MOSS Image 在线生图：开源 5B 模型，无需显卡

这几天大家都在试的开源模型

MOSS Image 是什么？

MOSS Image 是 OpenMOSS 团队在 2026 年 10 月 16 日开源的文生图模型，权重采用 Apache 2.0 协议。它是一个 5B 参数的单流扩散 Transformer，提示词最长 4096 个 token，能画海报、照片、信息图和二次元插画，大段中英文字也能一个字一个字写对。

MOSS Image 的画面看起来不一样，是有原因的。团队从零训练，用了 30 亿张图片，并用自研检测器把 AI 生成的图片全部剔除。所以它出的照片有真实的光线、皮肤和生活里的杂乱，没有新模型常见的那种光滑塑料感。你还可以直接给它一段 JSON 排版，它会把每个标题、物体和标签放进你指定的框里。

Apache 2.0 开源
4096 token 提示词
训练数据不含 AI 图
支持排版控制

清晨的木码头上，戴毛线帽的老渔夫在补一张橙色渔网，海面上有海鸥 — 提示词A candid photograph of an elderly fisherman mending a bright orange net on a wooden pier at dawn. Weathered hands, a wool cap, soft overcast light, gulls in the distance, natural colors, slight film grain, shot on a 50mm lens.

MOSS Image 作品

MOSS Image 生成效果

海报、街拍、二次元、杂志封面、信息图、手写便签，全部用本页的 MOSS Image 生成。把鼠标移到图片上，可以看到原始提示词。

MOSS Image中英双语茶会海报提示词： A minimalist tea festival poster on warm cream paper. A single red camellia flower on the right. On the left, a large Chinese title "山茶花开", under it the English title "Camellia Tea Festival", and a small date line "Nov 8 to 10, 2026 · Hangzhou". Elegant serif typography, generous white space, soft paper texture.

MOSS Image雨夜东京小巷街拍提示词： Street photograph of a narrow Tokyo alley on a rainy night. A cook works behind the steamy window of a tiny ramen shop, paper lanterns glow, reflections shimmer on the wet asphalt, a passerby with a clear umbrella. Natural film look, true-to-life colors.

MOSS Image用标签生成的二次元提示词： best quality, highres, 1girl, solo, school uniform, long black hair, looking back, smile, train station platform, cherry blossoms, petals in the wind, spring, golden hour, detailed background, anime style

MOSS Image带封面标题的杂志封面提示词： A fashion magazine cover spread. Bold white masthead "NORTH" across the top. Cover lines on the left: "The Winter Issue No. 12", "Wool, Wind and Quiet Towns", "24 Pages of Nordic Style". A model in a camel wool coat stands on the snowy deck of a ferry, grey sea behind her, natural daylight.

MOSS Image分步骤信息图提示词： A clean flat infographic titled "How Coffee Gets to Your Cup". Five numbered steps from left to right, each with a simple icon and a label: "1 Harvest", "2 Wash", "3 Dry", "4 Roast", "5 Brew". Thin arrows connect the steps. Warm brown and cream palette, lots of breathing room.

MOSS Image带标语的产品广告提示词： A product ad for a matte green ceramic water bottle standing on wet river stones in morning mist. Headline in clean sans serif on the left: "Cold for 24 Hours". Small brand word "FERN" printed on the bottle. Soft natural light, shallow depth of field.

MOSS Image中英文手写便签提示词： A phone photo of a kitchen fridge door in morning light. Two handwritten sticky notes held by magnets: a yellow note reads "记得买牛奶" and a pink note reads "Dentist Tue 3pm". A child's crayon drawing and a takeout menu are also on the door.

MOSS Image水彩绘本插画提示词： A watercolor children's book illustration of a fox and a rabbit sharing a red umbrella in autumn rain, fallen leaves swirling around them, soft wet edges, visible paper texture, gentle warm palette.

MOSS Image咖啡馆黑板菜单提示词： A sidewalk chalkboard menu outside a small café in afternoon sun. Hand-lettered title "Today" and four lines: "Roasted Tomato Soup $6", "Sourdough Toast $4", "Flat White $4.5", "Oat Cookie $3". A potted rosemary plant beside it, brick wall behind.

