开源生图又来黑马：MOSS-Image模型支持中文，超越Flux3 Image Klein

一、MOSS-Image 是什么

MOSS-Image 是 ‌OpenMOSS 团队（复旦大学自然语言处理实验室、上海创智学院和摩斯智能联合组建）在 2026 年 10 月 16 日开源发布的 5B 参数文生图模型‌，主打文字渲染和布局控制。‌‌

它的核心特点在于：

• ‌精准文字与排版‌：支持中英文文字渲染，可以用 JSON 指令控制画面里文字的内容、位置和排版，适合海报、界面图文排版这类需要固定元素布局的场景。
• ‌灵活的控制方式‌：除了自然语言提示词，还支持标签序列和 JSON 格式输入，能精细控制画面中各个物体的坐标位置。
• 两种版本‌：提供 Base 基座模型（适合继续微调）和 SFT 微调版（适合日常直接生成）。
• 生态支持‌：已支持 ComfyUI，可以直接下载模型权重和工作流在本地运行。‌‌

二、相关安装

1. 将 ComfyUI 更新至 0.41.3 或更高版本
2. 下载 工作流中列出的模型

模型路径：

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │      ├── moss_image_sft_int8_convrot.safetensors
│   │      └── moss_image_base_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │      └── qwen3.5_9b_w4a8_gptq.safetensors
│   └── 📂 vae/
│          └── flux2-vae_small.safetensors

提示技巧

• 描述最终图像，而不是提出请求。 该模型是在描述文本上训练的，因此请写出画面看起来是什么样，而不是写“帮我做一张海报”这样的指令。上采样器遵循同一规则，所以简短提示词仍然有效。
• 关闭上采样器以控制措辞。 在子图节点上将 enable_prompt_upsampler 设为 false，提示词就会原样传给模型。两种设置都会在 Preview Any 中显示结果，因此可以对比。
• 自行控制换行。 自动换行可能不会落在你期望的位置。当换行位置很重要时，在要渲染的文本中放入实际换行符或 \n。
• 位置很重要时，使用布局工作流。 框会为每个元素和每个文本块向模型提供明确的位置，这比用文字描述位置更可靠。
• 将画布保持在推荐范围内。 ResolutionSelector 选择宽高比和像素数（默认 1 MP）。MOSS-Image 针对 1 MP 至 2 MP 训练，并可在约 0.25 MP 至 4 MP 的范围内外推；宽度和高度必须是 16 的倍数。
• 从模板设置开始，然后为官方效果放慢速度。 模板使用 er_sde 采样器、以 CFG 2.5 运行 25 步，以求速度。官方设置是 CFG 3、50 步，因此如果结果效果不足，可以尝试这些设置。
• 保持负面提示词简短。 模板默认附带 nsfw, worst quality, bad anatomy, watermark, jpeg artifact。
• 跳过层引导默认开启，位于第 22 层。 子图节点上有一个 SLG 开关，引导使用官方的第 22 层。关闭它可能看起来更真实，但可能丢失细节；其他层只能在子图内部调整。
• 基础模型用于微调。 在 MOSS-Image 上训练 LoRA 时，请冻结文本编码器。

三、工作流

四、生图示例

四、总结

MOSS-Image的意义在于‌它把“精准文字渲染”和“布局控制”这两项长期被视为图像生成短板的难点，做成了开源模型的核心能力，并迅速接入了主流工具链‌，这对整个AI绘画生态的后续发展方向有直接影响。‌‌