训练与使用 MOSS-Image LoRA

在 Base 上训练 MOSS-Image LoRA，保持文本编码器冻结，并按模型训练时的方式为图片打标。 目前有四个开源工具支持 MOSS-Image，社区 LoRA 也已经能修复色带、加速采样和编辑图片。

用 Base 还是 SFT？

OpenMOSS 发布 Base 时刻意没有做后训练或 CFG 蒸馏，就是为了方便社区微调：它保留了完整的训练分布。除非你明确想在 SFT 精选风格的基础上调整，否则请用 Base 训练。在一个版本上训练的 LoRA 不保证能完美迁移到另一个版本。

训练工具

KohakuMossTrainer

KohakuMossTrainer 于 2026 年 10 月 18 日发布，支持对 Base 和 SFT 进行全量微调和 LyCORIS 训练（包括 LoRA）。

• 最低约 6 GB 显存即可训练适配器，支持 CPU 卸载。
• 混合精度：BF16、FP16、FP8、MXFP8 和 INT8。
• 多卡：DDP、FSDP 与流水线并行。
• 支持 Windows 和 Linux；NVIDIA SM70 至 SM120 显卡，以及 Intel Arc。
• 丰富的优化器支持与优化过的算子。

DiffSynth-Studio

魔搭社区的 DiffSynth-Studio 支持对 Base 和 SFT 进行全量微调和 LoRA 训练，提供训练文档和示例脚本。如果你已经在用 DiffSynth 或从魔搭下载模型，它会很顺手。

Kohya sd-scripts

sd-scripts 于 2026 年 10 月 18 日加入 MOSS-Image LoRA 训练，脚本为 moss_image_train_network.py，并附训练指南。它可以直接读取 ComfyUI 单文件权重。不支持 fp8，请改用 ConvRot INT8（--convrot_int8、--convrot_int8_text_encoder）。官方实测（1024 × 1024，batch 1，LoRA dim 16，梯度检查点，缓存潜变量和文本编码器输出，RTX PRO 6000）：

配置	训练时显存峰值	内存
bf16 DiT + bf16 文本编码器	13.2 GB	17.2 GB
ConvRot INT8 DiT + 文本编码器	9.1 GB	9.9 GB
INT8 + --blocks_to_swap 20	6.9 GB	14.0 GB

启动阶段缓存文本编码器输出时会短暂占用更多显存（bf16 最高 15.3 GB）。

Ostris AI Toolkit

AI Toolkit 于 2026 年 10 月 16 日加入 MOSS-Image Base 和 SFT 支持，也能训练 SFT 编辑版本。

OpenMOSS 的建议

• 保持文本编码器冻结。 不要微调 Qwen3.5-9B。
• 按训练数据的方式打标。 MOSS-Image 学习的是长而忠实的描述：逐字转写图中可见文字，并描述文字的排版。
• 简单的 SFT 就很有效。 OpenMOSS 表示，在他们的实验中，对 Base 做简单的监督微调就能解锁 GIF 生成、参考图生成等新能力。

官方打标方法

OpenMOSS 公开了自己使用的重打标提示词。它要求视觉语言模型返回一个 JSON 对象，包含三种长度的描述、水印框和边框标记。核心规则：

• caption.long：描述构图、主体、场景、色彩、光线和风格，并逐字转写图中可见文字——不翻译、不改写——包括换行、顺序、对齐、字号层级和字体风格。
• caption.medium：一段话。caption.short：一句话。
• 描述中不要提及水印；水印单独记录为 0–1000 归一化坐标框。

打标模型方面，OpenMOSS 推荐 Gemma 4、Qwen 3.5 27B 或 Qwen 3.5 35B-A3B，并开启思考模式以提高准确率。完整提示词见用户指南。

入门清单

1. 收集风格一致的高分辨率图片（至少 100 万像素），裁成你计划生成的比例。
2. 用上面的方法打标；对于文字较多的设计，逐一核对每个可见文字是否转写准确。
3. 在 Base 上训练并冻结文本编码器。从适中的 rank 和学习率开始，经常保存检查点。
4. 先用官方采样参数测试——50 步、CFG 3、shift 5、跳过第 22 层——再调整其他参数。

社区 LoRA 与权重

项目	作用	说明
MOSS-Image-SFT-8-steps-dmd	把 SFT 蒸馏到 8 步、无需 CFG	仍在开发中；ComfyUI LoRA 强度 1（lora_latest 用 0.7）
MOSS-Image-SFT-DeBand	减轻 SFT 的竖向色带	附 ComfyUI 预设；可能改变细节
MOSS-Image-FP16-fixed	Base 与 SFT 的 FP16 安全权重	提供 Diffusers 与 ComfyUI 格式

在 ComfyUI 中使用 LoRA

把 LoRA 文件放进 models/loras，在 MOSS-Image 子图中的扩散模型加载器和采样器之间加一个 LoraLoaderModelOnly 节点，强度按作者推荐设置。基础工作流见 ComfyUI 教程。

各工具的能力描述来自其官方文档（核对于 2026 年 10 月 26 日），本站未做基准测试。