OpenMOSS 开源 MOSS-Image：50 亿参数文生图，支持精准布局与文字渲染

MOSS-Image 是 OpenMOSS 开源的一款 50 亿参数文生图模型，核心卖点就是轻量、能画精准构图，而且能在图片里工整地写字。

项目采用极度宽松的 Apache 2.0 许可证，代码和模型权重全部公开，商用也没有限制。

它能做什么

大多数开源文生图模型很难精准控制画面元素的位置，文字渲染也经常变成乱码。MOSS-Image 重点解决了这两个痛点。

它支持类似 Krea 的布局控制功能。你可以在画布上直接画出边界框，指定哪里放角色、哪里放背景道具，模型就会严格按照框定的空间去生成画面，不会互相打架。

它的文字渲染表现很扎实，不仅能生成英文招牌，还能处理便签上的手写中文短句。配合最长 4K token 的长提示词支持，它很适合用来画漫画分镜、流程示意图、信息图表以及游戏概念场景。

画风覆盖面很广，无论是日系动漫还是照片级写实风格都能驾驭。油管评测者甚至认为它在开箱即用和内容自由度上的表现明显好于 Flux 3。

不过它目前有一个明确短板：只支持纯文本生成图片，暂时无法像一些多模态模型那样，通过自然语言对话去直接修改已经生成的图片。

硬件门槛与部署方式

MOSS-Image 是基于 DiT 架构设计的，体积控制得相当紧凑，Transformer 核心权重仅约 10GB，对显存非常友好。

官方一次性放出了两个版本。MOSS-Image-Base 适合开发者拿去继续做全量微调；日常直接出图的用户选 MOSS-Image-SFT 即可，这是经过监督微调的版本，画面质感和审美水平更好。

生态适配来得很快。它在发布当天就打通了 ComfyUI 原生支持，不需要装第三方插件，更新 ComfyUI 后载入权重就能跑。它同时兼容 vLLM-Omni 和 SGLang 推理加速。

微调门槛也很低。社区工具 KohakuMossTrainer 支持混合精度和 CPU 卸载，最低只要 6GB 显存就能训练 LoRA 适配层，Windows 和 Linux 都能跑。

如果你不想本地折腾，也可以直接在 MOSI API Platform 的 Playground 里在线试玩，或者调用 API 接入自己的流程。

为什么重要

对于个人插画师、漫画作者和独立游戏开发者来说，MOSS-Image 是目前少有的低门槛生产力工具。它把原本需要复杂 ControlNet 插件才能实现的构图定位，变成了模型原生的方框布局，极大降低了排版控制的难度。

我们认为它的聪明之处在于务实克制。它没有盲目追求上百亿的大参数量，而是把 50 亿参数的能耐集中在构图、文字渲染和轻量推理上，让主流消费级显卡也能流畅出图和微调。

它的主要短板在于缺乏图像编辑与多轮修改能力。如果你需要频繁垫图精修，它目前还替代不了成熟的工作流；但在构图草稿和带字信息图的初始生成上，它绝对值得立刻下载跑一跑。