Nano AINano AI

社区适配器 · 来源读取于 2026-11-04

MOSS-Image IDM 2-Step vs 4-Step、8-Step、50-Step 对照

该下载哪个少步检查点？并列 SFT 教师与三代社区适配器，查看作者文字样例，补齐 IDM 专用文件与安装步骤。本页侧重检查点选择，不提供本站速度实测。

此生成器与 /moss-image 一致，使用 Qwen Image 2.1，1K 每张 8 积分。Nano AI 不加载 IDM 或 LoRA，也不运行 MOSS-Image 权重。

适合: 图片内的中英文文字
试试

注册送 64 积分 = 8 张标准图，无需信用卡。

结果画板

Qwen Image 2.1 AI 生成示例
Qwen Image 2.1 AI 图片示例

生成的不同方案会出现在这里。

开发方
akhaliq / OpenMOSS
本站可用
Qwen Image 2.1 · 每张 8 积分
页面更新
2026年11月5日

信息来源: huggingface.co

作者公开的 IDM v1 文字样例

来自 akhaliq Hugging Face 模型卡的两张原始 1024 × 1024 文件，读取于 2026-11-04：2 步、seed 42、export 750。英文菜单与中文咖啡招牌均非 Nano AI 生成；这两张图不是同提示词的 2/4/8/50 步对照。

MOSS-Image IDM v1 · 2-step · export 750: Published v1 export 750 sample: an English chalkboard menu reading MORNING BREW, with three drinks and prices. 2 steps, seed 42; not a Nano AI output.
MOSS-Image IDM v1 · 2-step · export 750 · 官方展示图Published v1 export 750 sample: an English chalkboard menu reading MORNING BREW, with three drinks and prices. 2 steps, seed 42; not a Nano AI output.信息来源
MOSS-Image IDM v1 · 2-step · export 750: Published v1 export 750 sample: a wooden Chinese café sign reading 慢生活咖啡. 2 steps, seed 42; not a Nano AI output.
MOSS-Image IDM v1 · 2-step · export 750 · 官方展示图Published v1 export 750 sample: a wooden Chinese café sign reading 慢生活咖啡. 2 steps, seed 42; not a Nano AI output.信息来源

MOSS-Image IDM 2-step：先看谱系

按 2026-11-04 读取的 Hugging Face 模型卡梳理：MOSS-Image-Base → MOSS-Image-SFT (50) → lodestones DMD (8) → darask0 DMAD (4) → akhaliq IDM v1 (2)。这是蒸馏项目的继承关系，不是给普通采样器切换四个步数。教师起点是 SFT；MOSS-Image-Base 是另一个检查点。

IDM 作者推荐文生图用 v1 export 750，路径 runs/idm/export/000750/。仓库根目录是实验性的 v2 编辑续训版本；作者确认它使通用文生图退步。这里是社区实现，并非原 IDM 论文团队发布的权重。

海报、菜单和中英文字招牌可先看上方公开样例。作者评估是目测，没有 LongText-Bench 分数。其编辑实验中，草图转照片、上色在 2–4 步仍失败，而 armV5 的 50 步在这些案例上成功；改颜色、表情等属性是另一类实验性 v2 用法。本站没有重跑 GPU 实验。

检查点速查

读取日期
2026-11-04
推荐文生图版本
v1 export 750 · runs/idm/export/000750/
本地精度
SFT bf16 底模；fp32 时间路径；量化底模未经测试
本页生成器
Qwen Image 2.1 · 8 积分 · 1K

只补 IDM 需要的 ComfyUI 安装步骤

先准备能运行 MOSS 的 ComfyUI。完整底模教程留在 /comfyui-moss-image；这里仅列 IDM 增量要求。以下命令在 ComfyUI 根目录执行，通过 uvx 调用 Hugging Face CLI。

  1. 1

    确认已有 MOSS-Image 支持

    IDM 模型卡要求支持 MOSS-Image 的 ComfyUI（2026-10-16 起的 master）。不要把该适配器接到 MOSS-Image-Base。

  2. 2

    下载 SFT 底模、编码器与 VAE

    从 Comfy-Org/MOSS-Image 取 moss_image_sft_bf16.safetensors、Qwen3.5-9B 编码器和 flux2-vae.safetensors。此处选文件表中存在的 bf16 编码器；IDM 作者未测试量化扩散底模。

    uvx --from huggingface_hub hf download Comfy-Org/MOSS-Image \
  diffusion_models/moss_image_sft_bf16.safetensors \
  text_encoders/qwen3.5_9b_bf16.safetensors \
  vae/flux2-vae.safetensors --local-dir models
  3. 3

