MOSS-Image frente a Z-Image: ¿qué modelo de imagen Apache 2.0?
MOSS-Image dibuja textos largos en chino e inglés y sigue diseños JSON; Z-Image Turbo crea imágenes fotorrealistas en 8 pasos en una GPU de 16 GB. Ambos son Apache 2.0.
Veredicto. Elige según lo que la imagen deba contener. MOSS-Image (un generador de 5.08B, 27.2 GB con su codificador de texto Qwen3.5-9B) está hecho para texto denso y legible y diseño controlable: su informe puntúa 96.3 en un benchmark de texto largo en chino e inglés y sigue diseños JSON que fijan dónde va cada bloque de texto, pero solo genera imágenes a partir de texto y por defecto usa 50 pasos. Z-Image (6.15B) apuesta por velocidad y fotorrealismo: Turbo crea una imagen en 8 pasos y cabe en una GPU de 16 GB, y el modelo base es el punto de partida consolidado para afinarlo, aunque sus checkpoints de edición y omni aún no se han publicado. Ambos usan Apache 2.0 puro. El informe de MOSS-Image no prueba Z-Image, así que no hay comparación directa publicada sobre texto o diseño; la mejor prueba son tus propios prompts.
Especificaciones
| Especificaciones | MOSS-Image | Z-Image |
|---|---|---|
| Desarrollador | OpenMOSS | Tongyi MAI |
| Lanzamiento | 16 de octubre de 2026 | 26 de noviembre de 2025 |
| Parámetros totales | 5.08B (MOSS-Image-SFT (BF16)) | 6.15B (Z-Image-Turbo) |
| Parámetros activos | Todos | Todos |
| Arquitectura | Difusión | Difusión |
| Ventana de contexto | – | – |
| Entrada | Texto | Texto |
| Licencia | Apache 2.0 (Permisiva) | Apache 2.0 (Permisiva) |
| Memoria de la variante más pequeña (4 bits) | 4.2 GB (MOSS-Image-SFT (BF16)) | 16 GB (Z-Image-Turbo) |
Las afirmaciones de rendimiento provienen del desarrollador y no se han verificado de forma independiente.
Elige MOSS-Image si
- Haces pósters, infografías o notas con pasajes largos en chino o inglés que deben estar bien escritos.
- Quieres fijar dónde va cada texto y cada objeto con un diseño JSON.
- Tienes una GPU pequeña pero mucha RAM y un SSD rápido: el perfil de poca memoria alcanza unos 4 GB de memoria de GPU y unos 14 GiB de RAM.
- Quieres checkpoints Base y SFT para afinar, con entrenadores comunitarios que anuncian entrenar adaptadores desde 6 GB de VRAM.
Elige Z-Image si
- Quieres la generación más rápida: Turbo necesita 8 pasos y sin guía, y cabe en una GPU de 16 GB.
- Sobre todo haces imágenes fotorrealistas, donde Tongyi dice que Turbo es más fuerte.
- Quieres el modelo con la comunidad más grande: Hugging Face mostró unas 743.000 descargas de Z-Image-Turbo en los 30 días hasta el 11 de noviembre de 2026, frente a unas 22.000 de MOSS-Image-SFT.
- Puedes esperar los checkpoints de edición y omni de Tongyi, que su página de GitHub lista como próximos a publicarse.