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 50 萬。
官方今天發(fā)布的文章稱，Z-Image 以 6B 參數(shù)的規(guī)模，實現(xiàn)了與參數(shù)量大一個數(shù)量級模型相媲美的照片級真實感。無論是皮膚質(zhì)感、發(fā)絲細節(jié)，還是自然光影與材質(zhì)紋理，都能精細還原，構(gòu)圖與氛圍兼具美學表現(xiàn)。
此外，Z-Image-Turbo 能精準渲染中英文混合文本，即使在小字號、復雜排版或海報設計等高難度場景下，也能保持文字清晰、版式自然，同時不犧牲人臉真實感與整體畫面美感，效果媲美當前領(lǐng)先的閉源模型。
IT之家附部分效果圖如下：
同時，Z-Image 具備對現(xiàn)實世界的廣泛認知，能準確生成著名地標（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），確保畫面在細節(jié)、比例與語境上符合真實常識。
通過提示詞增強器（Prompt Enhancer），Z-Image 能處理“雞兔同籠”邏輯題、古詩“小橋流水人家”可視化等復雜任務，讓 AI 不只是“畫圖”，而是“理解后創(chuàng)作”。
Z-Image-Edit 可精準執(zhí)行復合編輯指令，例如“讓人物微笑 + 轉(zhuǎn)頭 + 背景換成櫻花 + 添加中文標語”，并在大幅修改中保持身份、光照、風格的高度一致性，避免常見編輯模型的錯位、失真問題。
通義此次發(fā)布了兩個專用模型。
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、海報設計，還是快速原型生成，它都能在 16GB 顯存顯卡上流暢運行，做到“所想即所得”。
Z-Image-Edit：基于 Z-Image 持續(xù)訓練的編輯專用模型，能精準響應復雜復合指令，同時修改表情、姿態(tài)、背景、文字等多項元素，并在大幅變動中保持身份一致、光照協(xié)調(diào)、風格統(tǒng)一，真正實現(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標注系統(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)”，從源頭提升訓練效率；架構(gòu)層面：創(chuàng)新采用單流擴散 Transformer（S3-DiT），將文本、圖像潛變量與時間步條件統(tǒng)一為單序列輸入，實現(xiàn)跨模態(tài)早融合，顯著提升參數(shù)利用率；訓練層面：通過三階段漸進式策略（低分辨率預訓練 → 全任務泛化訓練 → RLHF 對齊），系統(tǒng)性注入世界知識并精準對齊人類偏好；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化學習正則化，在僅 8 步推理下達成實時高質(zhì)量生成，實現(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)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。