを、配布元の条文に沿って確認する(本記事は2026年6月時点)。
Ideogram 4.0とは何か
Ideogram 4.0は、9.3Bパラメータの拡散トランスフォーマ(DiT)である。テキストのトークンと画像のトークンを一本の系列にまとめて扱う単一ストリーム型の構成で、34層のトランスフォーマ層を持つ。埋め込み次元は4608、アテンションヘッドは18で、位置の与え方には3D Multimodal RoPEを使い、テキストと画像のトークンを同じ位置の枠組みの中に置く。テキスト側のエンコーダにはQwen3-VL-8Bを文字入力専用の形で用い、その中間13層の出力を結合して条件付けに使う。学習はフローマッチングで行われ、サンプリングはオイラー法に非対称な分類器フリーガイダンスを組み合わせる。生成のステップ数は12・20・48から選べ、解像度は一辺256〜2048ピクセルの範囲で、正方形だけでなく横長・縦長まで柔軟に出力できる。
テキストと画像を一本の系列で扱う単一ストリーム型は、近年の高性能な画像モデルが採用している構成で、文字の形と周囲の絵柄を同じ土俵で処理できる。Ideogram 4.0が文字描画に強いのは、この構造に加えて、言語理解に優れたQwen3-VLをテキスト側に据えている点が効いていると見られる。文字を「絵の中の模様」としてではなく、意味を持つ要素として扱えるかどうかが、看板やロゴの破綻しにくさに表れる。
構造化プロンプトという作り方
このモデルの性格をもっともよく表すのが、プロンプトの与え方だ。Ideogram 4.0は構造化されたJSON形式のキャプションだけで学習されている。通常の画像モデルが「赤い看板に白い文字でSALEと書かれた店先」といった一文で指示するのに対し、Ideogram 4.0は画面の構成要素を項目に分けて記述できる。要素ごとに色やスタイルを指定したり、配置をバウンディングボックスで与えたり、最大16色のパレットを渡したり、文字要素を型として明示したりと、画面の設計図を言葉で組み立てる感覚に近い。
この方式の利点は、再現性とコントロールにある。どの位置に何を置くか、どの色を使うかを構造として渡せるため、「だいたいこんな雰囲気」ではなく「この配置でこの文字」を狙いにいける。ロゴ、バナー、パッケージのモックアップ、図解のように、レイアウトと文字が成果物の良し悪しを決める用途では、一文のプロンプトを何度も振り直すより速く意図に近づける。一方で、抽象的な雰囲気重視の絵を一発で出したいだけなら、この記述の手間はかえって重く感じられる。ComfyUIのワークフローでは自然文とJSONの両方の入力に対応しており、用途に応じて使い分けられる。
文字の描画精度はOCRベースの指標で0.97と高く、多行・複数フォントの文字を画像の中に破綻なく入れられる。配布されている重みには、nf4とFP8の二つの量子化版がある。第三者のDesign Arena（画像のELOリーダーボード）では、Ideogram 4.0は重みが配布されているモデルの中で最上位に位置づけられ、OpenAIやGoogle系のクローズドモデルに続く評価を得ている。Ideogram公式の内部評価でも、グラフィックデザイナー4,366件の投票によるデザイナー選好のELOで1062を記録し、全体2位、重みが配布されているモデルの中では1位とされた。レイアウト制御を測る指標で0.69、空間把握で0.76、プロンプトとの整合で0.89と、文字とデザインを軸にした項目で高い値を示している。生成の速さや手軽さを優先するモデルとは異なり、設計どおりの画像を作りにいく方向に振った性格だと言える。
ライセンス —「オープンソース」ではなく非商用
導入前にもっとも確認しておくべきなのがライセンスである。Ideogram 4.0は重みが公開されているが、その許諾はIdeogram 4 Non-Commercial Model Agreement(非商用モデル契約)に従う。誰でもダウンロードして中身を見られるという意味で「オープン」ではあるが、自由に商用利用できるオープンソースとは異なる。「無料」「オープンソース」という表現だけでは、この区別を踏まえきれていない。
