正在整理你需要的资料…
OpenMOSS/MOSS-Image ↗ · 项目主页 ↗
中文文字排不准、画面元素又散在各处,是生图模型常挨的抱怨。OpenMOSS 的 5B 参数 DiT 基座模型主打版面控制与中文文字渲染,权重与代码全部公开。配套的 KohakuMossTrainer 能做全量微调和 LyCORIS 训练(含 LoRA),BF16、FP16、FP8 混精加 CPU offload,6GB 显存就能训适配器。
适合要做文生图微调和二次开发,尤其在意中文文字排布准确、或想在 6GB 显存上用 LoRA 训自己风格的创作者;MOSS-Image 也已进了 ComfyUI 和 vLLM-Omni。

下面是把仓库 README 逐节读完后归纳出的中文要点。
记录 MOSS-Image 系列的进展:已上线 MOSI API 平台、技术报告发布在 arXiv、训练工具 KohakuMossTrainer 开源,并在 SGLang、vLLM-Omni 与 ComfyUI 得到首日支持
介绍社区围绕 MOSS-Image 的工作:DiffSynth-Studio 支持全量微调与 LoRA 训练,另有去色带、8 步 DMD 蒸馏与 FP16 权重修复等适配项目
提供英文用户指南与中文用户指南,涵盖推荐的推理参数、提示词示例、布局输入格式与 LoRA 训练建议
MOSS-Image 已原生支持 ComfyUI,升级到带支持的 master 或 nightly 版本并装好依赖后,用内置加载器搭配 ComfyUI 格式权重即可,无需额外插件
提示词增强技能把图像想法转成详细描述或空间布局提示词,面向手握本地文件与 Python 工具的智能体,附带脚本可把像素坐标草稿转成以中心为原点的整数 JSON,不调用图像生成服务
以目录形式列出仓库各部分:新闻、社区项目、用户指南、ComfyUI、提示词增强技能、模型、快速上手、安装、Python 与 Gradio、采样设置、显存与性能、布局生图、示例与引用
git clone https://github.com/OpenMOSS/MOSS-Image.git
cd MOSS-Image
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt| 主要语言 | Python | 许可 | Apache-2.0 |
|---|---|---|---|
| 创建时间 | 2026-10-16 | 最近提交 | 2026-11-08 |
| 站内采集 | 2026-11-06 起,连续观察 11 天 | 最近一次 | 2026-11-16 |
5B 参数的 DiT 图像基座模型,主打版面控制与中文文字渲染,权重与代码全部公开。
MOSS-Image 是今天唯一一条正经的图像模型路线,其余项目都是在别人的模型之上搭工具。它同时放出 Base 与 SFT 两版权重,能力集中在四处:版面控制(能指定文字与视觉元素在画面中的位置)、强文字渲染(生成的字清楚准确)、超长提示词(最多 4K token)、风格覆盖(动漫与写实都能出高质量图)。骨干只有 5B 参数,因此生态围绕微调展开:官方放出了 KohakuMossTrainer,支持全量微调与 LoRA(LyCORIS)训练,优化器覆盖广、混合精度到 BF16/FP16/FP8/MXFP8/INT8,多卡训练支持 DDP、FSDP 与流水并行,还带 CPU offloading,最低 6GB 显存就能训适配器,硬件上覆盖 NVIDIA SM70 到 SM120 以及 Intel Arc。落地路径铺得很宽——SGLang、vLLM-Omni、ComfyUI 都是 day-0 支持,DiffSynth-Studio 支持全量微调与 LoRA,社区还贡献了去竖向色带 LoRA、8 步 DMD 蒸馏 LoRA、ComfyUI 内的隐藏态预测加速节点,以及一个不依赖 PyTorch 与 Python 的 C++/CUDA 推理引擎 mossimage.cpp(会按实际显存规划并在装不下时流式加载)。此外还有一个浏览器里的版面编辑器,画布上摆好文字、物体、人物框就能编译成与官方提示词增强技能一致的提示词,整个过程不触发任何生成调用。
最近 9 次采集
2026-11-06 2,673 ★ → 2026-11-16 2,911 ★ (累计 +238)
数据来自 GitHub 公开接口的每日采集快照,star 数为采集当时读到的值, 与 GitHub 页面上显示的实时数字可能有几分钟的差距。 项目名点击可回到 本页。