OpenMOSS 开源 50 亿参数文生图模型 MOSS-Image：Base 与 SFT 两版、Apache 2.0，主打中英文文字渲染和 JSON 版面控制

这件事意味着什么

【要点】

OpenMOSS 团队 10 月 16 日开源文生图模型 MOSS-Image，发布 MOSS-Image-Base（基座）和 MOSS-Image-SFT（在精选数据上微调）两个版本，代码和权重同时公开，许可证为 Apache 2.0，可在 Hugging Face、ModelScope 下载，也有在线演示和技术报告。官方介绍的主干是 50 亿参数的扩散 Transformer（DiT），主打中英文文字渲染和版面控制：可以用自然语言、标签序列或 JSON 布局指定文字和物体放在画面哪里，适合海报、信息图这类带字的图；提示词最长支持 4K token，基座版也方便做 LoRA 等微调。官方还特别写到模型是在「替代 GPU 平台」上异构训练的，并提供了原生 ComfyUI 插件。

【可核验】

GitHub 仓库与发布说明：https://github.com/OpenMOSS/MOSS-Image

Hugging Face 模型页：https://huggingface.co/OpenMOSS-Team/MOSS-Image-SFT

技术报告：https://github.com/OpenMOSS/MOSS-Image/blob/main/paper/MOSS_Image_Technical_Report.pdf

官方发布帖：https://x.com/MosiAI_Official/status/2111094509845332037

【我们的判断】

一、这是一款中等规模的开源图像模型，亮点在中文文字渲染和可控版面，而不是比拼通用画质。50 亿参数加 Apache 2.0 许可，对需要做中文海报、带字设计图的开发者有实际价值。

二、「在替代 GPU 平台上训练」值得关注，但官方 README 没有写明具体是哪种芯片和规模，需要看技术报告细节再下结论。

三、目前官方没有给出和 Qwen-Image、FLUX 等主流开源模型的统一第三方评测对比，效果以社区实测为准；发布一天内社区已出现 ComfyUI 工作流、LoRA 和 MLX 移植。