OpenMOSS · 2026 年 10 月 16 日发布 · Apache 2.0

MOSS-Image：专攻图中文字与排版的开源模型

MOSS-Image 是 OpenMOSS 推出的 5B 开放权重文生图模型，能在图片里写出大段中英文文字，并按 JSON 布局排版。下面依次介绍规格参数、基准测试得分、示例图片和运行方法。

MOSS-Image 需要在你自己的显卡上运行，所以 Nano AI 没有托管它。最常拿来和它比较的是 Qwen Image 2.1，同样主打图片里的中英文文字，本页的生成器运行的就是它：每张图 8 积分，不需要显卡。

浏览 36 个提示词我的作品

适合: 图片内的中英文文字

试试

注册送 16 积分 = 2 张标准图，无需信用卡。

结果画板

生成的不同方案会出现在这里。

开发方: OpenMOSS
发布时间: 2026年10月16日
本站可用: Qwen Image 2.1 · 每张 8 积分
页面更新: 2026年10月20日

信息来源: github.com

MOSS-Image 是什么？

MOSS-Image 是 OpenMOSS（MOSI.AI）联合复旦大学、上海交通大学和上海创智学院的研究人员推出的文生图模型，于 2026 年 10 月 16 日发布。它的核心是一个从零训练的 5B 参数扩散 Transformer，文本编码器采用 Qwen3.5-9B 语言模型，VAE 采用 FLUX.2 VAE。

它提供两个权重版本。MOSS-Image-Base 没有做后训练，方便拿来微调；MOSS-Image-SFT 在精选数据上做过微调，文字和排版更干净。两者都采用 Apache 2.0 许可证，允许商用。

MOSS-Image 只能根据文字生成图片：技术报告写明，它不能接收参考图，也不能编辑照片。要使用它，得先下载权重（ComfyUI 的精简版文件约 13 GB，全精度约 27 GB），再放到 ComfyUI、Diffusers、SGLang 或 vLLM-Omni 里运行。如果你只是想要带有清晰中英文文字的图片，本页顶部的生成器可以直接在浏览器里运行 Qwen Image 2.1。

MOSS-Image 规格参数

开发方: OpenMOSS（MOSI.AI）
发布日期: 2026 年 10 月 16 日
许可证: Apache 2.0，允许商用
图像模型: 5B 单流扩散 Transformer，42 个 Transformer 块
文本编码器: Qwen3.5-9B（冻结）
VAE: FLUX.2 VAE，搭配小型解码器
权重版本: MOSS-Image-Base 和 MOSS-Image-SFT
提示词格式: 自然语言、标签列表和 JSON 布局（实验性），最长 4,096 个 token
分辨率: 建议 1 到 2 MP（百万像素）；支持 512 × 512 到 2K，边长须为 16 的倍数
图像编辑: 不支持
默认采样设置: Euler，50 步，CFG 3，shift 5，跳过第 22 层
在 Nano AI 上: 未托管；改用 Qwen Image 2.1，每张图 8 积分

MOSS-Image 生成示例

以下图片截取自 OpenMOSS 模型卡里的展示图，没有做任何修图。OpenMOSS 没有公布提示词，所以每张图下方的文字描述的是画面内容。

MOSS-Image: A collage of landscape, still-life and animal photos with the headline "We are introducing MOSS-Image-Base and MOSS-Image-SFT" across it, generated as one image including the sentence — MOSS-Image · 官方展示图A collage of landscape, still-life and animal photos with the headline "We are introducing MOSS-Image-Base and MOSS-Image-SFT" across it, generated as one image including the sentence

MOSS-Image: An open textbook page with the classical Chinese essay 兰亭集序 by Wang Xizhi, its full text and footnotes printed in small type — MOSS-Image · 官方展示图An open textbook page with the classical Chinese essay 兰亭集序 by Wang Xizhi, its full text and footnotes printed in small type

MOSS-Image: A wide night panorama of the Shanghai skyline along the Huangpu River, with lit towers reflected in the water — MOSS-Image · 官方展示图A wide night panorama of the Shanghai skyline along the Huangpu River, with lit towers reflected in the water

MOSS-Image 的强项与短板

长文本也能写对

在 OpenMOSS 的长文本基准测试（LLTB）中，MOSS-Image 得分 96.3，和 Nano Banana Pro 的 96.6 基本持平，远高于 Qwen Image 2512（64.9）和 Z-Image Base（40.8）等开源模型。测试者反馈，它写英文和日文时很少拼错。

按坐标排布版面

JSON 提示词可以给每个文字块和物体各指定一个框。在 7Bench 布局测试中，MOSS-Image 的 mIoU 达到 0.88，而 GPT Image 2、Nano Banana Pro、Seedream 5.0 Pro 和 Qwen Image 3.0 Pro 只有 0.30 到 0.33。

一张消费级显卡就能跑

社区测试中，这个 5B 模型用 8 位文件在 12 GB 显存的 RTX 4070 上跑了起来；4 位或 GGUF 版本配合卸载（offloading）可以在 8 GB 显卡上运行。

为微调而生

Base 模型发布时没有做后训练。KohakuMossTrainer 和 DiffSynth-Studio 已经可以训练 LoRA，社区也发布了 8 步和 4 步的版本。

默认设置下速度慢

默认 50 步、每步要算两遍：在 RTX 5090 上以全精度生成一张 1024 × 1024 的图约需 27 秒，在 12 GB 显存的 RTX 4070 上用 8 位文件约需 50 秒。

