通义实验室推出Z-Image——一款仅60亿参数、性能卓越的图像生成基础模型。它通过系统性优化，证明了无需庞大模型规模，也能实现顶尖的真实感图像生成和中英文文本渲染，效果媲美领先商业模型。
Z-Image参数量仅为6亿，却能生成媲美十倍规模模型的高质量照片级真实图像，且能在普通显卡（<16GB显存）上流畅运行，极大降低了高端图像生成的门槛。目前已公开发布Z-Image-Turbo（生成版），编辑版Z-Image-Edit即将推出。
架构上，Z-Image采用单流扩散Transformer设计，将文本、图像条件信息与噪声潜变量统一编码为一条序列，简化模型结构，提升计算效率和表现力。
内部ELO竞技测试显示，Z-Image在开放源代码模型中处于领先地位，且与商业巨头模型竞争力强劲。
Z-Image-Turbo在细节、光影、质感控制上表现优异，高清真实且具备良好审美，生成效果兼顾真实感与艺术性。
特别值得一提的是它的双语文本渲染能力：不仅能准确呈现中英文文字，还能在海报设计中展现强大的构图与排版能力，即使小字体环境下也能保证文本清晰且美观。
Z-Image拥有丰富的世界知识与文化认知，能够精准生成名胜古迹、知名人物及特定实物，体现深厚的语义理解力。
内置的提示增强器（Prompt Enhancer）通过结构化推理注入逻辑与常识，支持处理复杂任务，如“鸡兔同笼”问题或古诗意境的视觉化，编辑时也能根据模糊指令推断用户意图，确保结果合乎逻辑。
编辑版Z-Image-Edit支持复杂指令执行，能同时修改与亮化背景，精准调整指定位置文本，并在大幅变换场景下保持人物一致性，实现对图像元素的细粒度控制。
GitHub | ModelScope | HuggingFace | Z-Image gallry
Z-Image参数量仅为6亿，却能生成媲美十倍规模模型的高质量照片级真实图像，且能在普通显卡（<16GB显存）上流畅运行，极大降低了高端图像生成的门槛。目前已公开发布Z-Image-Turbo（生成版），编辑版Z-Image-Edit即将推出。
架构上，Z-Image采用单流扩散Transformer设计，将文本、图像条件信息与噪声潜变量统一编码为一条序列，简化模型结构，提升计算效率和表现力。
内部ELO竞技测试显示，Z-Image在开放源代码模型中处于领先地位，且与商业巨头模型竞争力强劲。
Z-Image-Turbo在细节、光影、质感控制上表现优异，高清真实且具备良好审美，生成效果兼顾真实感与艺术性。
特别值得一提的是它的双语文本渲染能力：不仅能准确呈现中英文文字，还能在海报设计中展现强大的构图与排版能力，即使小字体环境下也能保证文本清晰且美观。
Z-Image拥有丰富的世界知识与文化认知，能够精准生成名胜古迹、知名人物及特定实物，体现深厚的语义理解力。
内置的提示增强器（Prompt Enhancer）通过结构化推理注入逻辑与常识，支持处理复杂任务，如“鸡兔同笼”问题或古诗意境的视觉化，编辑时也能根据模糊指令推断用户意图，确保结果合乎逻辑。
编辑版Z-Image-Edit支持复杂指令执行，能同时修改与亮化背景，精准调整指定位置文本，并在大幅变换场景下保持人物一致性，实现对图像元素的细粒度控制。
GitHub | ModelScope | HuggingFace | Z-Image gallry
