影像模型競爭正在從「畫得漂亮」轉向「可控設計」：Reve 2.0、MAI-Image-2.5 與 Ideogram 4 的共同訊號

Reve 官方把 Reve 2.0 定位為「Images you can touch」，核心敘事是 separating planning from rendering：先產生可被檢查與編輯的 layout / code-like intermediate representation，再渲染成圖片。官方頁面強調 agent-native、native 4K x 4K、16MP、高解析迭代與 lossless editing。

Microsoft AI 介紹 MAI-Image-2.5 為其最強影像模型，主打 high-quality generation、precise controllable editing、stronger text rendering、product imagery、localized edits、face / identity consistency，並稱在 Arena image editing leaderboard 排名第 2、text-to-image 排名第 3。

Ideogram 4 的 GitHub README 稱它是 Ideogram 第一個 open-weight text-to-image model，從零訓練，不是既有模型 fine-tune；特色包含 structured JSON prompting、multilingual text rendering、bounding-box layout、color-palette controls 與 native 2K images。它特別適合海報、Logo、包裝、文字與排版類任務。

如果圖片有可編輯中間表示，使用者或 agent 就不必每次用自然語言重擲整張圖，而可以改座標、層級、文字、物件關係、構圖區塊。這比較接近 Figma / Illustrator / 版面設計稿，而不是單次抽卡。

商業圖片通常要求文字正確、Logo 不變形、產品角度一致、版面能修改、同一套視覺能產出多尺寸、多語、多渠道素材。這些要求會把模型評估從「審美」推向「可控、可複用、可驗收」。

當模型能輸出或操作 layout / JSON / bounding box / palette，agent 才能真正做設計迭代：讀 brief、產版型、比較候選、局部修字、輸出尺寸、檢查品牌規範。純 prompt 模型很難穩定完成這種多步驟流程。