AI Research 技术调研

Recraft V4

16分钟阅读

一句话定位

Recraft V4 是美国设计向初创 Recraft 于 2026-02 发布的闭源文生图新一代旗舰，定位是把”设计品味（design taste）“作为核心卖点——在与专业设计师协作下调优构图、配色关系、明暗、材质真实感、细节层级，让输出”像被艺术指导过”而非千篇一律的图库感；产品上提供栅格 + 矢量双输出（V4 / V4 Pro / V4 Vector / V4 Pro Vector 四档），并自称是唯一能从 prompt 直接生成可编辑、生产级 SVG 的模型。第三方 Artificial Analysis 文生图竞技场快照（2026-06）显示 Recraft V4 Pro ELO 1,144（7,371 样本）、Recraft V4 ELO 1,137（7,448 样本）。

边界声明：Recraft 从未发布论文或技术报告，V4 亦然（SERP 仅返回产品/营销页，无 arXiv/技术报告）。本页所有方法与数字均来自已落盘的官方博客 / 文档 / 第三方竞技场快照。骨干架构、参数量、训练目标、数据规模、算力等官方全部未披露，相应维度如实标注”未披露”，不臆造任何数字。

背景与定位

Recraft V4 是 recraft-v3（2024-10，竞技场代号 red_panda）的从头重建（“ground-up rebuild” / “ground-up rebuild focused on… visual taste”）后继，要放进”设计垂直赛道的闭源文生图旗舰”这条支线理解：

  • 问题诊断（官方口径）：博客明确指出，当下主流图像模型”are optimized for broad, general preference（为广义、大众化偏好优化）“——这对大众吸引力有效，但不一定符合品牌系统、营销活动、生产级设计工作所需的标准。Recraft 的解法不是再卷”prompt 遵循准确率”，而是补上**视觉判断（visual judgment）**这一维：构图、光照、配色关系、材质真实感都要”有品味”。这是它与 gemini-3-pro-image-nano-banana-pro、gpt-image-2、seedream-4-0、flux-2 等”通用偏好优化”旗舰的差异化叙事。
  • 谱系位置：V4 延续 V3 的”设计语言（thinks in design language）+ 矢量生成 + 文字渲染”定位，但重心从”长文本可读 / 文字精确定位”转向”整体审美品味”。值得注意：V4 暂不支持 V3 招牌的若干能力——Style creation（自定义/品牌风格创建）、Prompt-based editing（提示词编辑）、Image sets、Artistic level control（构图非常规度调节）；官方”选模型”指南因此仍建议”需要风格一致性 / 精确文字定位 / artistic level 时用 V3”。即 V4 是新审美主干，但功能栈尚未完全覆盖 V3。
  • 代际位置：V4（2026-02）之后 Recraft 又于 2026-05-14 发布 recraft-v4-1（V4.1，新增 Utility 简化变体、更克制的写实与更短 prompt 响应），故 V4 是 V4 系列的奠基代，本页聚焦 V4 本体。

模型架构

官方未公布任何架构细节——backbone（U-Net / DiT / MMDiT / 自回归 / masked）、参数量、VAE/tokenizer、text encoder、条件注入方式全部未披露。仅能从产品文档归纳出系统级形态：

  • 四档同源模型：V4 与 V4 Pro”share the same creative capabilities and design taste”，“the difference is resolution and scale”——即 Pro 与 Standard 共享同一审美主干，差异在分辨率与算力规模，而非两套独立模型。
    • Recraft V4（Standard）：栅格，1024×1024，约 10 秒/图。
    • Recraft V4 Pro：栅格，2048×2048（原生高分辨率），约 28–30 秒/图；官方称其”perfecting anatomy issues and improving realism across complex scenes”、更适合复杂构图与印刷级（print-ready）高保真。
    • Recraft V4 Vector / V4 Pro Vector：矢量输出，约 15 秒 / 45 秒。
  • 矢量生成：V4 称是”the only AI model that generates editable vector files from a prompt”——产出真正的 SVG（结构化图层、干净几何、离散色块），可直接导出 web/print 或在专业设计软件二次编辑，无需 tracing / cleanup / 转换。机制（端到端矢量生成 vs 栅格→矢量化）官方未说明；从”discrete color regions / structured layers / scalable geometry”的措辞看更像面向矢量结构的专门生成路径，但无源证实，标注未披露。
  • 文字作为结构组件：博客强调 V4”treats typography as a structural component of the composition rather than a purely decorative overlay”——长 prompt 下让文字与构图（如压向画框边缘、跨水线桥接上下空间）产生空间张力。这是 V3”显式文字版式 + ControlNet 式注入”思路的延续，但 V4 未披露是否仍沿用 V3 的 text-layout/ControlNet 管线，标注未披露。
  • Exploration Mode（探索模式）：V4 独有的产品级能力——单条 prompt 一次产出 8 张多方向变体（multiple visual directions），用于创作早期快速比选风格/构图/概念。属推理/产品层特性，非架构机制。

