MOSS-Image 与 Z-Image 对比:该用哪个 Apache 2.0 图像模型?
MOSS-Image 能画出大段中英文文字并遵循 JSON 版面;Z-Image Turbo 在 16 GB GPU 上 8 步生成写实图像。两者都采用 Apache 2.0。
结论. 先看画面里必须有什么。MOSS-Image(50.8 亿参数的生成器,连同 Qwen3.5-9B 文本编码器共 27.2 GB)为文字密集、清晰可读和版面可控而设计:技术报告里它在长篇中英文文字基准上得 96.3 分,还能遵循 JSON 版面,指定每段文字的位置;但它只能文生图,默认 50 步。Z-Image(61.5 亿参数)为速度和写实而设计:Turbo 8 步出图,16 GB GPU 就能放下,基础模型是公认的微调起点,不过编辑和全能检查点仍未发布。两者都是朴素的 Apache 2.0。MOSS-Image 的报告没有测试 Z-Image,所以没有公开的文字或版面正面对比,最好的办法是用你自己的提示词测试。
规格
| 规格 | MOSS-Image | Z-Image |
|---|---|---|
| 开发方 | OpenMOSS | Tongyi MAI |
| 发布时间 | 2026年10月16日 | 2025年11月26日 |
| 总参数量 | 5.08B (MOSS-Image-SFT (BF16)) | 6.15B (Z-Image-Turbo) |
| 激活参数量 | 全部 | 全部 |
| 架构 | 扩散 | 扩散 |
| 上下文窗口 | – | – |
| 输入 | 文本 | 文本 |
| 许可证 | Apache 2.0 (宽松) | Apache 2.0 (宽松) |
| 最小版本所需内存(4 位) | 4.2 GB (MOSS-Image-SFT (BF16)) | 16 GB (Z-Image-Turbo) |
性能数据来自开发方,未经独立验证。
选 MOSS-Image 的情况
- 你要做带有大段中英文文字、必须拼写正确的海报、信息图或便签。
- 你想用 JSON 版面固定每段文字和每个物体的位置。
- 你的 GPU 很小,但系统内存充足,还有快速 SSD:低内存档位的 GPU 显存峰值接近 4 GB,内存约 14 GiB。
- 你想用 Base 和 SFT 检查点做微调,社区训练器标称 6 GB 显存即可训练适配器。
选 Z-Image 的情况
- 你想要最快的生成速度:Turbo 只需 8 步且不用引导,16 GB GPU 就能放下。
- 你主要做写实图像,通义称 Turbo 最擅长这一点。
- 你想要社区更大的模型:截至 2026 年 11 月 11 日的 30 天内,Hugging Face 显示 Z-Image-Turbo 约有 74.3 万次下载,MOSS-Image-SFT 约 2.2 万次。
- 你可以等待通义的编辑和全能检查点,它们在 GitHub 页面上被列为待发布。