试试 MOSS Image

公开评测

MOSS Image 效果怎么样？看评测数据

数据来自 MOSS Image 技术报告。在设计类需求的真人盲评里，它排在 Seedream 5.0 Pro 和 Nano Banana Pro 前面；长文字和排版两项在开源模型里领先。

真人盲评 5 个模型里排第 2
长文字覆盖率 96.3%
排版准确度是 Ideogram 4 的 2 倍

设计类真人盲评（RealLayoutArena，Elo）

同一个简短需求，评审两两对比两张设计，看不到模型名。只有 GPT Image 2 得分更高。

GPT Image 21844
MOSS Image1699
Seedream 5.0 Pro1661
Qwen Image 3.0 Pro1615
Nano Banana Pro1590

长文字写对的比例（LongLongTextBench）

要求写进图里的中英文内容，有多少被正确画出来。

MOSS Image96.3%
Qwen Image 251264.9%

物体落进指定框（7Bench）

每个物体和它的排版框重合得有多准（mIoU，越高越好）。

MOSS Image0.88
Ideogram 40.44

来源：MOSS-Image 技术报告（arXiv 2610.23374），2026 年 10 月。RealLayoutArena 为真人两两盲评；LongLongTextBench 为六种长度设置下的平均文字覆盖率。

MOSS Image 最擅长的事

为什么大家都在用 MOSS Image

MOSS Image 比多数开源模型强的四个地方，每一项都配了本页真实生成的图。

文字渲染

MOSS Image 做中英文海报

大段文字，中英都能写对。 把要出现的文字放进引号，MOSS Image 就会把它排成真正的字：标题、日程、价格、页脚小字，中文和英文可以在同一张海报上。它会自己换行，想精确控制换行时，在提示词里加换行就行。

中英文同图
小字也看得清
换行按提示词来

自然的照片

没有 AI 味的写实照片

像拍出来的，不像生成的。 MOSS Image 的 30 亿张训练图里剔除了 AI 生成的图片，所以它没学会 AI 照片那种蜡像皮肤和磨皮光线。让它画一个日常场景，你会看到桌上的面粉、手上的动作模糊，还有家里窗户照进来的那种光。

训练数据不含 AI 图
皮肤和质感自然
日常的光线和杂物

写实和二次元

写实照片和二次元，一个模型都能画

一个模型，两种画风。 写一句话就是照片，写一串标签就是二次元，MOSS Image 不用换模型就能切换画风。下面同一个场景，用一句话生成了雪天街拍，用标签生成了动画画面。

自然语言提示词
Booru 风格标签
同一场景两种画风

长提示词

4096 token 长提示词，细节一个不落

写得再细，它也跟得上。 MOSS Image 能读 4096 个 token 的提示词。你可以一层一层地描述一栋楼，它照样画出窗台上的猫、烤炉前的面包师和柜台上的小牌子。长而精确的需求不会再被截断。

最长 4096 token
写到的细节都画出来
招牌和标签也包括在内

提示词写法

MOSS Image 提示词的三种写法

MOSS Image 能读一句话、一串标签，也能读 JSON 排版。同一家雨夜书店分别用三种写法，下面是每种写法生成的图。

自然语言
标签
带框的 JSON 排版

用完整的句子描述画面。

提示词

A cozy corner bookstore café on a rainy evening, seen from across the wet cobblestone street. A ginger cat sleeps in the front window on a stack of books. Above the door, a dark green wooden sign reads "Rainy Day Books" in cream hand-painted letters. A small chalkboard on the sidewalk says "Hot Cocoa $3". Warm light inside, reflections on the cobblestones.

最通用的写法。要出现的文字放进引号，MOSS Image 会原样写出来。

雨夜街角书店咖啡馆，招牌写着 Rainy Day Books，小黑板写着 Hot Cocoa $3

用逗号分隔关键词。

提示词

best quality, highres, photorealistic, bookstore, cafe, storefront, rainy evening, ginger cat, sleeping cat, shop window, stacked books, wooden sign, "Rainy Day Books", chalkboard sign, warm interior light, wet cobblestones, reflections, cozy