契約が定める「非商用の目的」は、おおむね次の範囲に限られる。収益を直接にも間接にも生まない利用、営利企業による評価・検証・研究開発を本番環境ではない場で行う利用、個人の学習や趣味としての利用、慈善目的の利用である。逆に契約が明確に外しているのが、「収益を生む製品やサービスに含めたり、その宣伝に使ったりする目的で生成物(Output)を作ること」だ。さらに、生成物をIdeogramと競合するモデルや製品の学習・改良に使うことも禁じられている。商用や本番運用でモデルを使うなら、別途の商用許諾が必要になる。
ここで実務上の注意が一つある。生成した画像をどこに出すかで線引きが変わる点だ。手元で評価・検証のために試す、個人の制作物として使う、といった範囲は非商用に収まる。一方、収益化しているサイトやサービス、商品の宣伝に生成画像を載せると、それは「収益を生む製品・サービスに含める」利用にあたり、非商用の枠を超える。この契約には売上のしきい値や小規模事業者の例外がないため、個人が受注した小さな案件でも、企業が大規模に使う場合と同じ扱いになる。ローカルで動かせること自体は、商用に使ってよいことを意味しない。
もう一点、見落とされやすいのが「評価はよい」という例外の範囲だ。契約が認める評価・検証は本番環境ではない場での利用を指す。手元で性能を確かめる、社内で品質を見る、といった閉じた使い方は収まるが、公開されたサイトに生成画像を出した時点で、それは評価ではなく公開・配布の側に移る。「試すのは自由」と「公開してよい」は別の話として扱う必要がある。
重みを再配布する場合は、契約文の同梱・帰属表示・著作権表示の保持・改変点の明示などが求められ、第三者に課す条件も元の契約より緩くはできない。ライセンスは改定されることがあるため、実際に利用する前に配布元の最新の条文を確認するのが前提になる。判断の起点は「モデルを事業に組み込みたいのか、評価や個人利用にとどめるのか」で、前者なら商用許諾の取得が出発点になる。
ローカルで動かす構成 — 合計約30GB前後
Ideogram 4.0はComfyUIが公開初日から対応しており、テンプレートとワークフローが用意されている。動かすために必要なファイルは、拡散モデル本体に加えてテキストエンコーダ二種とVAEがあり、FP8の構成では合計でおよそ30GB前後になる。内訳は次のとおりで、配置先のフォルダもファイルごとに分かれる。
| 役割 | ファイル | サイズ | 配置先 |
|---|---|---|---|
| 拡散モデル(FP8) | ideogram4_fp8_scaled.safetensors | 約9.3GB | models/diffusion_models/ |
| 拡散モデル(無条件側) | ideogram4_unconditional_fp8_scaled.safetensors | 約9.3GB | models/diffusion_models/ |
| テキストエンコーダ | qwen3vl_8b_fp8_scaled.safetensors | 約8.8GB | models/text_encoders/ |
| テキストエンコーダ(補助) | gemma4_e4b_it_fp8_scaled.safetensors | 約2GB | models/text_encoders/ |
| VAE | flux2-vae.safetensors | 約0.34GB | models/vae/ |
flux2-vae.safetensorsを使う注目したいのは、拡散モデルが二つのファイル(通常版と「無条件(unconditional)」版)に分かれ、それぞれ約9.3GBある点だ。Ideogram 4.0は生成時に非対称な分類器フリーガイダンスを用いるとされ、この二系統のファイルはその構成に対応すると見られる。いずれにせよディスク上の合計は約30GB前後で、ストレージの空きはまず確保しておきたい。ファイルサイズは配布元の再パックや更新で変わることがあるため、導入前に配布ページの表示を確認しておくとよい。VAEがFLUX.2と同じflux2-vae.safetensorsである点も実務的で、FLUX.2 Kleinを動かした環境があれば一部のファイルは流用できる。
量子化版は、FP8のほかにnf4も配布されている。nf4はより低いビット数まで圧縮した版で、ファイルサイズと必要メモリをさらに抑えられる代わりに、細部の再現で差が出ることがある。ComfyUI公式チュートリアルではFP8構成が案内されており、本記事ではこの構成を基準に容量を整理している。コミュニティの動作報告もFP8構成を前提にしたものが多い。手元のVRAMがさらに厳しい場合は、より軽いnf4を試す逃げ道がある、という位置づけになる。まずはFP8で動かし、収まらなければnf4に切り替えるのが無難だ。
