MOSS-Image Base：5B 文生图 Checkpoint，适用于微调
ComfyUI Wiki
MOSS-Image Base 是 MOSS-Image 开放的 5B 预训练 Checkpoint，为 LoRA 与微调工作而保留，支持布局 JSON 控制和 ComfyUI。
M
MOSS-Image Base
文生图布局控制微调开放权重MOSS-Image 的预训练 Checkpoint，发布时未进行后训练，也未对推理参数做蒸馏，因此完整的训练信号都保留在权重中。OpenMOSS 推荐将其作为 LoRA 训练的起点，也适合任何希望基于该模型继续构建、而非直接拿来做推理的人。
| 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 |
| 采样 | 50 步或更多，CFG 3（范围 3 到 6），shift 5，Euler，在第 22 层跳过负面分支 |
能力
- 文字渲染：英文与中文均可清晰呈现，并支持自动换行
- 布局 JSON：通过边界框放置文本框和对象，而不必用文字描述位置
- 提示词格式：自然语言、标签序列或布局 JSON，提示词最长可达 4K token
- 分辨率范围：0.25M（512×512）到 4M（2K）像素，针对 1M、1.5M 和 2M 输出做过调优
- 可直接用于 LoRA：该 Checkpoint 保留了完整的训练信息，因此 OpenMOSS 建议用它来做训练
说明
由于没有经过任何蒸馏，基础 Checkpoint 需要按用户指南中的设置才能正常出图：50 步或更多、CFG 3、shift 5，以及在第 22 层跳过负面分支。关闭图层跳过会让输出更写实，但可能导致细节折叠。指南建议的负面提示词为 nsfw, worst quality, bad anatomy, watermark, jpeg artifact。
相关
Guides and workflows related to this model series.
No articles found.
评论
使用 GitHub 登录后即可参与讨论。