定风格和氛围很快，画二次元最合适。但标签不管细节：这里没指定黑板上写什么，模型就自己写了一句。

书店门面，橱窗里睡着一只橘猫，小黑板写着 Hot Coffee & Good Reads

一段总描述，加上每个元素的框。

提示词

{
  "summary": {
    "meta": ["photo"],
    "canvas": "single",
    "caption": "A cozy corner bookstore café on a rainy evening, seen from across the wet cobblestone street, warm light glowing from the windows."
  },
  "items": [
    { "label": "text", "caption": "Cream hand-painted letters on a dark green wooden sign above the shop front.", "text": "Rainy Day Books", "bbox": [-400, -320, -300, 320] },
    { "label": "object", "caption": "Front shop window with stacked books and warm light inside.", "bbox": [-250, -540, 180, -60] },
    { "label": "object", "caption": "A ginger cat sleeping on a stack of books inside the window.", "bbox": [20, -430, 170, -190] },
    { "label": "object", "caption": "Glass front door with a brass handle, warm light behind it.", "bbox": [-250, 60, 230, 300] },
    { "label": "text", "caption": "Chalk handwriting on a small sidewalk chalkboard sign.", "text": "Hot Cocoa $3", "bbox": [110, 360, 370, 540] },
    { "label": "object", "caption": "Wet cobblestones reflecting the warm window light.", "bbox": [240, -576, 432, 576] }
  ],
  "bbox_coord_space": "abs_centralized",
  "bbox_format": "yxyx"
}

完全可控。每个元素有类型、描述、可选的文字，以及以画面中心为原点的像素框。把鼠标移到下面的条目上，可以看到对应的框。

按 JSON 排版生成的书店门面：顶部招牌、左侧带猫的橱窗、中间的门、右侧的小黑板

Base 和 SFT

MOSS Image Base 和 SFT 有什么区别？该用哪个？

OpenMOSS 发布了同一个 5B 模型的两个版本：一个用来出图，一个用来训练你自己的模型。

	PixMira 在用MOSS Image SFT	MOSS Image Base
是什么	在精选数据上微调过的版本	预训练原始权重
适合做什么	直接出成品图	训练 LoRA、做微调
文字和排版	文字分组更整齐，版面更干净	同样的提示词，排版更松散
推荐参数	50 步，CFG 3	50 步以上，CFG 3
协议	Apache 2.0	Apache 2.0

左右滑动表格查看两个版本

参数来自 MOSS-Image 官方使用指南。两个版本都可以在 Hugging Face 和 ModelScope 下载。

该选哪个？

要出图就选 SFT，本页用的就是它。只有打算训练 LoRA 或用自己的数据微调时，才需要下载 Base。

用 MOSS Image SFT 生成

选对模型

用 MOSS Image 还是别的模型？

MOSS Image 只做文生图。要改照片，或者要按参考图生成，就换成 PixMira 上的这些模型。

MOSS Image

文生图：大段中英文字、JSON 排版、自然的照片。

12 积分起

Flux 3 Image

原生 4K，最多 10 张参考图，按框局部修改，其余部分保持不变。

6 积分起

Nano Banana 2.1

用一句话说出要改什么，它就帮你改照片，从衣服到背景都行。

3 积分起

在线用还是 ComfyUI

MOSS Image 在线使用 vs 本地 ComfyUI 部署

权重可以免费下载，但本地跑需要一张强力的 NVIDIA 显卡，还要花时间配置。两种方式的对比如下。

	马上能用在 PixMira 在线用	本地 ComfyUI 部署
硬件	任何能上网的手机或电脑	支持 CUDA 的 NVIDIA 显卡
下载	不用下载	模型 5.4 到 10.2 GB，文本编码器 7.3 到 9.8 GB，另加 FLUX.2 VAE
配置	打开本页	ComfyUI nightly 版或 MOSS-Image 插件，PyTorch 2.9 及以上
费用	1K 每张 12 积分，2K 每张 47 积分	免费，用自己的显卡和电费
图片保存	自动存进历史记录，随时下载	存在你自己的电脑上

