MOSS-Image係OpenMOSS推出嘅開放權重文生圖模型,提供MOSS-Image-Base同MOSS-Image-SFT兩個版本。佢比較突出的地方係版面控制:除咗用一般文字描述畫面,仲可以用提示指定物件、圖中文字,以及各元素應該出現嘅位置。
5
14
如果你要整海報、宣傳圖,或者其他需要安排文字位置嘅圖像,MOSS-Image可以列入試用名單。不過,現有資料未能證明佢係製作精緻設計或產品相片嘅「一鍵捷徑」;實際效果仍要按用途測試。
MOSS-Image有乜特別?
一般文生圖提示多數用一段文字描述場景。MOSS-Image亦支援結構化JSON提示,可以列明文字、物件及其空間位置。
14 ComfyUI的文件亦介紹咗版面引導流程,包括用畫出的方框指定元素位置。
2
9
呢種控制方式可能適合需要將標題放喺指定位置,或者要仔細排列多個元素嘅設計。相比只靠一段概括描述,模型會收到更明確嘅構圖指示;但生成之後,仍要檢查文字有冇出錯、元素有冇擺啱位,以及整體視覺效果是否合用。
Base同SFT點揀?
兩個版本嘅用途唔一樣:
- MOSS-Image-Base:適合用作後續開發嘅底模。官方使用指南指,Base未經後訓練或推理參數蒸餾,並保留訓練資訊,方便社群進一步微調或開發LoRA。
17
- MOSS-Image-SFT:經監督式微調(SFT)嘅版本。OpenMOSS形容佢係用整理過嘅資料集微調;ComfyUI指南則建議一般圖像生成使用呢個版本。
9
14
想直接開始生成圖像,SFT會係較簡單嘅起點。若果你想自行微調,或者以底模為基礎做開發,就可以考慮Base;不過要留意,你可能需要自行設定合適嘅推理參數。
9
17
發布、授權同使用方式
Base同SFT於2026年10月16日公布。發布報道指,程式碼同模型權重以Apache 2.0授權公開,權重可喺Hugging Face下載。
5 ComfyUI文件介紹咗本機運行流程;官方儲存庫亦列出發布當日對ComfyUI、SGLang同vLLM-Omni嘅支援。
3
9
官方儲存庫其後於2026年10月20日公布,MOSS-Image亦可透過MOSI API Platform使用。呢個係開放權重版本推出之後新增嘅託管服務選項,兩者並唔係同一回事。
3
用之前,建議先測試呢幾樣
現有資料介紹咗模型版本、版面功能同整合方式,但不足以證明MOSS-Image喺各類任務上都勝過其他圖像模型。至於基準測試排名,應視為特定測試條件下嘅結果;要比較時,亦要睇清楚評測方法同結果。
落手做項目之前,最好用你打算採用嘅版本同工作流程,測試所需文字能否準確生成、版面有冇跟足、畫風是否合適,以及硬件同延遲要求能否接受。尤其係產品相片,應該用有代表性嘅產品實測,唔好單憑版面控制功能就假設佢一定有理想嘅攝影質感。