MOSS-Image: modelo de imagen abierto 5B con control de diseño
ComfyUI Wiki
MOSS-Image es la familia abierta de texto a imagen de 5B de OpenMOSS con control de diseño JSON, renderizado preciso de texto en inglés y chino, y soporte de ComfyUI en el núcleo.
M
MOSS-Image
Texto a imagenControl de diseñoRenderizado de textoPesos abiertosFamilia abierta de texto a imagen de 5B de OpenMOSS. Un diffusion transformer de flujo único en el espacio latente de FLUX.2 con un codificador de texto Qwen3.5-9B, diseñado para el renderizado legible de texto y el control de diseño JSON: describe la escena y luego coloca cajas de texto y objetos mediante caja delimitadora. Se distribuye como checkpoint base para ajuste fino y como un ajuste fino supervisado para la generación diaria.
| Desarrollador | OpenMOSS |
| Fecha de lanzamiento | 2026-10-16 |
| Arquitectura | DiT de flujo único de 5B (42 capas) en el espacio latente de FLUX.2, codificador de texto Qwen3.5-9B, VAE de FLUX.2 |
| Parámetros | 5B |
| Licencia | Apache-2.0 |
| Resolución | 1M, 1.5M o 2M píxeles recomendados, 0.25M a 4M soportados, múltiplos de 16 |
| Muestreo | 50 pasos o más, CFG 3, shift 5, omisión de rama negativa en la capa 22 |
| ComfyUI | Soporte del núcleo fusionado en Comfy-Org/ComfyUI PR #17095, pesos reempaquetados en Comfy-Org/MOSS-Image |
Modelos
| Modelo | Descripción | Licencia | Lanzado |
|---|---|---|---|
| MOSS-Image Base | Checkpoint de preentrenamiento con la señal de entrenamiento completa, destinado a trabajos de LoRA y ajuste fino | Apache-2.0 | 2026-10-16 |
| MOSS-Image SFT | Ajuste fino supervisado del modelo base con datos curados, para generación de texto a imagen y diseño | Apache-2.0 | 2026-10-16 |
Selecciona un modelo arriba para descargas de pesos curados, tutoriales e información relacionada.
Capacidades
- Control de diseño: los prompts pueden ser un documento JSON que coloca texto y objetos por caja delimitadora, así la composición y la ubicación del texto son datos que puedes editar
- Renderizado de texto: texto legible en inglés y chino, con saltos de línea automáticos cuando el prompt no los solicita
- Prompts largos: hasta 4K tokens
- Formatos de prompt: lenguaje natural, secuencias de etiquetas estilo booru o JSON de diseño
- Ajuste fino: el checkpoint base se publica específicamente para entrenamiento de LoRA, y el repositorio incluye habilidades de mejora de prompts y una guía de usuario para entrenamiento e inferencia
Comentarios
Inicia sesión con GitHub para unirte a la conversación.