左右滑动表格对比两种方式

文件大小来自 Comfy-Org 重新打包的 MOSS-Image（模型 int8 和 bf16，文本编码器 W4A8 和 int8）。

哪种适合你？

想马上开始、在任何设备上用，就在线用 MOSS Image。已经有一张强力的 NVIDIA 显卡，要批量跑几千张或者训练 LoRA，再考虑本地部署。

查看官方 ComfyUI 教程

4 步上手

MOSS Image 怎么用

用本页顶部的 MOSS Image 生成器，4 步从想法到成品。

01
选择 MOSS Image
本页顶部的生成器已经帮你选好了。
02
写提示词
画面描述用英文效果最好。要出现在图里的文字放进引号，中文英文都可以。
03
需要时加上排版
把一句话换成一段 JSON 排版，就能固定每个标题和物体的位置。
04
选尺寸，开始生成
选好比例和 1K 或 2K，点生成，然后下载图片。

看一条 MOSS Image 提示词变成图片

本页的真实提示词，和 MOSS Image 用它们生成的图。

提示词

A product ad for a matte green ceramic water bottle standing on wet river stones in morning mist. Headline: "Cold for 24 Hours". Small brand word "FERN" printed on the bottle.

MOSS Image生成

常见问题

MOSS Image 常见问题

关于 MOSS Image 和在 PixMira 上怎么用，这里是简短回答。

MOSS Image 来自 OpenMOSS 团队，2026 年 10 月 16 日在 Hugging Face 和 ModelScope 开源权重，同时发布了技术报告。

权重按 Apache 2.0 免费开放，可以用自己的 NVIDIA 显卡运行。在 PixMira 上不需要显卡：1K 每张 12 积分，2K 每张 47 积分，积分包含在每个 PixMira 套餐里。

可以。MOSS Image 采用允许商用的 Apache 2.0 协议，你在 PixMira 上生成的图可以用在广告、产品和客户项目里。

不能。MOSS Image 只根据文字生成图片，不接收照片输入，OpenMOSS 也还没发布编辑模型。要改照片，可以用 PixMira 上的 Flux 3 Image 或 Nano Banana 2.1。

支持。它能在图里写中文和英文。不过它的训练描述大多是英文，所以画面描述用英文效果最好，要出现的中文放进引号里。

在 PixMira 上可以选 1K（100 万像素）或 2K（最大 2048 × 2048），比例有 11 种，从 21:9 到 9:21。模型在 100 万到 200 万像素之间效果最好。

写一段总描述，再列出每个元素。每个元素包括类型（text 或 object）、描述、要写的文字，以及 [y_min, x_min, y_max, x_max] 格式的框，坐标是以画面中心为原点的像素。上面提示词写法里的书店例子，就是一段完整的排版和它生成的图。

两个都是开源权重模型。Krea 2 是 2026 年 6 月发布的 12B 模型，采用 Krea 2 Community License。MOSS Image 是更小的 5B 模型，采用 Apache 2.0，专门强化了大段中英文字和 JSON 排版。

可以。按官方使用指南，用 MOSS Image Base 训练，并且冻结文本编码器。平时出图用 SFT，也就是本页的版本。

用 MOSS Image 开始创作

下一张海报、菜单或街拍，只差一句提示词。

开始创作

MOSS Image

MOSS Image 是什么？

MOSS Image 生成效果

MOSS Image 效果怎么样？看评测数据

设计类真人盲评（RealLayoutArena，Elo）

长文字写对的比例（LongLongTextBench）

物体落进指定框（7Bench）

为什么大家都在用 MOSS Image

MOSS Image 做中英文海报

没有 AI 味的写实照片

写实照片和二次元，一个模型都能画

4096 token 长提示词，细节一个不落

MOSS Image 提示词的三种写法

MOSS Image Base 和 SFT 有什么区别？该用哪个？

该选哪个？

用 MOSS Image 还是别的模型？

MOSS Image

Flux 3 Image

Nano Banana 2.1

MOSS Image 在线使用 vs 本地 ComfyUI 部署

哪种适合你？

MOSS Image 怎么用

选择 MOSS Image

写提示词

需要时加上排版

选尺寸，开始生成

看一条 MOSS Image 提示词变成图片

MOSS Image 常见问题

MOSS Image 是谁做的？什么时候发布的？

MOSS Image 免费吗？

MOSS Image 生成的图能商用吗？

MOSS Image 能改图吗？

MOSS Image 支持中文吗？

MOSS Image 支持多大的分辨率？

JSON 排版提示词怎么写？

MOSS Image 和 Krea 2 比怎么样？

可以用 MOSS Image 训练 LoRA 吗？

用 MOSS Image 开始创作