基于单流扩散 Transformer 的高效图像生成基础模型

Z-Image

Z-Image 是一个强大且高效的图像生成模型系列，参数量为 6B。目前包含四个变体：

• Z-Image-Turbo – Z-Image 的蒸馏版本，仅需 8 次函数评估（NFEs） 即可达到或超越主流竞品性能。在企业级 H800 GPU 上可实现亚秒级推理延迟，并可在 16G 显存的消费级设备 上轻松运行。该模型在逼真图像生成、双语文本渲染（英文与中文）以及强指令遵循能力方面表现卓越。
• Z-Image – Z-Image-Turbo 背后的基础模型。Z-Image 专注于 高质量生成、丰富的美学表现、强大的多样性 和 可控性，非常适合创意生成、微调 及下游开发。它支持广泛的美术风格、有效的负向提示（negative prompting），并在人物身份、姿态、构图和布局等方面展现出高度多样性。
• Z-Image-Omni-Base – 一款通用型基础模型，同时支持 图像生成与编辑任务。通过发布此检查点，我们旨在充分释放社区驱动的微调与定制化开发潜力，为开源社区提供最“原始”且多样化的起点。
• Z-Image-Edit – 在 Z-Image 基础上专门针对图像编辑任务进行微调的变体。它支持富有创意的图生图生成，并具备出色的指令遵循能力，可根据自然语言提示实现精准编辑。

模型库

效果展示

逼真画质：Z-Image-Turbo 在生成高度逼真的图像的同时，保持了出色的美学质量。

精准的双语文本渲染：Z-Image-Turbo 能够准确渲染复杂的中英文文本。

提示增强与推理能力：提示增强器（Prompt Enhancer）赋予模型推理能力，使其能够超越表面描述，深入挖掘底层的世界知识。

创意图像编辑：Z-Image-Edit 对中英双语编辑指令具有强大的理解能力，可实现富有想象力且灵活的图像变换。

模型架构

我们采用了 可扩展单流 DiT（S3-DiT）架构。在此架构中，文本、视觉语义 token 和图像 VAE token 在序列级别上进行拼接，形成统一的输入流，相比双流方法能最大化参数效率。

性能表现

根据基于 Elo 的人类偏好评估（在 Alibaba AI Arena 上进行），Z-Image-Turbo 相较于其他主流模型展现出极具竞争力的性能，并在开源模型中达到当前最佳水平。

 点击查看完整排行榜

Decoupled-DMD：Z-Image 背后的加速魔法

Decoupled-DMD 是赋能 8 步 Z-Image 模型的核心少步蒸馏算法。

我们在 Decoupled-DMD 中的核心洞察是：现有 DMD（Distribution Matching Distillation，分布匹配蒸馏）方法的成功源于两个独立但协同作用的机制：

• CFG 增强（CA）：驱动蒸馏过程的主要引擎 ，这一因素在以往工作中很大程度上被忽视。
• 分布匹配（DM）：更多地充当正则化器 ，确保生成结果的稳定性和质量。

通过识别并解耦这两种机制，我们得以分别对它们进行研究和优化。这最终促使我们开发出一种改进的蒸馏流程，显著提升了少步生成的性能。

DMDR：融合 DMD 与强化学习

在 Decoupled-DMD 坚实基础之上，我们的 8 步 Z-Image 模型已展现出卓越的能力。为了进一步提升语义对齐、美学质量和结构一致性，并生成具有更丰富高频细节的图像，我们提出了 DMDR。

DMDR 背后的核心洞察是：在少步模型的后训练阶段，强化学习（RL）与分布匹配蒸馏（DMD）可以协同整合。我们证明了：

• RL 释放了 DMD 的性能潜力
• DMD 有效正则化了 RL

文件列表

Z-Image-turbo

将文件放置在以下文件夹中：

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   ├── z_image_turbo_bf16.safetensors
│   │   ├── z_image_turbo_int8_convrot.safetensors
│   │   └── z_image_turbo_nvfp4.safetensors
│   ├── 📂 loras/
│   │   └── z_image_turbo_distill_patch_lora_bf16.safetensors
│   ├── 📂 text_encoders/
│   │   ├── qwen_3_4b.safetensors
│   │   ├── qwen_3_4b_fp4_mixed.safetensors
│   │   └── qwen_3_4b_fp8_mixed.safetensors
│   └── 📂 vae/
│       └── ae.safetensors
复制

工作流示例：https://comfyanonymous.github.io/ComfyUI_examples/z_image/

Z-Image

原始模型仓库：https://huggingface.co/Tongyi-MAI/Z-Image

将文件放置在以下文件夹中：

📂 ComfyUI/
├── 📂 models/
│   ├── 📂 diffusion_models/
│   │   ├── z_image_bf16.safetensors
│   │   └── z_image_int8_convrot.safetensors
│   ├── 📂 text_encoders/
│   │   ├── qwen_3_4b.safetensors
│   │   ├── qwen_3_4b_fp4_mixed.safetensors
│   │   └── qwen_3_4b_fp8_mixed.safetensors
│   ├── 📂 vae/
│   │   └── ae.safetensors
复制