概览
OpenMOSS 开源的 5B 文生图模型：从零预训练的单流 DiT，中英文长文本渲染清晰，可用 JSON 版式直接指定文字和物体的位置，提示词最长 4K tokens；分 Base（便于微调）与 SFT 两个版本，Apache 2.0 许可。 MOSS-Image 是 OpenMOSS 团队于 2026 年 10 月 16 日发布的文生图模型家族，包括基座模型 MOSS-Image-Base 和用精选数据微调的 MOSS-Image-SFT，代码与权重同步公开在 GitHub、Hugging Face 和 ModelScope，许可为 Apache 2.0。它的骨干是一个从零预训练的 5B 单流 DiT，官方把重点放在「图里的字要写对、东西要摆对」：除自然语言外，提示词还可以写成 JSON 版式，逐项给出标题、正文、物体及其边界框，模型据此排版；中英双语长文本渲染在官方自建的 LongLongTextBench 上平均覆盖率 96.3%，在开放权重模型中最好，端到端版式评测 RealLayoutArena 上整体系统排第二（均为官方技术报告数据）。提示词最长支持 4K tokens，风格上兼顾动漫和写实；Base 版便于做全量微调或 LoRA，社区已有 DiffSynth-Studio、KohakuMossTrainer 等训练支持。本地推理用 Diffusers 自定义管线，需要 NVIDIA GPU；发布当天 SGLang、vLLM-Omni、ComfyUI 已适配，10 月 20 日起也能在模思智能 MOSI API 平台直接调用。对需要生成中文海报、菜单、信息图的中文用户尤其实用。来源：https://openmoss.ai/MOSS-Image/ 、https://github.com/OpenMOSS/MOSS-Image 、https://huggingface.co/OpenMOSS-Team/MOSS-Image-SFT 、https://arxiv.org/abs/2610.23374 （2026-10-22 核对）。 定价：权重免费下载（Apache 2.0，可商用）；MOSI API 平台按其计费标准收费，官方公开页面未列单价。
- 模态
- 图像
- 参数量
- 5B
- 许可说明
- 开源 · Apache 2.0