图像创作
MOSS-Image
一款开源 5B 文生图模型，中英文字渲染清晰，并可用边界框控制画面布局。
产品洞察
快速了解 MOSS-Image
价值主张
免费、可本地部署的图像模型，文字清晰可读，还能把每个元素精确放到想要的位置。
解决的问题
多数开源图像模型容易把文字画错，中文尤其明显，也没有直接控制画面元素位置的办法。
适合人群
制作海报和信息图的设计师、ComfyUI 用户，以及想用开源底模做 LoRA 微调的开发者和研究者。
价格与访问方式
免费开源，权重采用 Apache-2.0 协议，只需承担自己的显卡或云服务器费用。
市场标签
- 2026 年 10 月 16 日在 GitHub（OpenMOSS/MOSS-Image）和 Hugging Face 开源
- Hugging Face Spaces 提供免费在线演示
技术栈
- 5B 扩散 Transformer + Qwen3.5 文本编码器 + FLUX.2 VAE
- 布局 JSON 提示词，可为每个元素设置边界框和文字
- 支持 Diffusers 管线、Gradio 应用、ComfyUI 插件和 vLLM-Omni 部署
01为什么收录
MOSS-Image 是什么？
MOSS-Image 是 OpenMOSS 开源的 5B 文生图模型，擅长渲染中英文字，并可通过边界框 JSON 提示词控制画面布局。
02使用流程
如何使用 MOSS-Image
- 01
试用在线演示
打开 Hugging Face 上的 MOSS-Image Space，输入提示词即可出图，无需安装。
- 02
本地运行
克隆 OpenMOSS/MOSS-Image 仓库并安装依赖，然后调用 Python 管线或启动 Gradio 应用；ComfyUI 用户可在 ComfyUI Manager 中直接安装插件。
- 03
控制画面布局
制作海报或信息图时，编写布局 JSON，为每个元素写上描述、边界框和要渲染的文字。
03核心能力
MOSS-Image 的核心功能
- 清晰的中英文字渲染
- 用边界框 JSON 提示词控制布局
- 支持最长 4K token 的长提示词
- Base 版本适合 LoRA 微调，SFT 版本可直接出图
- 支持动漫和写实风格
- 原生 ComfyUI 插件
04适合场景
MOSS-Image 适合什么场景？
- 文字清晰的海报、信息图和封面
- 需要精确摆放元素位置的设计
- 用自己的风格微调一个轻量开源图像模型
05常见问题
关于 MOSS-Image 的常见问题
MOSS-Image 是什么？
MOSS-Image 是 OpenMOSS 团队开源的文生图模型，基于 5B 扩散 Transformer，以清晰的中英文字渲染和布局控制见长。
MOSS-Image 免费吗？
免费。权重以 Apache-2.0 协议开源，可以在 Hugging Face Spaces 免费试用，也可以在自己的显卡上运行。
MOSS-Image-Base 和 MOSS-Image-SFT 有什么区别？
Base 是未经后训练的预训练模型，适合作为 LoRA 等微调的起点；SFT 在精选数据上做了微调，直接出图时文字排布和版式更整洁。
MOSS-Image 能在 ComfyUI 里用吗？
可以。在 ComfyUI Manager 中搜索 MOSS-Image 即可安装原生插件，并附带示例工作流。
官方网站快照
openmoss.ai
MOSS-Image 是 OpenMOSS 团队于 2026 年 10 月 16 日开源的文生图模型系列，由 50 亿参数的扩散 Transformer（DiT）、Qwen3.5 文本编码器和 FLUX.2 VAE 组成。除了最长 4K token 的普通提示词，它还支持布局 JSON，可以给每个物体、每行文字指定边界框，因此特别适合制作海报、信息图等需要清晰中英文字的设计。模型提供 Base（用于微调）和 SFT（直接出图）两个版本，可通过 Python、Gradio、ComfyUI 运行，也能在 Hugging Face 上免费试用。