VRAMについては、ディスク上の約30GBがそのままGPUに載るわけではない。テキストエンコーダと拡散モデルは処理の段階が分かれるため、ComfyUIは使い終えたエンコーダをVRAMから退避させながら順に載せる、逐次的なオフロードを行う。同時に常駐させる量を減らすこの仕組みがあるため、合計容量より小さいVRAMでも動かせる。配布元のコミュニティでは、VRAM 16GB・RAM 32GBの環境で、48ステップの生成がおよそ5分以内、12ステップの高速モードでは1分半以内に収まったという報告がある。これは手元で計測した値ではなく、公開されている動作報告に基づくもので、実際の速度は量子化の選択やオフロードの設計、解像度、ステップ数によって前後する。VRAM 16GB級のGPUで画像生成を回すときの一般的な勘所はComfyUIの推奨スペック(VRAM別の目安)に整理がある。
ステップ数の選択は、速度と仕上がりのトレードオフに直結する。48ステップは細部まで詰めたいときの設定で、時間はかかる。12ステップの高速モードは、構図やレイアウトの当たりを素早く確認したいときに向く。ロゴやバナーのように文字の正確さが要る用途では、まず低ステップで配置を固め、方向が定まってから高ステップで仕上げる、という二段構えが現実的だ。ComfyUIやワークフローの前提についてはComfyUIとは(必要スペックと始め方)に整理がある。
もう一つ、入手の段階で一手間がある。FP8の重みはHugging Faceの配布ページに置かれているが、ダウンロードの前に非商用ライセンスへの同意が必要な形(ゲート付き)で公開されている。リンクをたどってすぐ落とせるわけではなく、アカウントでの同意を経てから取得する流れになる。同意は連絡先情報(メールアドレスとユーザー名)を配布元に共有することも含むため、内容を確認したうえで進めるとよい。容量が大きいぶん、回線とストレージの両方に余裕を見ておきたい。
FLUX.2 Klein 9Bとの使い分け
VRAM 16GBで動かす9B級の画像モデルという点で、Ideogram 4.0はFLUX.2 Klein 9Bと同じ土俵に乗る。両者はテキストエンコーダにQwen3系を使い、VAEも同じflux2-vae.safetensorsを共有するなど、構成に重なる部分が多い。一方で、得意分野とライセンスの考え方は対照的だ。
| 観点 | Ideogram 4.0(9.3B) | FLUX.2 Klein 9B(蒸留版) |
|---|---|---|
| 強み | 文字描画・JSONによるレイアウト制御 | 少ないステップでの高速生成 |
| 生成ステップ | 12 / 20 / 48 | 4(蒸留版) |
| プロンプト | 自然文＋構造化JSON | 自然文 |
| 重みのライセンス | 非商用(Ideogram Non-Commercial) | 非商用(FLUX Non-Commercial) |
| 生成画像の商用利用 | 収益化製品への利用は非商用の枠外 | 条文上、出力画像は商用利用が認められる |
| ディスク構成(FP8系) | 約30GB前後(拡散2ファイル+エンコーダ2種) | 量子化版で十数GB規模 |
使い分けの軸は二つある。一つは用途で、ロゴや図版、文字入りのデザインを設計どおりに作りたいならIdeogram 4.0、反復しながら速く枚数を出したいならステップ数の少ないKleinが向く。Ideogram 4.0は12〜48ステップを要するため一枚あたりの時間は長めで、その代わりレイアウトの作り込みに応えやすい。Kleinは4ステップで描けるぶん試行回数を稼げるが、文字のような細部では当たり外れが出やすい。
もう一つがライセンスで、両者とも重みは非商用だが、生成した画像の扱いが逆になる。FLUX.2 Klein 9Bは非商用ライセンスでも出力画像の商用利用を条文で認めているのに対し、Ideogram 4.0は収益化製品への出力利用を非商用の枠外としている。生成物を仕事に使う前提なら、この差は決定的になりうる。文字やロゴの質ではIdeogram 4.0が魅力的でも、その出力を商用で使うなら有料の許諾が要る。この条件まで含めて選ぶ必要がある。FLUX.2 Klein 9Bを16GBで動かした実測はFLUX.2 Klein 9BをVRAM 16GBで実測にまとめており、量子化形式ごとの容量と速度の関係はローカルLLMの量子化の実測比較で扱っている。
