MOSS-Image vs. Z-Image: qual modelo de imagem Apache 2.0?

MOSS-Image desenha textos longos em chinês e inglês e segue layouts JSON; o Z-Image Turbo cria imagens fotorrealistas em 8 passos em uma GPU de 16 GB. Ambos são Apache 2.0.

  • Atualizado

Veredito. Escolha pelo que a imagem precisa conter. O MOSS-Image (um gerador de 5.08B, 27.2 GB com seu codificador de texto Qwen3.5-9B) foi feito para texto denso e legível e layout controlável: seu relatório pontua 96.3 em um benchmark de texto longo em chinês e inglês e segue layouts JSON que fixam onde cada bloco de texto vai, mas é apenas texto-para-imagem e usa 50 passos por padrão. O Z-Image (6.15B) aposta em velocidade e fotorrealismo: o Turbo cria uma imagem em 8 passos e cabe em uma GPU de 16 GB, e o modelo base é o ponto de partida consolidado para ajustes finos, embora seus checkpoints de edição e omni ainda não tenham sido lançados. Ambos usam Apache 2.0 puro. O relatório do MOSS-Image não testa o Z-Image, então não há comparação direta publicada de texto ou layout; o melhor teste são os seus próprios prompts.

Especificações

Especificações MOSS-ImageZ-Image
DesenvolvedorOpenMOSSTongyi MAI
Lançamento16 de outubro de 202626 de novembro de 2025
Total de parâmetros5.08B (MOSS-Image-SFT (BF16))6.15B (Z-Image-Turbo)
Parâmetros ativosTodosTodos
ArquiteturaDifusãoDifusão
Janela de contexto––
EntradaTextoTexto
Licença Apache 2.0 (Permissiva) Apache 2.0 (Permissiva)
Memória para a menor variante (4 bits)4.2 GB (MOSS-Image-SFT (BF16))16 GB (Z-Image-Turbo)

As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.

Escolha MOSS-Image se

  • Você faz pôsteres, infográficos ou anotações com trechos longos em chinês ou inglês que precisam ser escritos corretamente.
  • Você quer fixar onde cada texto e cada objeto vai com um layout JSON.
  • Você tem uma GPU pequena, mas bastante memória de sistema e um SSD rápido: o perfil de baixa memória tem perto de 4 GB de memória de GPU e cerca de 14 GiB de RAM.
  • Você quer checkpoints Base e SFT para fine-tuning, com treinadores da comunidade que anunciam treino de adaptadores a partir de 6 GB de VRAM.

Escolha Z-Image se

  • Você quer a geração mais rápida: o Turbo precisa de 8 passos e sem guidance, e cabe em uma GPU de 16 GB.
  • Você faz principalmente imagens fotorrealistas, ponto em que a Tongyi diz que o Turbo é mais forte.
  • Você quer o modelo com a maior comunidade: o Hugging Face mostrou cerca de 743.000 downloads do Z-Image-Turbo nos 30 dias até 11 de novembro de 2026, contra cerca de 22.000 do MOSS-Image-SFT.
  • Você pode esperar os checkpoints de edição e omni da Tongyi, listados como a serem lançados em sua página do GitHub.

MOSS-Image · Z-Image