IT之家 11 月 28 日消息，今天下午，阿里通義大模型官方公眾號發(fā)文稱，最新發(fā)布的生圖模型 Z-Image 上線后迅速登頂 Hugging Face 趨勢榜雙榜第一，模型發(fā)布首日下載量達(dá) 50 萬。
官方今天發(fā)布的文章稱，Z-Image 以 6B 參數(shù)的規(guī)模，實(shí)現(xiàn)了與參數(shù)量大一個(gè)數(shù)量級模型相媲美的照片級真實(shí)感。無論是皮膚質(zhì)感、發(fā)絲細(xì)節(jié)，還是自然光影與材質(zhì)紋理，都能精細(xì)還原，構(gòu)圖與氛圍兼具美學(xué)表現(xiàn)。
此外，Z-Image-Turbo 能精準(zhǔn)渲染中英文混合文本，即使在小字號、復(fù)雜排版或海報(bào)設(shè)計(jì)等高難度場景下，也能保持文字清晰、版式自然，同時(shí)不犧牲人臉真實(shí)感與整體畫面美感，效果媲美當(dāng)前領(lǐng)先的閉源模型。
IT之家附部分效果圖如下：
同時(shí)，Z-Image 具備對現(xiàn)實(shí)世界的廣泛認(rèn)知，能準(zhǔn)確生成著名地標(biāo)（如埃菲爾鐵塔、故宮）、知名人物及特定文化元素（如春節(jié)窗花、英式電話亭），確保畫面在細(xì)節(jié)、比例與語境上符合真實(shí)常識。
通過提示詞增強(qiáng)器（Prompt Enhancer），Z-Image 能處理“雞兔同籠”邏輯題、古詩“小橋流水人家”可視化等復(fù)雜任務(wù)，讓 AI 不只是“畫圖”，而是“理解后創(chuàng)作”。
Z-Image-Edit 可精準(zhǔn)執(zhí)行復(fù)合編輯指令，例如“讓人物微笑 + 轉(zhuǎn)頭 + 背景換成櫻花 + 添加中文標(biāo)語”，并在大幅修改中保持身份、光照、風(fēng)格的高度一致性，避免常見編輯模型的錯(cuò)位、失真問題。
通義此次發(fā)布了兩個(gè)專用模型。
Z-Image-Turbo：作為 Z-Image 的蒸餾優(yōu)化版本，僅需 8 步推理即可生成高質(zhì)量圖像，在照片級真實(shí)感和中英雙語文本渲染上表現(xiàn)卓越。無論是日常創(chuàng)作、海報(bào)設(shè)計(jì)，還是快速原型生成，它都能在 16GB 顯存顯卡上流暢運(yùn)行，做到“所想即所得”。
Z-Image-Edit：基于 Z-Image 持續(xù)訓(xùn)練的編輯專用模型，能精準(zhǔn)響應(yīng)復(fù)雜復(fù)合指令，同時(shí)修改表情、姿態(tài)、背景、文字等多項(xiàng)元素，并在大幅變動(dòng)中保持身份一致、光照協(xié)調(diào)、風(fēng)格統(tǒng)一，真正實(shí)現(xiàn)“邏輯可解釋的智能編輯”。
Z-Image 在數(shù)據(jù)層面，構(gòu)建了包含數(shù)據(jù)畫像、跨模態(tài)向量引擎、世界知識圖譜與主動(dòng)標(biāo)注系統(tǒng)的高效數(shù)據(jù)生態(tài)，用“對的數(shù)據(jù)”替代“多的數(shù)據(jù)”，從源頭提升訓(xùn)練效率；架構(gòu)層面：創(chuàng)新采用單流擴(kuò)散 Transformer（S3-DiT），將文本、圖像潛變量與時(shí)間步條件統(tǒng)一為單序列輸入，實(shí)現(xiàn)跨模態(tài)早融合，顯著提升參數(shù)利用率；訓(xùn)練層面：通過三階段漸進(jìn)式策略（低分辨率預(yù)訓(xùn)練 → 全任務(wù)泛化訓(xùn)練 → RLHF 對齊），系統(tǒng)性注入世界知識并精準(zhǔn)對齊人類偏好；推理層面：基于上述基礎(chǔ)，推出 Z-Image-Turbo，通過解耦式蒸餾與強(qiáng)化學(xué)習(xí)正則化，在僅 8 步推理下達(dá)成實(shí)時(shí)高質(zhì)量生成，實(shí)現(xiàn)“高性能與普惠性”的統(tǒng)一。
各平臺開源鏈接如下：
Hugging Face：https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
ModelScope：https://www.modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。