MOSS-Image 文本编码器天然多模态，可直接输入图像做条件

Reddit 用户实测发现 MOSS-Image 的一个不寻常设计：其文本编码器采用多模态的 Qwen 3.5 9B，因此除文本外还支持直接输入图像作为生成条件。这一特性让 MOSS-Image 有望被改造为图像编辑模型，因为可以直接把图片喂给编码器来引导生成，而不依赖外部机制。

2026-10-21 ~ 2026-10-21 · 2 条相关

• MOSS-Image 实测支持图像输入，有望变身图像编辑模型 — RandumbRedditor1000 · 2026-10-21
• MOSS-Image 文本编码器支持多模态，可直接输入图像作为条件 — RandumbRedditor1000 · 2026-10-21