Kromoss：为 ComfyUI 发布的 MOSS-Image 全量微调模型

Kromoss 是 MOSS-Image-Base 的全量微调版本，由 lodestones 于 2026 年 10 月 19 日发布。lodestones 也是 Chroma checkpoint 系列以及 MOSS-Image SFT 8 步蒸馏权重的作者。它保留了 MOSS-Image-SFT 的架构、Qwen3.5-9B 文本编码器和 FLUX.2 small VAE，因此可直接用于现有的 MOSS-Image 工作流，并以 ComfyUI 已能直接加载的单文件布局打包最终结果。

上传后数小时内，它在 Hugging Face 上就获得了 96 个赞，Banodoco 的 MOSS-Image 频道还用相同的随机种子将其与 int8 监督微调版本进行了对比。

微调带来了哪些变化

模型卡片对目标的描述相当克制：这次全量微调主要修复 Base 模型的模糊问题。其余部分均为继承而来。训练遵循 MOSS-Image 报告中的最终阶段配方，并扩展到每次更新 64 张图像：使用混合 Muon-AdamW，学习率 9e-6，200 步预热，截断的对数正态时间步，将最后一个 block 的 q/k 范数衰减到 1，并对发布权重使用 0.999 的 EMA。该 checkpoint 是该次训练的第 9000 次更新，训练数据为 57.6万 张 1024 px 图像，低于 896² 的图像已从数据集中剔除。训练仍在继续，仓库每隔几个小时就会重新上传一次 EMA checkpoint：仅上传首日就依次放出过第 2000、4000、5000、7000 次更新，如今是第 9000 次，因此具体的更新步数和图像数量都会继续变动。

专为 ComfyUI 打包，而不只是 diffusers

该仓库的设置使得首次渲染前无需任何转换。五个文件可直接放入 ComfyUI 的目录树：

• diffusion_models/kromoss_bf16.safetensors（10.2 GB）放入 models/diffusion_models/，通过 UNet加载器 加载。在 Comfy-Org 的工作流中，它可与 moss_image_sft_bf16.safetensors 一一替换。
• diffusion_models/kromoss_int8_convrot.safetensors（5.4 GB）用于 int8 路径，与 Comfy-Org 的 moss_image_sft_int8_convrot.safetensors 采用相同的 ConvRot W8A8 格式。
• text_encoders/qwen3.5_9b_bf16.safetensors（19.3 GB）放入 models/text_encoders/，通过 加载CLIP 以 moss_image 类型加载。它与其他 MOSS-Image 版本使用的是同一个编码器，因此已有安装无需重复放置。
• vae/flux2-vae_small.safetensors 放入 models/vae/。
• 8-steps-dmd-lora.safetensors（1.19 GB）放入 models/loras/，通过 LoraLoaderModelOnly 以强度 1 应用。

int8 文件并非他人 checkpoint 的重新量化副本：168 个 block 线性层（proj.{qkv,o,ffn_up_gate,ffn_down}）在输入维度经过 256 宽的正则 Hadamard 旋转后，以 int8 存储并附带逐行缩放因子；ComfyUI 在加载时重建旋转，而不是存储矩阵；每个 block 都选用 ComfyUI 的 int8 注意力。该仓库还附带 quantize_convrot.py，可从任意 bf16 单文件生成该格式；以及 convert_to_comfy.py，可将 diffusers 的 transformer/ 文件夹转换为融合后的 proj.qkv 布局。

两个脚本都带有自检机制，这让它们值得保留：在 MOSS-Image-SFT 自带的 transformer/ 上运行时，它们能逐字节复现 Comfy-Org 发布的 moss_image_sft_bf16.safetensors 和 moss_image_sft_int8_convrot.safetensors；--compare FILE 可将键、形状和 dtype 与参考文件进行比对。这意味着任何人都可以用同样这两条命令转换自己的 MOSS-Image 微调模型。

8 步 LoRA

捆绑的 8-steps-dmd-lora.safetensors 是 MOSS-Image-Base 的数据空间 DMD 蒸馏，fp32，rank 128，每个 block 的 proj.{q,k,v,o,ffn_up_gate,ffn_down} 上 alpha 为 128，以 kohya 键名保存。它遵循生态中 q、k、v 投影分离的惯例，ComfyUI 在加载时会将其映射到 MOSS-Image 单文件的融合 qkv 切片上。

模型卡片明确指出，不应将 LoRA 合并到 bf16 权重中：其增量接近 bf16 的舍入步长，因此以强度 1 在不合并的状态下应用。

实测的提示词遵循度

仓库报告了在 PartiPrompts 的 100 条提示词上的 CLIP ViT-L/14 分数，其中 Kromoss 各行的数据是在第 2000 次更新时测得，而非当前发布的 checkpoint：

直白地看，这张表说明：单独使用全量微调会用少量提示词遵循度换取锐度，而在此基础上叠加蒸馏 LoRA 则能恢复并略微超过 Base 的分数。这些数字来自作者本人，且取自训练中途的 checkpoint。

获取方式

Kromoss 已在 Hugging Face 上发布，地址为 lodestones/Kromoss，同时也在 Civitai 上有镜像。当前 ComfyUI master 已支持 MOSS-Image，因此无论 checkpoint 还是 LoRA，都不需要自定义节点。有关基础模型和官方权重，请参阅 MOSS-Image 发布报道 和 4 步与 8 步社区适配器。