알리바바, 이미지 생성 AI 파운데이션 모델 'Z-Image' 오픈소스 공개

Z-Image는 알리바바 퉁이 연구팀이 오픈소스로 공개한 이미지 생성 기저 모델입니다. 앞서 공개된 고속 모델인 Z-Image-Turbo의 원본이자 증류 이전의 풀 파운데이션 모델로, 커뮤니티의 추가 학습과 파인튜닝, LoRA 제작을 위해 설계되었습니다.

Turbo 버전의 한계를 극복한 원본 베이스 모델

알리바바는 지난 2025년 11월 Z-Image-Turbo를 먼저 선보였습니다. 빠른 속도와 깔끔한 기본 품질을 갖췄지만, 실제 작업 환경에서는 치명적인 유연성 부족이 지적되었습니다.

Turbo 버전은 증류 및 피드백 강화학습을 거치며 생성 다양성이 크게 축소되었습니다. 시드 값을 바꿔도 구도가 일정하게 굳어지거나, 한 장면에 나오는 여러 인물이 동일한 얼굴을 가지는 문제가 발생해 추가 학습 베이스로는 쓸 수 없었습니다.

이번에 공개된 Z-Image는 증류 이전의 순수 베이스 모델로, 구도 고착화와 얼굴 중복 현상을 말끔히 해결했습니다. 특히 일러스트 스타일에서의 표현력이 눈에 띄게 좋아졌고 전체적인 화풍과 인물 다양성이 대폭 넓어졌습니다.

또한 원치 않는 요소를 제외할 수 있는 부정 프롬프트를 기본 지원하여 프롬프트 제어 정밀도도 한층 끌어올렸습니다.

늘어난 생성 단계와 실행 환경

가속 증류를 거치지 않은 원본 모델인 만큼 감수해야 할 성능 비용도 분명합니다.

이미지 생성에 필요한 스텝 수가 Turbo 버전의 28단계에서 50단계로 늘어나 출력이 체감될 정도로 느려집니다.

가공되지 않은 순정 상태의 기본 이미지 품질 등급은 최상에서 상급으로 한 단계 낮아집니다. 미적인 후보정을 거치지 않은 순수 베이스이므로 LoRA나 ControlNet, 추가 미세 조정을 거쳐야 제 성능이 발휘됩니다.

모델 가중치는 Hugging Face에 공개되었습니다. 노드 기반 생성 툴인 ComfyUI가 첫날부터 공식 지원을 시작해 다운로드 후 즉시 워크플로에 적용해 볼 수 있습니다.

왜 중요한가

단순히 빠르고 예쁜 이미지를 몇 번 뽑아보려는 일반 사용자에게는 여전히 Turbo 버전이나 상용 툴이 훨씬 편리합니다. 꾸며지지 않은 베이스 모델은 속도도 더디고 단독 출력 결과물이 Turbo보다 덜 화려해 보일 수 있습니다.

하지만 고유한 화풍을 학습시키려는 크리에이터나 LoRA 제작자에게는 이런 증류 전 원본 모델이 생태계 구축의 핵심입니다. 증류 모델은 잠재적 표현력을 깎아내 속도를 취하는 구조인 만큼, 알리바바가 원본 기저를 그대로 풀어준 것은 오픈소스 파인튜닝 진영에 꼭 필요한 핵심 퍼즐을 제공한 셈입니다.