MOSS-Image: открыты веса Base и SFT для локальной генерации картинок

Что изменилось для локальной генерации картинок

Официальный репозиторий проекта появился 16 октября, а в Hugging Face в этот день опубликованы веса двух вариантов: MOSS-Image-Base и MOSS-Image-SFT. Создание страниц моделей 11 октября само по себе не было датой выпуска весов: их текущая история содержит первоначальный коммит от 16 октября. Код и оба набора весов доступны отдельно. s1 s2 s3 s4

Разработчики показывают работу с обычным текстовым запросом, последовательностью меток и описанием расположения предметов и надписей в JSON. JSON здесь — структурированная запись того, где должны находиться элементы изображения; для первого знакомства она не нужна. По примеру авторов SFT лучше группирует текст на одной демонстрационной композиции, но это не независимый сравнительный тест на ваших задачах. s1 s2

Какой вариант выбрать

Для первого знакомства разумнее открыть карточку MOSS-Image-SFT: это версия базовой модели, дополнительно настроенная на инструкции. Если требуется экспериментировать с базовым поведением или собственным дообучением, у проекта есть MOSS-Image-Base. Оба варианта используют общую схему генерации; различие в качестве на конкретном русском тексте заранее не доказано. s2 s3

Официальные страницы содержат все три части, нужные для запуска: генератор изображения (transformer), преобразователь текста в сигналы для него (text encoder) и декодер изображения (VAE). Мы сверили наличие всех трёх частей в списке файлов и индексы всех шардов — частей больших файлов модели; первая страница списка файлов сама по себе не служит доказательством полной загрузки. Это наличие файлов, не результат пробного запуска. s2 s3

Что понадобится и чего пока не обещаем

Официальный пример для Python требует Python 3.10+, совместимые CUDA, PyTorch 2.9+ и видеокарту NVIDIA. Он предлагает 50 шагов для изображения 1024 × 1024; это настройки примера, а не минимальные требования к памяти. В веб-интерфейсе Gradio авторы предлагают режимы переноса частей модели между видеокартой и оперативной памятью, если видеопамяти недостаточно. Проверенного минимума RAM/VRAM для домашнего ПК в этих источниках нет. s1 s2

Есть также собственный плагин проекта для ComfyUI — программы для визуальной сборки генерации. В инструкции авторов требуется скачать модель в локальную папку и указать эту папку в узле загрузки; сам узел не скачивает веса по названию репозитория. Интеграция непосредственно в официальный ComfyUI, согласно авторам, ещё в работе. Это вариант для тех, кто уже пользуется ComfyUI, а не обещание запуска в один клик на любом компьютере. s1 s5

Оба репозитория весов и код проекта помечены Apache 2.0; текст лицензии присутствует в каждой карточке, а кодовая лицензия — в GitHub. Это не то же самое, что подтверждённая редакцией пригодность для каждого коммерческого проекта: учитывайте условия всех используемых компонентов и содержимого результата. Авторы не опубликовали в этих карточках независимого теста качества русских надписей, поэтому исходную картинку и буквы нужно проверять глазами. s1 s2 s3

Следующий шаг: откройте официальную карточку MOSS-Image-SFT, оцените необходимые загрузки и требования к своей системе до установки. Если нужна простая программа без настройки Python или ComfyUI, эта новость пока не даёт подтверждённого готового пути. s3