OpenMOSS 发布 MOSS-Image 图像模型,已支持 ComfyUI
OpenMOSS 发布 MOSS-Image,这是一个 5B DiT 模型,使用 Qwen3.5-9B 文本编码器和 FLUX.2 VAE,分 Base 与 SFT 两个版本,采用 Apache 2.0 协议。
推荐理由:MOSS-Image 以 Apache 2.0 开源并支持结构化布局控制,可对照现有开源图像模型评估文字渲染能力。
OpenMOSS 发布 MOSS-Image,这是一个 5B DiT 模型,使用 Qwen3.5-9B 文本编码器和 FLUX.2 VAE,分 Base 与 SFT 两个版本,采用 Apache 2.0 协议。
推荐理由:MOSS-Image 以 Apache 2.0 开源并支持结构化布局控制,可对照现有开源图像模型评估文字渲染能力。
有用户在初步测试后认为 MOSS 模型是自己试过的最强图像修复(inpainting)模型,工作流已嵌入示例图片,缺失时可通过 Civitai 链接下载。
Qwen 2.1 因能生成透明背景图像而受好评,但其“官方”模板中用于增强提示词的默认模型 qwen3.5_9b_qwen_image_2.1_pe_i2i.int8_convrot 及所有变体,都带有明确指令,会“静默”把透明背景请求改成纯白背景。用户可通过“越狱”加入强制透明指令或自行编写提示词绕过,但并非 100% 可靠,即使明确要求透明,仍常得到纯白背景。
一份面向ChatGPT、Gemini等工具的AI美女图像提示词合集,共约100种,以JSON格式提供,可直接复制使用。每类题材除基础版外,还附9:16、1280×670、背景改编与氛围改编版本,覆盖马德里老电影院、纽约地铁读书等城市场景。提示词含prompt、negative_prompt与aspect_ratio字段,面向note头图、SNS与短视频素材等用途。
日本创作者 ponko 用 ChatGPT 当老师,学习在 AI 图像生成前先设计动作线与重心,以摆脱角色僵直站姿。首轮课题是"被爆炸惊到跳开、落地瞬间"的姿势,她先自行拆解重心落在弯曲的右腿、右手撑地、左手护身,再让 ChatGPT 点评。她发现四肢各有角色、相机位置会改变动作可读性,"感觉不错"这类模糊指令无法传达意图。
创作者あいびより发布「ハロウィンアート2026」企划作品,主题为万圣节假面舞会,主角ますす与ひより分别以黑紫与白金礼服出镜。插画以光与暗对比为核心,通过强化逆光、面部阴影突出金色瞳光与发丝轮廓,ひより的发饰小鸡戴上南瓜面具。作品另含两人共舞的 AI 视频片段。
作者用同一提示词让 AI 生成插画缩略图,要求加入前景虚化、有纵深的背景和地面来增强空间感,结果人物服装按要求呈现,但标题文字意外倾斜、画面上下被裁切,构图出现视线引导混乱。作者认为空气感本身(逆光、街景反射虚化、花瓣与发丝)没有问题,问题出在构图:标题右肩上扬而手扶栏杆伸向左后方,整体不协调。
爱沢在 X 发布朝、昼、夕方、夜、深夜五个场景的 ChatGPT 图像生成提示词,供免费使用。提示词要求附上本人有权使用的 21 岁以上成人角色参考图,以保持脸型、发型、发色与瞳色,并统一采用细腻干净的动漫插画风格、柔和光线与连续阴影。五场景分别对应双手捧杯的清晨、展示青紫色色卡的午后、室内持杯全身的傍晚、沙发小憩的夜晚和窗边关灯前的深夜。
Perplexity 于 10 月 19 日更新 Computer,向可访问 Computer 的用户提供 Nano Banana 2.1 图像生成与编辑,可在同一对话中追加指令修改。
作者用 ChatGPT 以 3:4 比例生成周刊少年杂志风格封面,一行提示词即可自动填出刊名、期号、写真人物与连载标题。把刊名、期号、定价、标题文字全部写进提示词并限定"只用这些文字"后,可得到自定义的《周刊少年アイホリ》2026 No.46 11 月 4 日号封面,指定文字均正确呈现。作者还发现泳装类内容易被拒绝,人物取腰部以上大图更有封面感。
ComfyUI v0.42.0 于 10 月 19 日发布,正式支持 OpenMOSS 的 5B 图像模型 MOSS-Image,并加入 Qwen 3.x 系性能改善 Part 2。
Veras 4.5 将 Describe Source Image 移入主面板,由 Florence 2 生成短、中、长三档描述,可复制为提示词起点,切换源图会清空旧描述。该功能只报告画面所见,无法识别设计意图与必须保留的固定事实,直接照抄会把遗漏变成方案。正确做法是逐句标注"已观察/推断/缺失/误命名",再把固定几何与请求变更拆成两段写入提示词。
