MOSS-Image（开源文生图模型）

MOSS-Image 是 OpenMOSS 团队于 2026 年 10 月 16 日开源的文生图模型家族，包含 Base 与 SFT 两个版本，5B 参数 DiT 主干，权重与推理代码均以 Apache-2.0 授权，同时发布在 Hugging Face 与 ModelScope。除自然语言提示词外，它原生支持结构化 JSON 布局控制：用边界框指定物体、渲染文字及其空间位置，提示词最长 4K token，可在生成前就把版面定死。

官方把文字渲染与版面生成列为强项，覆盖动漫与写实两类风格，通过 Diffusers 自定义 pipeline 调用，并提供 ComfyUI 节点、Gradio 界面与本地微调指南；技术报告随仓库发布，训练使用异构 GPU 平台。开源两天内 GitHub 已积累 600 余 star，Comfy-Org 的重打包版本下载量快速攀升。适合海报与信息图排版、中文文字渲染、电商与广告素材等需要精确版式的场景。

• 2026 年 10 月 16 日开源，5B DiT，Base 与 SFT 双版本，Apache-2.0 可商用
• 原生 JSON 布局控制：边界框定位物体与文字，提示词上限 4K token
• 支持 Diffusers / ComfyUI / Gradio，官方称文字渲染与版面生成是主要强项