如何在 8 GB 显存本地训练 MOSS-Image LoRA:参数、技巧与工作流
作者公开了在 8 GB 显存本地训练 MOSS-Image 角色 LoRA 的一套参数:默认设置训练 800 步,大数据集或难概念再延到 1200–1500 步,学习率 0.0004、rank/alpha 8/8、512² 分辨率。
推荐理由:作者给出 MOSS-Image 角色 LoRA 的完整训练参数与步数区间,并解释为何 8000 步会过拟合,可作为本地训练的起点参考。
创作方向
AI 画图的最前线:文生图模型迭代、图像编辑能力与分镜、海报、素材创作应用。
114 条精选近 30 天 43 条共收录 1,145 条
作者公开了在 8 GB 显存本地训练 MOSS-Image 角色 LoRA 的一套参数:默认设置训练 800 步,大数据集或难概念再延到 1200–1500 步,学习率 0.0004、rank/alpha 8/8、512² 分辨率。
推荐理由:作者给出 MOSS-Image 角色 LoRA 的完整训练参数与步数区间,并解释为何 8000 步会过拟合,可作为本地训练的起点参考。
ComfyUI 宣布已支持 OpenMOSS 开源图像模型 MOSS-Image,该模型为 5B 规模,可渲染清晰可读的文字并接受结构布局提示。官方已在 Hugging Face 放出对应工作流,面向海报、广告与本地化创意等需要布局控制的出图场景。
推荐理由:ComfyUI 接入开源 5B 图像模型 MOSS-Image,其文字渲染与结构布局控制对海报、广告类出图有直接参考价值。
OpenMOSS 团队于 2026 年 10 月 16 日开源 5B 文生图模型 MOSS-Image,权重 Apache 2.0,发布当天支持 ComfyUI。
推荐理由:梳理 MOSS-Image 在 ComfyUI 的安装、采样参数与显存取舍,并说明 JSON 版式控制的坐标约定与当前边界。
KohakuMoss 于 2026 年 10 月 18 日在 PyPI 发布 0.1.0,是 LyCORIS 作者 KohakuBlueleaf 为 MOSS-Image-Base 与 MOSS-Image-SFT 打造的微调框架,补上了模型发布和社区 few-step 适配器都未覆盖的自有图像训练环节。
推荐理由:针对 MOSS-Image 缺少专用训练器的空档,这份框架给出了从 6GB 显存分层方案到直接导出 ComfyUI 格式 LoRA 的完整路径。
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。
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。
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。
darask0 于 2026 年 10 月 17 日发布 rapid-moss 4 步适配器,让 MOSS-Image-SFT 不再需要 50 步、CFG 3 的采样循环,并附带自带采样器的 ComfyUI 自定义节点。
推荐理由:两个 LoRA 把 MOSS-Image-SFT 的 50 步采样压到 4 步,文中给出节点接线与显存占用,便于评估替换现有出图流程。
作者在 RTX 5090 上用 int8 文件实测 Qwen-Image 2.1 Turbo,原生 2K(4 MP)图像平均 11.8 秒,30 步基础模型为 36.9 秒,约快 3.1 倍。
推荐理由:作者用 300 次渲染实测 Turbo 与基础模型的差异,并给出可复用的 8 步 sigma 与分辨率设置。
开源 LoRA 与微调工具 Fizgig 发布 v8.4.0,新增 LoRA Isolation 训练模式,用于阻止角色 LoRA 把主体人脸扩散到画面中的其他人身上。
推荐理由:角色 LoRA 训练长期受人物特征外溢困扰,这份实测用 50 张对照图给出可量化的改善幅度。
Flux 3 Klein 是一个 5.6B 参数的开源权重模型,把文生图与图像编辑合并到一个模型里,接受文本提示和最多 10 张参考图并输出单张图像,支持边界框指令和 4K 分辨率,文本编码器为 Qwen3-VL-4B-Instruct。
推荐理由:Flux 3 Klein 把文生图与多图编辑合并进一个模型,教程给出各显存档位的模型选择与 ComfyUI 工作流配置。
作者在 12 GB RTX 3060 上用 35 条高难度提示词、单一种子(42)实测 MOSS-Image(5B 单流 DiT、Qwen3.5-9B 文本编码器、FLUX.2 VAE、Apache 2.0),不挑图、包含失败案例。
推荐理由:在 12 GB 显存上实测 MOSS-Image 的 INT8 量化与 8 步 DMD 加速,给出文字渲染、布局与失败案例的完整对照。
ComfyUI 发布模板教程,演示如何用 comfy.org 的现成模板和内置模板浏览器,把一张草图一路做成 3D 玩具、零售包装和多镜头广告。
推荐理由:ComfyUI 官方演示如何用现成模板串起从草图到多镜头广告的完整链路,可据此评估模板复用方式。
Conradlocke 于 10 月 16 日发布第二代 Krea 2 编辑 LoRA,最大变化是结构上从单个 LoRA 拆成两个各司其职的权重:Krea 2 Identity Edit V2 负责把单张照片中的人物迁移到新场景、姿势、服装或光照,Krea 2 General Edit V2 处理去物体、改色、重打光、换背景、加物体、改写招牌文字和风格化等指令编辑。
推荐理由:Krea 2 编辑 LoRA 拆成身份与通用两个权重,并给出参考图放置与双 LoRA 混用的实测参数。
OpenMOSS 于 10 月 16 日发布 5B 文生图模型家族 MOSS-Image,包含预训练版 MOSS-Image-Base 和面向普通用户的 MOSS-Image-SFT 两个 checkpoint。
推荐理由:5B 文生图模型主打中英文文字渲染与 JSON 布局控制,ComfyUI 核心节点同日支持,可据此评估排版类出图流程。
Krea 3 已通过 Partner Nodes 在 ComfyUI 上线,这是 Krea 推出的新图像模型,面向以参考图驱动的生成与编辑。模型主打更快的迭代速度与更低的单图成本,同时保持画质,支持上传多张参考图并按上传顺序编号调用,例如人物取自图 1、外套取自图 2、背景取自图 3。
推荐理由:Krea 3 以参考图驱动的生成与编辑接入 ComfyUI Partner Nodes,可了解多参考编号调用与结果回喂的用法。
Krea 发布图像编辑模型 Krea 3,官方称多数编辑在原生 2K 下 8 秒内端到端完成,2K 每张 0.06 美元、1K 每张 0.03 美元,单次编辑最多可用 6 张参考图。
推荐理由:官方给出 Krea 3 与 Nano Banana Pro、GPT Image 2 的单张耗时和价格对比,可据此判断批量修图成本。
Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 参数的开源权重模型,支持文生图、图像编辑和最多 10 张参考图的多参考生成,具备原生 4K 生成、像素级编辑和边界框控制能力。
推荐理由:5.6B 参数的开源图像模型把 4K 生成与像素级编辑压到 8GB 显存可跑,可据此评估本地出图与改图方案。
Black Forest Labs 在 Hugging Face 发布 Flux 3 Image Klein 的 ComfyUI 重打包模型文件,原始模型仓库为 black-forest-labs/flux-3-image-klein。
推荐理由:官方给出 Flux 3 Image Klein 在 ComfyUI 中的文件目录与多种量化版本,方便本地部署者按需选择。
Black Forest Labs 发布 FLUX 3 Image Klein Prompt Upsampler,一个 9B 视觉语言模型,把简短图像需求扩写成 FLUX 3 Image Klein 更适用的详细提示词。
推荐理由:官方开源了 9B 提示词扩写模型,可把简短需求扩成含光线、构图与主体细节的完整提示词,并支持参考图与边界框。