商用で使いたい場合の選択肢
ここまで見たとおり、配布されている重みは非商用に限られる。では生成画像を仕事で使いたい場合はどうするか。Ideogramは重みの配布とは別に、ブラウザで使えるオンライン版(ideogram.ai)と、開発者向けのAPI(developer.ideogram.ai)を提供している。商用での出力利用は、非商用ライセンスの重みをローカルで回す経路ではなく、こうした提供元の有料サービスを通すのが筋になる。料金や利用条件は提供形態によって異なるため、商用での利用を見込むなら、使う前に提供元の最新の規約を確認しておきたい。
選択は、用途と目的で分かれる。文字やレイアウトの作り込みを手元で試したい、個人の制作や評価にとどめる、という範囲なら、ローカルのFP8構成が合う。GPUを持っていれば追加の費用なく動かせ、入力した内容も手元で完結する。一方、生成画像を収益化サイトやクライアント案件、商品の宣伝に使うなら、ローカルの重みではなく提供元の商用ライセンスやサービスが前提になる。
同じモデルでも、どこで動かし、どこに出すかで、踏むべき手続きが変わる。ローカルで動かす手軽さに目が向きやすいが、出力の使い道を先に決めておくと、非商用の範囲で済むのか、商用の経路が要るのかを取り違えずにすむ。
よくある質問 (FAQ)
Q. Ideogram 4.0はVRAM 16GBで動く?
ComfyUIの逐次オフロードを前提にすれば、動かせる範囲にある。配布元のコミュニティでは、VRAM 16GB・RAM 32GBの環境で48ステップの生成が約5分以内、12ステップの高速モードで1分半以内に収まったと報告されている(速度は量子化・解像度・ステップ数で前後する)。ディスク側はFP8一式で約30GB前後の空きが要る。
Q. 生成した画像を自分のブログやサービスに載せてよい?
用途による。収益を生まない個人利用や、手元での評価の範囲なら非商用ライセンスに収まる。一方、広告や商品の宣伝など収益化される場に生成画像を出すのは「収益を生む製品・サービスにOutputを含める」利用にあたり、非商用の枠を超える。この場合は別途の商用許諾が必要になる。
Q. 「オープンソース」と紹介されているが、無料で何にでも使える?
重みは公開されているが、ライセンスは非商用のIdeogram 4 Non-Commercial Model Agreementに従う。誰でもダウンロードできるという意味で「オープン」ではあるが、自由に商用利用できるオープンソースとは異なる。商用で使うなら提供元の有料サービスや商用ライセンスが前提になる。
Q. nf4とFP8のどちらを選べばよい?
ComfyUI公式チュートリアルはFP8構成を案内しているため、まずはFP8が無難だ。手元のVRAMがさらに厳しい場合は、より軽いnf4を試す逃げ道がある。nf4はファイルサイズと必要メモリを抑えられる代わりに、細部の再現で差が出ることがある。
導入前に押さえる要点
Ideogram 4.0は、文字とレイアウトの精度で頭一つ抜けた画像モデルで、手元のVRAM 16GB級のGPUでも、量子化と逐次オフロードを前提にすれば動かせる範囲にある。設計図を言葉で渡すような構造化プロンプトに馴染めば、ロゴやバナー、図解といった「文字とレイアウトが成果物を決める」用途で力を発揮する。半面、雰囲気重視の絵を一発で出したい用途や、とにかく速く枚数を出したい用途では、ステップ数の少ない高速モデルのほうが噛み合う。
導入の前提として、ディスク上で約30GB前後という容量と、ゲート付き配布での同意という手間がかかる。どのGPUなら無理なく動くかという観点はVRAM 16GB GPUを用途別に選ぶならで整理している。そして最終的に判断を分けるのはライセンスだ。重みが公開されていることと、生成画像を自由に使えることは別である。評価・検証・個人利用の範囲なら非商用の条件で動かせるが、収益化しているサイトやサービス、商品の宣伝に生成画像を使うなら、商用許諾が出発点になる。ローカルで動くという手軽さと、その出力をどこまで使ってよいかは、切り離して考える必要がある。
