OpenMOSS 开源 MOSS-Image：5B DiT 支持中英文字渲染与 JSON 版式控制
crystal_alpine · reddit · 2026-10-20
OpenMOSS 发布开源文生图模型 MOSS-Image 并已接入 ComfyUI，Apache 2.0 协议。架构为 5B DiT，搭配 Qwen3.5-9B 文本编码器与 FLUX.2 VAE，提供 Base 和经精选数据微调的 SFT 两个版本。亮点：- 中英文字渲染清晰，补足多数开源模型短板；- 支持带边界框的结构化 JSON 版式提示，可控制文字与物体位置，适合海报、广告；- 默认美学表现好，无需复杂提示词。推荐参数：1024×1024、50 步、CFG 3、shift 5，未做步数蒸馏所以不快。显存方面 BF16 全量约 27GB（DiT 约 10GB+文本编码器约 17GB），社区已有 INT8/INT4 量化，8GB 显卡也能跑。工作流见 HuggingFace Comfy-Org/MOSS-Image。
「多模态」频道最新
- 用 AI 保留原声翻译 Schuller 德语力学课，附 LaTeX 讲义 — TOEwithCurt · 2026-10-20
- Anthropic 工程师公开 Opus 5.5 代码动画短片完整 prompt 心法 — dfeinition · 2026-10-20
- 设计师生成酒红大丽花图,公开配色心理学指南与完整 prompt — tisch_eins · 2026-10-20
- Flux 3 Max 图生视频实测:一段完整 prompt 生成雨夜森林恐怖开场 — umesh_ai · 2026-10-20
- 网友用 Flux 3 Max 在 fal 上做出风格化动画并放大 — BLUECOW009 · 2026-10-20
- Matt Shumer 感叹 AI 3D 生成一年内进步惊人 — mattshumer_ · 2026-10-20