ComfyUI 0.42.1 加入 OpenMOSS 团队开发的 MOSS-Image Base 图像生成模型,支持用含坐标的 JSON 指定文字与物体布局,采用 Apache 2.0 许可。
GIMP 3 开源插件 OpenFill 可通过 ComfyUI 在本地完成生成式填充、去物、扩图和文生图,无需上传云端。AI 音效工具 earshot v0.3 新增 201 个代码合成音效库,仅用 CPU 即可离线运行。
ComfyUI-MangaScreen 是 ComfyUI 中可生成较高质量漫画网点色调的工具,作者逐项测试了 screen_lines、white_point、black_point、light_tone、dark_tone、gradation、pen_threshold、white_lines 等设置项的效果与注意事项。
在 ComfyUI 中实测 MOSS-Image sft 的 8/4/2step 加速 LoRA,RTX 4090 上 8step 生成耗时 10 秒、4step 9.5 秒、2step 9 秒,VRAM 均为 16GB。模型加载后单张图约 1-2 秒即可出图,减少步数后仍能生成一定文字。LoRA 体积较大,需额外约 1GB 显存。
MOSSimage 本地图像生成实测显示,INT8 精度下负载与 SDXL 大差不大,BF16 则接近 anima 较重版本、明显轻于 Qwen。作者用《圣剑传说2》封面复刻等定番测试,认为本地能画出这种奇幻背景的模型此前很少,Krea2 未能做到。LoRA 训练因过拟合失败,漫画气泡尾端定位测试中尾端普遍偏离口部数十至数百 px。
作者用 ComfyUI 将 Animagine XL 4.0 Opt 生成的红裙角色原图,经 Animagine XL 3.1 以 Denoise 0.85 转成全身手办风图像,未使用 LoRA 与 ControlNet。
WorldCast 构建覆盖 8 类任务、320 个手工案例、1352 个待生成视觉状态的基准,评测 12 个图像模型、统一多模态模型和视频生成系统。GPT-Image-2.5 搭配 GPT-6 Astra 取得 72.8 分,超过参评视频生成系统;改为一次输出全部步骤的网格图后降至 50.1 分。
Dreamer 2.0.1 发布 Windows x64 版,插件本体完全免费、登录可选,无需 Token Plan 即可直接生图与本地校色、对齐、光线贴回。该版本素材生成 Auto 分辨率优先使用模型支持的 4K,候选归档到“生成资产”可复用。EXE 尚未进行 Authenticode 签名,Windows 可能提示未知发布者或 SmartScreen,需核对 SHA-256。
ComfyUI 作者 comfyanonymous 于 10 月 19 日发布 MOSS_image_MAX_ULTRA_hires_lora_test,这是一个针对 OpenMOSS 的 5B 文生图模型 MOSS-Image 的 LoHa 适配器,目标是把生成分辨率提升到 4 MP 及以上。
Krea 发布 Photoshop 插件 Krea for Photoshop,在 Photoshop 文档内提供背景替换、重打光、多机位布局、图像与视频生成、实时画布和产品 mockup,结果以普通图层返回。
推荐理由:Krea 把图像与视频生成搬进 Photoshop 面板,结果以普通图层返回,方便对照现有修图流程评估接入方式。
ComfyUI-CharacterCardStudio 1.2.1 于 10 月 20 日发布,这是一个自定义节点包,可生成角色参考设定卡并按模板切片排版。输入为一张身份锚定参考图或一段角色描述,输出为多格卡片,每格生成后裁切为固定 768x768 并放回原位。
创作者用 ComfyUI 默认工作流对比测试了 Krea2、MOSS、Qwen2.1 和 Flux3 四款开源模型,每个模型与提示词组合跑 3 个不同种子取最佳结果。
Wireflow 用自建节点画布复现了 Higgsfield Ads Studio 的核心任务:一张陶土马克杯产品图生成 3 条静态广告,共耗 39 credits、模型耗时不到 1 分钟,标题以真实文本层排版。
一位 ComfyUI 新手用 Civitai 训练了一男一女两个角色 LoRA,搭配 WAI-Illustrious-SDXL 检查点,单独生成时效果良好,但同图生成时出现特征混合、角色重复(2 女、2 男甚至 3 人)和保真度下降。
