MOSS-Image：支持布局控制的开放 5B 图像模型
ComfyUI Wiki
MOSS-Image 是 OpenMOSS 推出的开放 5B 文生图系列模型，支持布局 JSON 控制、精准的英文与中文文字渲染，并已在 ComfyUI 核心中获得支持。
M
MOSS-Image
文生图布局控制文字渲染开放权重来自 OpenMOSS 的开放 5B 文生图系列模型。采用 FLUX.2 Latent 空间的单流扩散 Transformer，搭配 Qwen3.5-9B 文本编码器，专为清晰的文字渲染与 JSON 布局控制而打造：先描述场景，再通过边界框放置文本框和对象。同时提供用于微调的基础 checkpoint 和用于日常生成的监督微调版本。
| 开发者 | OpenMOSS |
| 发布日期 | 2026-10-16 |
| 架构 | FLUX.2 Latent 空间中的 5B 单流 DiT（42 层），Qwen3.5-9B 文本编码器，FLUX.2 VAE |
| 参数 | 5B |
| 许可证 | Apache-2.0 |
| 分辨率 | 推荐 1M、1.5M 或 2M 像素，支持 0.25M 至 4M，需为 16 的倍数 |
| 采样 | 50 步或更多，CFG 3，shift 5，在第 22 层跳过负面分支 |
| ComfyUI | 核心支持已在 Comfy-Org/ComfyUI PR #17095 中合入，重新打包的权重位于 Comfy-Org/MOSS-Image |
模型
| 模型 | 描述 | 许可证 | 发布日期 |
|---|---|---|---|
| MOSS-Image Base | 包含完整训练信号的预训练 checkpoint，适用于 LoRA 和微调工作 | Apache-2.0 | 2026-10-16 |
| MOSS-Image SFT | 在精选数据上对基础模型进行监督微调，用于文生图和布局生成 | Apache-2.0 | 2026-10-16 |
在上方选择模型，即可获取精选权重下载、教程和相关资料。
功能
- 布局控制：提示词可以是一份 JSON 文档，通过边界框放置文本和对象，因此构图和文字位置都是可编辑的数据
- 文字渲染：清晰可读的英文和中文文字，当提示词未要求换行时会自动换行
- 长提示词：最多 4K token
- 提示词格式：自然语言、booru 风格标签序列或布局 JSON
- 微调：基础 checkpoint 专门为 LoRA 训练发布，仓库还提供提示词增强技能以及用于训练和推理的用户指南
评论
使用 GitHub 登录后即可参与讨论。