La plupart des modèles d'image de cette vague sont soit ouverts, soit utilisables, rarement les deux de façon satisfaisante. Kolors est un cas étrange et utile : le modèle lui-même est ouvert en profondeur — le code, les poids, la chaîne d'outils qui va avec sont tous disponibles — tandis que le site autonome grand public a fermé le 23 août 2024 et que l'entrée de génération d'images a rejoint la plateforme Kling AI. Qui veut juste une image va là-bas. Qui veut bricoler récupère les poids et les fait tourner chez soi.

D'abord le plus difficile : écrire correctement les caractères

Le dépôt officiel annonce un avantage marqué sur le rendu des caractères latins et chinois, et place le rendu de texte parmi les capacités mises en avant : le modèle produit des caractères chinois corrects. C'était justement le point douloureux des modèles nationaux : beaucoup dessinent bien portraits et paysages, puis produisent du charabia dès que des caractères apparaissent dans le cadre. Dans les exemples officiels, l'inscription sur une sphère couverte de lierre est dessinée par le modèle lui-même, non collée après coup.

Motifs chinois et portraits réalistes

Les exemples se répartissent en quatre familles : portraits de haute qualité, motifs chinois, compréhension sémantique complexe et rendu de texte. Côté motifs, la Grande Muraille, l'architecture classique et les silhouettes urbaines ; côté portraits, une peau naturelle et une lumière cinématographique. Ces deux-là sont exactement ce à quoi les créateurs sinophones recourent le plus — illustration à la chinoise, affiches de fête, portraits pour le commerce — et le matériel officiel fournit des références prêtes pour chacun.

Le compte technique

Le document technique indique que le modèle repose sur une diffusion latente et s'entraîne sur des milliards de paires image-texte ; le côté texte accepte le chinois et l'anglais, avec une longueur de contexte de 256 jetons. L'équipe a aussi construit son propre jeu d'évaluation, plus de mille prompts couvrant quatorze catégories et douze dimensions de notation, contrôlé par des humains et des machines. Le 3 juillet 2024, le modèle a pris la deuxième place du classement texte vers image multimodal de FlagEval, et la première en qualité subjective pour le chinois et l'anglais.

À quel point c'est ouvert

C'est la particularité. Le dépôt précise que le code du projet utilise la licence Apache, que les poids sont entièrement ouverts pour la recherche académique et que l'usage commercial demande une inscription auprès de l'équipe. Au-delà du modèle principal, les ajouts habituels sont ouverts aussi — un adaptateur pour références de style, des réseaux de contrôle pour contours, profondeur et pose, la retouche locale et un affinage à rang réduit — et le modèle fonctionne déjà avec une interface à nœuds, une interface web simple et la bibliothèque Python de diffusion standard. Il peut donc s'insérer dans un flux existant au lieu de vivre seulement dans une page fermée.

Où l'utiliser aujourd'hui

L'annonce sur l'ancien site est explicite : la génération d'images continue via la plateforme Kling AI, et le site d'origine a fermé le 23 août 2024. Les outils de création et la personnalisation d'avatars y ont été repliés. En avril 2025, une deuxième génération de modèle d'image y est arrivée, et la version 2.1 a suivi le 10 juillet de la même année. Un point à retenir : la migration ne conserve pas les créations passées, donc qui a d'anciens travaux sur le site d'origine doit les sauvegarder lui-même.

Les limites, nommées

Deux choses valent d'être connues d'avance. Kolors n'est plus un produit exploité de façon autonome, et beaucoup de tutoriels anciens pointent encore vers une adresse fermée ; l'entrée vivante se trouve sur l'autre plateforme. Et l'ouverture n'est pas l'absence de règles : les poids sont ouverts pour la recherche, l'usage commercial demande une inscription, et l'équipe rappelle que les modèles génératifs sont aléatoires, si bien que l'exactitude et la sûreté des sorties ne peuvent être pleinement garanties. Ni l'un ni l'autre n'est un piège, mais les deux entrent dans le calcul avant de choisir.

En résumé : la valeur n'est pas dans un site d'images de plus. Elle est dans un modèle texte vers image sinophone qui écrit correctement les caractères, ouvre ses poids et s'insère dans un flux existant. Pour les images du quotidien, on va sur la plateforme hébergée ; pour un travail sérieux, on récupère les poids et on les fait tourner. Les deux routes sont ouvertes.