MOSS-Image 对比 FLUX.2、Qwen-Image 与 Z-Image

简短结论： 文字和位置很重要时——海报、菜单、招牌、信息图——或者需要一个小巧、Apache-2.0、可微调的模型时，选 MOSS-Image。能接受非商用许可证、看重通用画质和编辑能力，选 FLUX.2 [dev]；想要大参数、Apache-2.0、带编辑版本的模型，选 Qwen-Image；最看重消费级显卡上的速度，选 Z-Image-Turbo。

做决定前，可以先用自己的提示词在线测试 MOSS-Image。

横向对比

	MOSS-Image	FLUX.2 [dev]	Qwen-Image	Z-Image-Turbo
开发方	OpenMOSS	Black Forest Labs	阿里通义千问	阿里通义
图像模型参数	5B	32B	20B	6B
架构	单流 DiT	Flow Transformer	MMDiT	单流 DiT（S3-DiT）
文本编码器	Qwen3.5-9B	基于 Mistral 的 24B 视觉语言模型	Qwen2.5-VL-7B	Qwen3-4B
权重许可证	Apache-2.0	FLUX 非商用	Apache-2.0	Apache-2.0
中英文文字	支持，长段落	支持英文，中文未见官方说明	支持	支持
边界框布局输入	支持（JSON 边界框）	未见官方说明	未见官方说明	未见官方说明
图片输入 / 编辑	官方模型不支持；社区编辑 LoRA（ComfyUI 开发分支）	支持	独立的 Edit 模型	Edit 模型已公布，尚未发布
默认步数	50	视设置而定	视设置而定	8
提示词长度	最长 4,096 tokens	—	—	—

参数量与许可证取自各模型的 Hugging Face 页面，核对于 2026 年 10 月 26 日。“未见官方说明”指官方模型卡没有描述原生的边界框输入，并不代表模型无法理解用文字描述的位置。

文字渲染

OpenMOSS 构建了 LongLongTextBench，用 180 至 2,800 字的中英文长段落进行测试。Mean-6 文字覆盖率如下：

模型	Mean-6
MOSS-Image	96.3
Qwen-Image-2512	64.9

这是报告中开源模型的最好成绩。FLUX.2 和 Z-Image 不在这项对比中。短标题对所有模型都比较容易，差距主要体现在菜单、笔记、幻灯片等密集的多行文字上。

布局控制

这是 MOSS-Image 最明显的优势。它接受 JSON 布局，每个物体和每行文字都有自己的边界框。报告中的 7Bench（物体摆放）结果：

模型	mIoU
MOSS-Image	0.679
Ideogram 4.0	0.243
Qwen Image 3.0 Pro	0.169
Seedream 5.0 Pro	0.167
Nano Banana Pro	0.149
GPT Image 2	0.143

所有模型拿到的都是相同的目标框：四个 API 模型接收原始 JSON 提示词，Ideogram 4（公开 FP8 权重）则使用转换成其自身 JSON 格式的框。Ideogram 自己的报告称 7Bench mIoU 约为 0.69，因此请把这组数据看作 OpenMOSS 在其设置下的测量结果，衡量的是框内摆放，而不是整体画质。可以用我们的布局编辑器亲自试试。

整体偏好

在 OpenMOSS 的 RealLayoutArena 人类评测中，完整的 MOSS-Image 系统获得 1698.70 Elo，仅次于 GPT Image 2，领先 Seedream 5.0 Pro。当九个生成模型使用相同的增强提示词时，MOSS-Image 主干模型排名第一（1807.34），领先 ERNIE Image（1748.51）。

该选哪个？

如果你需要……	选择
文字准确的海报、菜单、招牌或信息图	MOSS-Image
把元素放在指定位置	MOSS-Image（JSON 布局）
Apache-2.0 协议下可微调的小模型	MOSS-Image 或 Z-Image
编辑现有照片	FLUX.2 [dev] 或 Qwen-Image-Edit（MOSS-Image 目前需要在 ComfyUI 开发分支上使用社区编辑 LoRA）
本地最快生成	Z-Image-Turbo
无需额外授权即可商用的权重	MOSS-Image、Qwen-Image 或 Z-Image（Apache-2.0）

注意事项

• MOSS-Image 的评测数据来自开发团队自己，尚未经过独立复现。
• 模型迭代很快，更新的 Qwen 与 FLUX 版本可能与上表不同。
• 最好的测试是你自己的提示词：在各模型的推荐参数下运行同一需求，逐字对比文字。