输出格式（产品层）：SVG、PNG、JPG、PDF、TIFF、Lottie。

数据

官方完全未披露 V4 的数据来源 / 规模 / 配比 / 清洗过滤 / re-captioning / 合成数据比例 / 美学与安全过滤等任何信息。

唯一可考证的、与数据相关的高层方法陈述：博客称模型是”developed in close collaboration with designers, tuning it around design aesthetics and professional expectations”——即以专业设计师参与的方式围绕”设计审美与专业预期”调优。这指向某种设计师偏好驱动的对齐/调优（很可能含人评偏好数据），但官方未说明是 SFT、偏好数据规模、还是 RLHF/DPO 形态，亦无任何数字，故训练数据维度整体记为”未披露”。

（对照：recraft-v3 曾详细披露过为”可读文字”专门构造的 OCR→过滤→版式条件 captioning 数据管线；V4 博客未重述也未扩展该数据工程，是否沿用未知。）

训练方法

训练目标 / 范式（diffusion / flow-matching(rectified flow) / next-token / masked-token）、多阶段流程（预训练→continue→SFT→偏好对齐）、蒸馏与步数加速、超参与 trick——官方全部未披露。可确证的仅两点高层陈述：

  • 从头重建：“a ground-up rebuild”——V4 是相对 V3 重新构建的新一代主干，而非微调。
  • 设计师协同调优：“developed… in close collaboration with designers, tuning it around design aesthetics and professional expectations”，目标”not just accurate prompt interpretation, but stronger visual judgment across composition, lighting, color relationships, and material realism”。这强烈暗示存在一个面向”设计品味”的偏好对齐/审美调优阶段（区别于”broad general preference”优化），但具体方法（reward model / DPO / RLHF / 人评数据规模）官方未公开，标注未披露。

推理速度可作为加速能力的间接旁证：Standard 1024² 约 10s、Pro 2048² 约 28–30s、Vector 15s/45s——但官方未公开步数、是否做了 consistency/步数蒸馏，故不能据此断言加速手段，记为未披露。

Infra（训练 / 推理工程）

  • 训练 infra：算力规模 / GPU·时 / 并行分布式 / 混合精度 / 吞吐——全部未披露。
  • 推理 / 部署（已知）：
    • 推理时延（官方文档，V4 发布期口径）：V4 ~10s（1024²）、V4 Pro ~28–30s（2048²，博客 ~28s / V4 文档 ~30s）、V4 Vector ~15s、V4 Pro Vector ~45s。注：后发布的 V4.1 文档「Model Inference Time」表给出的是中位时延且明显更低（V4 11s、V4 Pro 16s、V4 Vector 16s、V4 Pro Vector 19s），与发布期”约 N 秒”口径不一致（疑为后续推理优化或测量口径差异），两组数字均来自已落盘官方源，此处并列存证、不强行二选一。
    • 部署形态：Recraft Studio 网页端 + API（全平台），并有 iOS / Android App；全部 V4 模型对**所有套餐（含 Free 计划）**开放。
    • 第三方 ComfyUI 节点（recraft-ai/ComfyUI-RecraftAI）通过 Recraft API 调用（其 README 截至 2026-06-25 抓取时仍只描述 “Recraft V3（code-named red_panda）“、零处提及 V4，已落盘核对）。
    • 计费（第三方 Artificial Analysis 报价，2026-06 快照）：Recraft V4 $40/1k 图、Recraft V4 Pro $250/1k 图；Studio 内 Exploration Mode 每图 2 credits、每次固定 8 图共 16 credits。
  • 步数 / 缓存 / 量化 / 蒸馏等推理加速工程细节：未披露。

评测 benchmark（把效果讲清楚）

Recraft 自身未公布任何自动指标（无 FID / CLIPScore / GenEval / T2I-CompBench / DPG-Bench / MJHQ-30K / HPSv2 / ImageReward / PickScore 等），延续 V3”只给定性对比、不给自动数字”的一贯做法。可用的量化成绩来自第三方 Artificial Analysis 文生图竞技场（人评 ELO），以下为本页抓取的 2026-06 快照（非发布期成绩，仅作时间坐标 + 竞争位次）：

