Kromoss : un finetune complet de MOSS-Image pour ComfyUI

Kromoss est un finetune complet de MOSS-Image-Base publié le 19 octobre 2026 par lodestones, l'auteur de la gamme de checkpoints Chroma et des poids distillés 8 étapes MOSS-Image SFT. Il conserve l'architecture, l'encodeur de texte Qwen3.5-9B et le petit VAE FLUX.2 de MOSS-Image-SFT, ce qui lui permet de s'intégrer directement dans les flux de travail MOSS-Image existants, et il livre le résultat dans la disposition exacte en fichier unique que ComfyUI charge déjà.

Quelques heures après le téléversement, il comptait 96 likes sur Hugging Face, et le canal MOSS-Image de Banodoco l'a comparé au finetune supervisé int8 avec les mêmes seeds.

Ce que change le finetune

La carte du modèle est précise sur l'objectif : le finetune complet corrige principalement le flou du modèle de base. Tout le reste est hérité. L'entraînement a suivi la recette de dernière étape du rapport MOSS-Image, mise à l'échelle à 64 images par mise à jour : Muon-AdamW hybride à un taux d'apprentissage de 9e-6 avec un warmup de 200 étapes, timesteps tronqués en logit-normal, décroissance des normes q/k du dernier bloc vers un, et EMA à 0,999 pour les poids publiés. Le checkpoint correspond à la mise à jour 9000 de cette exécution, sur 576k images d'entraînement en 1024 px, les images inférieures à 896² étant écartées du jeu de données. Le dépôt republie son checkpoint EMA toutes les quelques heures tant que l'entraînement se poursuit : le seul jour du téléversement, les mises à jour 2000, 4000, 5000, 7000 puis 9000 ont été publiées successivement, donc le numéro de mise à jour comme le nombre d'images continueront d'évoluer.

Empaqueté pour ComfyUI, pas seulement pour diffusers

Le dépôt est organisé pour qu'aucune conversion ne soit nécessaire avant le premier rendu. Cinq fichiers sont destinés à être déposés dans une arborescence ComfyUI :

• diffusion_models/kromoss_bf16.safetensors (10,2 Go) dans models/diffusion_models/, chargé avec Charger Modèle Diffusion. Il remplace moss_image_sft_bf16.safetensors un pour un dans les flux de travail de Comfy-Org.
• diffusion_models/kromoss_int8_convrot.safetensors (5,4 Go) pour la voie int8, au même format ConvRot W8A8 que moss_image_sft_int8_convrot.safetensors de Comfy-Org.
• text_encoders/qwen3.5_9b_bf16.safetensors (19,3 Go) dans models/text_encoders/, chargé avec Charger CLIP au type moss_image. C'est le même encodeur que celui utilisé par les autres builds MOSS-Image, donc une installation existante n'a pas besoin de le dupliquer.
• vae/flux2-vae_small.safetensors dans models/vae/.
• 8-steps-dmd-lora.safetensors (1,19 Go) dans models/loras/, appliqué avec LoraLoaderModelOnly à une force de 1.

Le fichier int8 n'est pas une copie re-quantifiée du checkpoint de quelqu'un d'autre : les 168 couches linéaires des blocs (proj.{qkv,o,ffn_up_gate,ffn_down}) sont stockées en int8 avec des échelles par ligne après une rotation de Hadamard régulière de largeur 256 sur la dimension d'entrée, ComfyUI reconstruit la rotation au chargement au lieu de stocker des matrices, et chaque bloc sélectionne l'attention int8 de ComfyUI. Le dépôt fournit aussi quantize_convrot.py pour produire ce format à partir de n'importe quel fichier unique bf16, et convert_to_comfy.py pour transformer un dossier transformer/ de diffusers en la disposition fusionnée proj.qkv.

Les deux scripts embarquent une auto-vérification qui justifie de les conserver : exécutés sur le transformer/ de MOSS-Image-SFT lui-même, ils reproduisent octet pour octet les fichiers moss_image_sft_bf16.safetensors et moss_image_sft_int8_convrot.safetensors publiés par Comfy-Org, et --compare FILE compare clés, formes et dtypes à une référence. Cela signifie que chacun peut convertir son propre finetune MOSS-Image avec les deux mêmes commandes.

Le LoRA 8 étapes

Le fichier 8-steps-dmd-lora.safetensors fourni est une distillation DMD en espace données de MOSS-Image-Base, en fp32, de rang 128 avec alpha 128 sur les proj.{q,k,v,o,ffn_up_gate,ffn_down} de chaque bloc, enregistré avec les clés kohya. Il suit la convention de l'écosystème des projections q, k et v séparées, et ComfyUI les mappe sur les tranches qkv fusionnées des fichiers uniques MOSS-Image au chargement.

La carte du modèle précise explicitement que le LoRA ne doit pas être fusionné dans les poids bf16 : le delta est proche du pas d'arrondi du bf16, il est donc appliqué non fusionné à une force de 1.

Suivi de prompt mesuré

Le dépôt rapporte des scores CLIP ViT-L/14 sur les 100 prompts de PartiPrompts, les lignes Kromoss étant mesurées à la mise à jour 2000 plutôt qu'au checkpoint publié actuellement :

Lu simplement, ce tableau indique que le finetune complet seul échange un peu d'adhérence au prompt contre de la netteté, tandis que le LoRA distillé par-dessus récupère et dépasse légèrement le score du modèle de base. Les chiffres sont ceux de l'auteur et proviennent d'un checkpoint intermédiaire.

Disponibilité

Kromoss est disponible sur Hugging Face à l'adresse lodestones/Kromoss et également mirroiré sur Civitai. La prise en charge de MOSS-Image est présente dans le master actuel de ComfyUI, donc aucun nœud personnalisé n'est nécessaire, ni pour le checkpoint ni pour le LoRA. Pour le modèle de base et les poids officiels, voir la couverture de la sortie de MOSS-Image et les adaptateurs communautaires 4 étapes et 8 étapes.