    下载 v1 并把三件套放到同一层

    hf download 会保留 runs/idm/export/000750/ 层级。将三件套直接复制到 models/rapid_moss/akhaliq-idm-2step/：节点只扫描直接子目录，不递归找 export。

    uvx --from huggingface_hub hf download akhaliq/MOSS-Image-IDM-2-Steps \
  runs/idm/export/000750/lora.safetensors \
  runs/idm/export/000750/time_embedding.safetensors \
  runs/idm/export/000750/dataspace.safetensors --local-dir /tmp/moss-idm-v1
mkdir -p models/rapid_moss/akhaliq-idm-2step
cp /tmp/moss-idm-v1/runs/idm/export/000750/*.safetensors models/rapid_moss/akhaliq-idm-2step/
  4. 4

    安装 rapid-moss 并重启

    将 darask0 仓库内的自定义节点复制到 custom_nodes/rapid-moss/。重启 ComfyUI 注册节点。

    uvx --from huggingface_hub hf download darask0/MOSS-Image_4-step_adapter_lora \
  --include "comfyui/rapid-moss/*" --local-dir /tmp/rapid-moss
cp -r /tmp/rapid-moss/comfyui/rapid-moss custom_nodes/rapid-moss
  5. 5

    打开工作流并明确设为 2 步

    打开 custom_nodes/rapid-moss/example_workflows/rapid-moss-4step-native.json，选择 akhaliq-idm-2step，把 rapid-moss 节点 steps 设为 2；Load CLIP 类型选 moss_image，使用 BasicGuider 与 SamplerCustomAdvanced。保留节点输出的 SAMPLER、SIGMAS 连线，不要沿用模板的 4 步。

IDM v1 必装文件

路径核对自 2026-11-04 的 IDM 模型卡、Comfy-Org 文件列表与 rapid-moss 节点源码。Nano AI 不会下载这些权重。

文件目标目录作用
moss_image_sft_bf16.safetensorsComfyUI/models/diffusion_models/bf16 SFT 扩散底模
qwen3.5_9b_bf16.safetensorsComfyUI/models/text_encoders/Qwen3.5-9B 文本编码器
flux2-vae.safetensorsComfyUI/models/vae/FLUX.2 VAE
lora.safetensorsComfyUI/models/rapid_moss/akhaliq-idm-2step/不合并的 v1 LoRA 差分
time_embedding.safetensorsComfyUI/models/rapid_moss/akhaliq-idm-2step/fp32 时间路径
dataspace.safetensorsComfyUI/models/rapid_moss/akhaliq-idm-2step/数据空间混合与 2 个步码

每一代改变了什么

01

50 → SFT

SFT 教师：50 步、CFG 3。IDM 模型卡将每张 1024² 图片计为 100 次 DiT 前向。

02

8 → DMD

lodestones：开发中的 data-space DMD，8 次计算、无 CFG；update 2600。

03

4 → DMAD

darask0：由 lodestones 续训的 4 步 DMAD，无 CFG，使用专用采样器。

04

2 → IDM v1

akhaliq：IDM 2 步文生图 v1，推荐 export 750。卡片计为 2 次 DiT 前向，不等于端到端提速倍数。

MOSS-Image：2、4、8、50 步并列

来源为 2026-11-04 读取的 Hugging Face 模型卡。网络计算次数不是秒数：文本编码、VAE 解码、硬件同样影响耗时。本站没有做性能基准。

50 · SFT8 · DMD4 · DMAD2 · IDM
作者／项目OpenMOSSlodestonesdarask0akhaliq
方法SFTdata-space DMDDMADIDM
采样50 步 · CFG 38 步 · 无 CFG4 步 · 无 CFG2 步 · 无 CFG
检查点MOSS-Image-SFTupdate 2600DMAD 续训v1 export 750
主要边界网络计算次数更多仍在开发专用时间路径与采样器v2 使文生图退步

下载入口与来源

读取于 2026-11-04。上方技术步骤以 Hugging Face 一手模型卡和节点源码为准。Civitai 仅作检索入口，不代表已确认 IDM 下载项。

IDM 模型卡与 v1 export作者推荐检查点、样例及编辑失败记录。huggingface.co8 步 DMD 模型卡前一代 8 次计算项目。huggingface.co4 步 DMAD 模型卡IDM 之前的续训项目。huggingface.corapid-moss 节点源码直接子目录扫描、三文件加载与步码上限。huggingface.coComfyUI 底模文件扩散底模、Qwen3.5-9B 编码器与 VAE。huggingface.coCivitai 模型搜索搜索 MOSS Image，自行核对作者、版本和文件；此处不声称已有指定 IDM 条目。civitai.comArtRealmAI 背景说明二手解释文章；配置以其链接的模型卡为准。artrealmai.comlilting.ch 衍生项目梳理二手衍生项目地图；另列有一个兼容普通 Euler 的 4 步项目，不能与 darask0 DMAD 混为一谈。lilting.ch