Reddit 用户 Chrono_Tri 发帖担忧 MOSS 3 未来可能重演 Flux 3 / SD3 的处境:小团队先发布优质无审查模型,做大盈利后转向审查版模型。他称目前最满意的模型是 ANIMA、Krea 2 和 MOSS,分别来自独立开发者、小团队和小公司,并认为小团队缺乏资金开发好的图像编辑模型,仍需等待 Qwen 或 BLF 等大公司。
Flux-3 的提示词改写模型与系统提示词生成的详细提示词,效果优于手写提示词,可用于 Flux-2 9B 的非简单图像编辑。该模型通过独立机器上的 llama.cpp server 部署,几秒内即可返回结果,比 ComfyUI 内置 GenerateText 方法快。当 Flux-2 不配合手写提示词时,额外等待可能值得。
Workflow Studio 发布 v0.8.8,配合 ComfyUI v0.42.0 支持 MOSS-Image,工作流标签页的生成 UI 标签对应检查从数十秒等待缩短到体感约 2 秒。
Krea 3 于 10 月 15 日发布,本文核对官方输入输出、网页使用指南与 API 文档,梳理换家具、换背景两类编辑示例中哪些细节被保留。发布页称多数原生 2K 编辑低于八秒,$0.06 是 2K 基础项,API 另列每张 1K 参考图加 $0.02、2K 参考图加 $0.07,high 模式每轮再加 $0.02。
AI 图像放大后模糊,应先核对元图像像素尺寸、显示位置与保存方式,而非直接重新生成。Midjourney 现行 Upscalers 指南中,V8.2 正方形 SD 图像为 1024×1024,经 Subtle 或 Creative 放大后为 2048×2048,HD 图像本身即 2048×2048 且目前无法再放大。
作者用 Z-Image Turbo(8 步)加自训角色 LoRA(0.8)再经 SDXL refine 生成固定角色,多数露手画面出现六指、手指粘连和指甲异常。
推荐理由:作者实测对比了整图编辑与手部裁切编辑两条路线,给出可复用的裁切修复流程与具体参数。
在 ComfyUI 中用 Z-Image-Turbo BF16、Flux.2 Klein 9B、Qwen Image 2.1 和 Krea.2 Turbo 分别以英文与日文提示词生成同一张少女卧室写真,作者认为两种语言的生成精度没有明显差距。
有用户用同一提示词对比了 Krea2、Qwen2.1、Flux3 Klein、Flux 2 Klein、ZIT 和 Moss 六款开源模型的出图效果。Krea2 需要文本拒答绕过 LoRA 才能生成缺失文字并让 Cousin Itt 出现;Qwen 2.1 则似乎把 Lurch 的灰发理解成了灰色皮肤。提示词为 Wednesday Addams 主题的写实摄影场景。
用户测试多个版本的 MOSS-Image(25 至 50 步,含官方与非官方版本)后认为其提示词遵循略有提升,但图像质量差,IPR 低于 SDXL,也低于 Z-Image,整体体验几乎和 Flux 一样令人失望。
Reddit 用户实测 Qwen Image 2.1 默认工作流的提示词增强器(PE),将 max_tokens 从默认 4096 提到 12000 仍不够用:开启 thinking 时 token 全耗在推理上导致输出为空,关闭后又会写出 12k token 指令被截断,生成效果更差。
Black Forest Labs 发布 Flux3 Image Klein,官方介绍为 5.6B 开源权重图像模型,支持文生图、最多 10 张参考图的编辑以及用边界框做布局控制,蒸馏版 16 步无引导运行,Base 版 50 步配合无分类器引导。作者在 RTX 5060ti 16GB 上运行最轻版本,用多图替换提示词测试,称比 Klein 4b 蒸馏版慢但可接受,角色有轻微漂移,整体控制力较强。
Krea 3 于 2026 年 10 月 15 日发布,API 按输出尺寸计价,1K 每张 0.03 美元、2K 每张 0.06 美元,每张 1K 参考图加 0.02 美元、2K 参考图加 0.07 美元,high 思考模式加 0.02 美元。
字节跳动 Seed 团队的 Seedream 图像模型可通过 BytePlus ModelArk 官方 API 或第三方转售 Key 调用,覆盖 3.0、4.0、4.5、5.0 Lite 和 5.0 Pro 五个版本。
Black Forest Labs 发布了修复版 Flux 3 Klein V2,作者将其与旧版 Flux 3 Klein 及 Flux 2 Klein (9B) 对比测试。