模型ELO95%CI样本发布API 报价
Recraft V4 Pro1,144-9/97,371Feb 2026$250/1k
Recraft V41,137-8/87,448Feb 2026$40/1k
Recraft V4.1 Pro（参照后代）1,155-10/103,206May 2026$210/1k
Recraft V4.1（参照后代）1,148-10/103,536May 2026$35/1k
Recraft V3（参照前代）1,068-8/87,873Oct 2024$40/1k
  • 代际进步：V4（1,137）较 V3（1,068）在同一榜单上提升约 +69 ELO，V4 Pro 1,144 再高一档；后续 V4.1 系列（1,148/1,155）再小幅领先 V4，与”V4 奠基、V4.1 精修”的官方叙事一致。
  • 竞争位次（2026-06 快照同榜头部，供对照，非 Recraft 数据）：GPT Image 2(high) 1,339（#1）、Nano Banana 2 1,256、Nano Banana Pro 1,220、Seedream 4.0 1,194、FLUX.2[max] 1,193、Imagen 4 Ultra 1,174、Ideogram 4.0 Quality 1,169。V4/V4 Pro 在该综合人评榜处于中上游（约第 40–43 名档），明显落后于 2026 年最新通用旗舰——这与 Recraft 的定位自洽：它优化的是**“设计师品味 / 生产可用性 / 矢量输出”这类通用 Arena 不直接奖励**的维度，而非通用大众偏好 ELO。
  • 官方主张的强项（定性，无数字，来自发布博客的逐对比对）：
    • 写实人像的情绪氛围：V4 Pro 产出”cinematic frames with distinct emotional atmosphere”，对照 Nano Banana Pro”technically compliant, yet feels less expressive”。
    • 短 prompt 下的审美自主：极简 prompt 时 V4”delivers images with strong visual identity, intentional styling… could find its way into a fashion editorial”，对手则”safe / stock-like / commercially polished”。
    • 排版作为结构：长 prompt（如 OVERTHINK 3D 海报、TIDELINE 编辑海报）中 V4 让文字”压向画框 / 跨水线桥接空间”，与构图形成张力，而非贴图式叠加。
    • 多产品 mockup 的合规与一致：BOTANICA LAB 案例中 V4 Pro 准确产出”3 瓶 + 1 罐 + 一致 label/logo”，对照 Nano Banana Pro”产品数量错误、漏掉一瓶品牌标识”。
    • 矢量：唯一从 prompt 直出可编辑生产级 SVG。
  • 消融 / 自动量化对照：无。官方仅有”V4 vs Nano Banana Pro / GPT Image / Midjourney”的主观逐图对比，均为 Recraft 自选样例的定性叙述，无量化消融、无独立第三方自动评测。

上表 ELO / 样本 / 报价均来自已落盘的 Artificial Analysis 竞技场快照（2026-06）；官方未报告的自动指标本页一律标”未报告”，不编造。

创新点与影响

核心贡献（基于官方一手叙事）

  1. 把”设计品味”显式作为优化目标：相对”broad general preference”优化的主流旗舰，V4 以专业设计师协同调优为路线，把构图/配色/明暗/材质/细节层级的视觉判断当一等优化对象——这是它在拥挤的 2026 文生图赛道的差异化叙事（“true visual taste to AI image generation”）。
  2. 生产级矢量直出：自称唯一从 prompt 直接生成可编辑结构化 SVG（图层/几何/离散色块），免 tracing/cleanup，面向品牌资产、图标、插画、产品设计的真实生产流水线。
  3. 同源四档（Standard/Pro × Raster/Vector）+ Exploration Mode：共享审美主干、按分辨率/算力分档（1024² ↔ 2048²），并以单 prompt 出 8 变体降低创作早期试错成本，把”设计工作流”产品化。

影响

  • 与 recraft-v3 的”文字版式 / 矢量”卖点一脉相承，进一步把 Recraft 在专业设计垂直赛道的位置坐实；并直接催生后代 recraft-v4-1（2026-05）。
  • 给”通用 Arena ELO 不等于专业可用性”提供了又一案例：V4 在综合人评榜处中上游，却以”设计师品味 + 矢量 + 生产可用”另辟评价维度——提示评测体系对设计/生产场景覆盖不足。

已知局限

  • 闭源 + 无技术报告/论文：骨干、参数、分辨率策略、训练目标、数据规模、算力全部不可考，无法复现或做严肃技术比较。
  • 功能栈相对 V3 有缺口：V4 暂不支持 Style creation、Prompt-based editing、Image sets、Artistic level control（官方仍建议这些需求回退 V3）。
  • 无自动 benchmark：Recraft 一贯不出 GenEval/DPG/FID 等可比量化指标，唯一第三方量化成绩是综合人评 ELO，在该榜上落后于 2026 最新通用旗舰（GPT Image 2 / Nano Banana 2 等）。
  • 文字能力相对 V3 表述更克制：V4 文档称”短/中长短语高保真”，未再主张 V3”全世界唯一能生成长文本”的口径。

原始链接

一手源存档（sources/）

关系图谱

反向链接