试用独立的 Qwen Image 2.1 生成器

  1. 1

    选一个文字版式

    使用下方原创海报或菜单提示词；这不是 IDM 检查点对照实验。

  2. 2

    保留 Qwen Image 2.1

    这里 1K 每张 8 积分。IDM 文件、本地步数和 ComfyUI 参数不会改变本接口。

  3. 3

    生成后逐字检查

    登录后生成并核对文字，输出属于 Qwen Image 2.1，不是 MOSS-Image IDM。

用于本站生成器的原创提示词

以下用于 Qwen Image 2.1，不是原样例提示词，也不复现 IDM 评估。

  • 双语海报

    An original botanical exhibition poster on cream paper, title "GARDEN NOTES", subtitle "花园笔记", a green leaf illustration in the center, generous margins, no people, no logos.

  • 菜单版式

    A simple chalkboard menu titled "TEA BREAK", exactly two lines "Green tea $3" and "Oat latte $5", chalk lettering and a small teacup drawing, no people, no logos.

  • 书籍封面

    An original gardening book cover, title "SMALL GARDENS", subtitle "Notes for every season", a simple line drawing of three terracotta pots, cream and green palette, no people, no logos.

  • 展览卡片

    An original gallery invitation card titled "PAPER & LIGHT", date "18 MAY", a folded paper sculpture on a pale blue background, clean type hierarchy, no people, no logos.

为什么普通 LoRA Loader 不够

bf16 合并会改变结果
IDM 卡和 darask0 源码说明：LoRA 差分并入 bf16 权重时会被舍入损失，其对照约有 81% 相对误差；LoraLoaderModelOnly 还缺少 fp32 时间路径与 data-space 采样器。应走 rapid-moss 的不合并路径；这不表示所有普通 LoRA 都需要该节点。
下拉菜单找不到适配器
lora.safetensors、time_embedding.safetensors、dataspace.safetensors 必须同放 models/rapid_moss/ 的直接子目录。嵌套的 runs/idm/export/000750/ 不会被 _adapter_dirs() 发现。
两步适配器却沿用四步
节点拒绝超过步码数量的 steps。IDM v1 选 2，不要照抄原生示例工作流默认的 4。

常见问题

MOSS-Image IDM 2-step 常见问题

根据 2026-11-04 读取的来源回答。

本页按钮实际运行哪个模型？

Qwen Image 2.1，1K 每张 8 积分。Nano AI 不加载 IDM/LoRA 或 MOSS-Image 权重。

文生图推荐哪个 IDM 检查点？

作者推荐 runs/idm/export/000750/ 中的 v1 export 750。根目录／v2 是实验编辑续训，通用文生图已有退步。

2 步就代表快 50 倍吗？

本页没有端到端计时。卡片比较的是 50 步 CFG 3 教师的 100 次 DiT 前向与 IDM 的 2 次；该计数不含其他环节，不是统一硬件的速度基准。

2–4 步能完成结构编辑吗？

作者报告草图转照片、上色在 2–4 步失败，armV5 的 50 步在这些案例成功。实验性的属性编辑是另一回事；本站没有重跑测试。

完整模型与 ComfyUI 教程在哪里？

模型总览在 /moss-image，底模安装在 /comfyui-moss-image，与另一个模型的对照在 /moss-image-vs-krea-2。本页只补 IDM 适配器的选择与要求。

Nano AI 更多内容

首页Nano Banana AI 图片生成器在一个输入框里用所有模型生成和编辑图片。工作台Nano 图片生成与编辑器完整的工作台：全部图片模型、批量生成和你的历史作品。定价Nano Banana 价格与积分方案各模型的价格、积分包和订阅方案。模型页Nano Banana ProGoogle 的高端图像模型，在线即可使用。

MOSS-Image 教程与对照

OpenMOSS · 指南MOSS-ImageOpenMOSS · 指南ComfyUI MOSS-ImageOpenMOSS · 指南MOSS-Image vs Krea 2OpenMOSS · 指南MOSS Image Base vs SFT

Nano AI 与 OpenMOSS、akhaliq 和适配器作者无隶属关系。事实与样例原件于 2026-11-04 从 Hugging Face 读取。本页运行 Qwen Image 2.1；作者评估不等于 Nano AI 实测。