MOSS-Image против Z-Image: какая модель изображений под Apache 2.0?

MOSS-Image рисует длинные тексты на китайском и английском и следует JSON-раскладкам; Z-Image Turbo делает фотореалистичные изображения за 8 шагов на GPU с 16 ГБ. Обе под Apache 2.0.

  • Обновлено

Вердикт. Выбирайте по тому, что должно быть на картинке. MOSS-Image (генератор на 5,08B, 27,2 ГБ вместе с текстовым энкодером Qwen3.5-9B) создана для плотного читаемого текста и управляемой вёрстки: в её отчёте 96,3 балла на бенчмарке длинных китайских и английских текстов, и она следует JSON-раскладкам, фиксирующим, где находится каждый текстовый блок, но умеет только text-to-image и по умолчанию делает 50 шагов. Z-Image (6,15B) сделана ради скорости и фотореализма: Turbo делает изображение за 8 шагов и умещается на GPU с 16 ГБ, а базовая модель — проверенная отправная точка для дообучения, хотя чекпоинты editing и omni ещё не выпущены. У обеих чистый Apache 2.0. Отчёт MOSS-Image не тестирует Z-Image, поэтому опубликованного прямого сравнения по тексту или вёрстке нет — лучший тест это ваши собственные промпты.

Характеристики

Характеристики MOSS-ImageZ-Image
РазработчикOpenMOSSTongyi MAI
Дата выпуска16 октября 2026 г.26 ноября 2025 г.
Всего параметров5.08B (MOSS-Image-SFT (BF16))6.15B (Z-Image-Turbo)
Активные параметрыВсеВсе
АрхитектураДиффузионнаяДиффузионная
Контекстное окно––
ВходТекстТекст
Лицензия Apache 2.0 (Пермиссивная) Apache 2.0 (Пермиссивная)
Память для минимального варианта (4 бита)4.2 GB (MOSS-Image-SFT (BF16))16 GB (Z-Image-Turbo)

Заявления о производительности поступают от разработчика и не проверялись независимо.

Выбирайте MOSS-Image, если

  • Вы делаете постеры, инфографику или заметки с длинными китайскими или английскими фрагментами, которые должны быть написаны без ошибок.
  • Вы хотите зафиксировать, где будет каждый текст и каждый объект, с помощью JSON-раскладки.
  • У вас небольшая GPU, но много памяти и быстрый SSD: low-memory-профиль пикует около 4 ГБ видеопамяти и примерно 14 ГиБ ОЗУ.
  • Вы хотите чекпоинты Base и SFT для дообучения, с общественными тренерами, заявляющими обучение адаптеров от 6 ГБ VRAM.

Выбирайте Z-Image, если

  • Вам нужна максимально быстрая генерация: Turbo делает 8 шагов без guidance и умещается на GPU с 16 ГБ.
  • Вы делаете в основном фотореалистичные изображения — то, что Tongyi называет сильной стороной Turbo.
  • Вам нужна модель с большим сообществом: на Hugging Face у Z-Image-Turbo было около 743 000 загрузок за 30 дней до 11 ноября 2026 года против примерно 22 000 у MOSS-Image-SFT.
  • Вы можете дождаться чекпоинтов editing и omni от Tongyi, которые на странице GitHub помечены как forthcoming.

MOSS-Image · Z-Image