MOSS-Image oder Z-Image: welches Apache-2.0-Bildmodell?

MOSS-Image zeichnet lange chinesische und englische Texte und folgt JSON-Layouts; Z-Image Turbo erzeugt fotorealistische Bilder in 8 Schritten auf einer 16-GB-GPU. Beide sind Apache 2.0.

  • Aktualisiert

Fazit. Entscheiden Sie danach, was das Bild enthalten muss. MOSS-Image (ein 5,08B-Generator, 27,2 GB mit seinem Qwen3.5-9B-Textencoder) ist für dichten, lesbaren Text und kontrollierbares Layout gebaut: Sein Bericht erzielt 96,3 auf einem Benchmark für lange chinesische und englische Texte, und es folgt JSON-Layouts, die festlegen, wohin jeder Textblock kommt, aber es kann nur Text-zu-Bild und nutzt standardmäßig 50 Schritte. Z-Image (6,15B) ist auf Geschwindigkeit und Fotorealismus ausgelegt: Turbo erzeugt ein Bild in 8 Schritten und passt auf eine 16-GB-GPU, und das Basismodell ist der etablierte Ausgangspunkt für Fine-Tuning, allerdings sind seine Editing- und Omni-Checkpoints noch unveröffentlicht. Beide nutzen pures Apache 2.0. MOSS-Images Bericht testet Z-Image nicht, es gibt also keinen veröffentlichten Direktvergleich bei Text oder Layout — am besten prüfen Sie es mit Ihren eigenen Prompts.

Spezifikationen

Spezifikationen MOSS-ImageZ-Image
EntwicklerOpenMOSSTongyi MAI
Erscheinungsdatum16. Oktober 202626. November 2025
Parameter insgesamt5.08B (MOSS-Image-SFT (BF16))6.15B (Z-Image-Turbo)
Aktive ParameterAlleAlle
ArchitekturDiffusionDiffusion
Kontextfenster––
EingabeTextText
Lizenz Apache 2.0 (Permissiv) Apache 2.0 (Permissiv)
Speicher für die kleinste Variante (4 Bit)4.2 GB (MOSS-Image-SFT (BF16))16 GB (Z-Image-Turbo)

Leistungsangaben stammen vom Entwickler und wurden nicht unabhängig überprüft.

Wählen Sie MOSS-Image, wenn

  • Sie machen Poster, Infografiken oder Notizen mit langen chinesischen oder englischen Passagen, die korrekt geschrieben sein müssen.
  • Sie wollen mit einem JSON-Layout festlegen, wohin jeder Text und jedes Objekt kommt.
  • Sie haben eine kleine GPU, aber viel RAM und eine schnelle SSD: das Low-Memory-Profil peakt nahe 4 GB GPU-Speicher und etwa 14 GiB RAM.
  • Sie wollen Base- und SFT-Checkpoints fürs Fine-Tuning, mit Community-Trainern, die Adapter-Training ab 6 GB VRAM angeben.

Wählen Sie Z-Image, wenn

  • Sie wollen die schnellste Generierung: Turbo braucht 8 Schritte und kein Guidance und passt auf eine 16-GB-GPU.
  • Sie machen vor allem fotorealistische Bilder, wo Tongyi sagt, dass Turbo am stärksten ist.
  • Sie wollen das Modell mit der größeren Community: Hugging Face zeigte etwa 743.000 Downloads von Z-Image-Turbo in den 30 Tagen bis zum 11. November 2026, gegenüber etwa 22.000 für MOSS-Image-SFT.
  • Sie können auf Tongyis Editing- und Omni-Checkpoints warten, die auf der GitHub-Seite als in Kürze erscheinend gelistet sind.

MOSS-Image · Z-Image