已知的短板

用户反馈，SFT 生成的图会出现竖向色带，背景发糊，手部容易畸形，会多出没要求的文字，物体数量也常常不对。它不能编辑图片。

MOSS-Image 与 Qwen Image 2.1、Nano Banana Pro、GPT Image 2 对比

基准测试得分来自 MOSS-Image 技术报告（arXiv 2610.23374），由 OpenMOSS 自己测得；Qwen Image 2.1 不在测试范围内。积分为 Nano AI 在 2026 年 10 月 20 日的价格。

	MOSS-Image	Qwen Image 2.1	Nano Banana Pro	GPT Image 2
开发方	OpenMOSS	阿里巴巴	谷歌	OpenAI
权重	开放，Apache 2.0	开放	闭源	闭源
长文本得分（LLTB）	96.3	未测试	96.6	99.0
人类偏好 Elo（RLA）	1698.7，使用 GPT-6 提示词增强器	未测试	1590.2	1844.4
图像编辑	不支持	支持	支持	支持
在哪里运行	你自己的显卡	Nano AI，8 积分	Nano AI，32 积分	Nano AI，12 积分

如何运行 MOSS-Image

1
在 ComfyUI 中运行
把 ComfyUI 更新到 0.42.0 或更高版本，从 Comfy-Org/MOSS-Image 下载扩散模型、Qwen3.5-9B 文本编码器和 FLUX.2 VAE，再打开一个 MOSS-Image 模板。下方链接的 ComfyUI MOSS-Image 教程列出了所有文件和设置。
2
用 Python 运行
在 NVIDIA 显卡上安装 diffusers 0.38 或更高版本，用随附的自定义 pipeline 加载 OpenMOSS-Team/MOSS-Image-SFT。也可以用 SGLang 和 vLLM-Omni 为这个模型提供推理服务。
3
没有显卡
试试 OpenMOSS 在 Hugging Face Spaces 上的免费演示（可能要排队），或者用本页顶部的生成器，它运行的是最常拿来和 MOSS-Image 比较的 Qwen Image 2.1。

MOSS-Image 提示词技巧

尽量用英文写，因为英文的训练数据最多；把要出现的文字原样放进引号，需要换行的地方直接换行。前四条在上面的生成器里也能用。

手写中文便签
A wide view of a refrigerator beside a kitchen counter with a fruit bowl. A small sticky note on the refrigerator door is handwritten in Chinese: "记得买牛奶和鸡蛋！牛奶两盒，鸡蛋一打。顺便带一袋面包。"
中英双语店招
A small tea shop at dusk with a wooden sign that reads "山间茶舍" on the first line and "Mountain Tea House" on the second line, warm lantern light, wet stone steps, no people
白板笔记
A glass whiteboard in a bright office with neat handwritten notes in blue marker: "Q4 plan 1. Ship the layout editor 2. Train a style LoRA 3. Publish the user guide", soft daylight, no people
海报标题
A minimalist travel poster with a cream background, a blue mountain illustration, and the title "EXPLORE" at the top.
标签列表（MOSS-Image）
best quality, highres, scenery, mountain lake, sunrise, mist, no humans

常见问题

MOSS-Image 常见问题

关于这个模型、怎么运行它，以及如何在线使用同类模型的简要解答。

MOSS-Image 免费吗？

免费。权重和代码都采用 Apache 2.0 许可证，可以免费使用，包括商用。你只需要为运行它的显卡付费。OpenMOSS 还在 Hugging Face Spaces 上提供了免费演示。

没有显卡，能在线使用 MOSS-Image 吗？

官方渠道只有 OpenMOSS 在 Hugging Face 上的演示，而且可能要排队。Nano AI 没有托管 MOSS-Image；本页的生成器运行的是 Qwen Image 2.1，在图片文字方面和它接近，还能编辑照片。新账号在大多数地区可获得 16 个免费积分，够生成 2 张图。

MOSS-Image 需要多少显存？

OpenMOSS 没有公布官方数字。社区测试中，全精度文件在 RTX 5090 上的显存峰值约 29 GiB；8 位文件在同一张卡上约 16 GiB，在 12 GB 显存的 RTX 4070 上约 11.6 GiB。4 位和 GGUF 版本配合卸载可以在 8 GB 显卡上运行，只是更慢。

MOSS-Image Base 还是 SFT：该下载哪个？

要出图就选 SFT：它经过微调，文字分组和排版更干净。Base 是未经改动的原始权重，适合训练 LoRA 和做研究。

MOSS-Image 能编辑图片吗？

不能。技术报告写明，它不能接收参考图，也不能编辑图片；OpenMOSS 表示，基于参考图的生成还在探索中。如果要编辑图片，可以用 Qwen Image 2.1 或 Nano Banana 2.1 这类模型。

ComfyUI 支持 MOSS-Image 吗？

支持。ComfyUI 从 2026 年 10 月 18 日发布的 0.42.0 起原生支持它，0.41.3 还不包含。我们的 ComfyUI MOSS-Image 教程列出了所需的文件、存放的文件夹和设置。

MOSS-Image 是谁开发的？

OpenMOSS，也就是 MOSI.AI 旗下打造 MOSS 系列模型的团队，复旦大学、上海交通大学和上海创智学院的研究人员也参与其中。技术报告编号为 arXiv 2610.23374。

Nano AI 和 OpenMOSS 有关联吗？

没有。Nano AI 是独立服务，只是链接到 OpenMOSS 的官方下载地址，本身并不托管 MOSS-Image。