OpenMOSS 发布开源图像生成模型 MOSS-Image

OpenMOSS 联合复旦 NLP、上海创智与 MOSI 发布开放权重图像生成模型 MOSS-Image，采用 5B 参数单流 DiT 从零预训练，支持最长约 4K token 提示词、中英文长文本渲染和可编辑的 JSON Layout。Base 与 SFT 权重采用 Apache-2.0 许可，提供 Diffusers、Gradio 和 ComfyUI 路径，并支持 LoRA 与全量微调。 据发布信息，该模型当前 backbone 仍是 text-to-image 模型，不能直接接收参考图，也不提供原生图像编辑；Prompt Enhancement 是可选的外部规划模块，依赖外部语言模型，规划质量会影响最终规格。仅使用本地 backbone 时，仍可直接传入普通提示词或 JSON Layout。

AI 根据报道生成 · 3 小时前更新