OpenMOSS 开源 5B 文生图模型 MOSS-Image，主打中英长文本渲染

MOSI.AI（OpenMOSS 团队）开源 MOSS-Image：一个从零预训练的 5B 单流扩散 Transformer，主打中英双语长文本渲染和精确版式控制，支持自然语言、标签序列和 JSON 版式三种提示方式。权重和推理代码采用 Apache-2.0 许可，目前在 Hugging Face 提供 Base 和 SFT 两个版本。

要点

• 技术报告称在其自建的长文本渲染基准 LongLongTextBench 上，平均文本覆盖率 96.3%，为开放权重模型中最好
• 在自建的端到端版式基准 RealLayoutArena 上系统排名第二；带有一个把用户需求扩写成内容和版式规格的 Agent 式提示增强模块
• 通过 diffusers 加载，需要 NVIDIA GPU、PyTorch 2.9 以上，默认 50 步采样
• 两个基准都是作者新提出的，结论有待第三方复现

来源

### [OpenMOSS 开源 5B 文生图模型 MOSS-Image，主打中英长文本渲染]({{URL}})

MOSI.AI（OpenMOSS 团队）开源 MOSS-Image：一个从零预训练的 5B 单流扩散 Transformer，主打中英双语长文本渲染和精确版式控制，支持自然语言、标签序列和 JSON 版式三种提示方式。权重和推理代码采用 Apache-2.0 许可，目前在 Hugging Face 提供 Base 和 SFT 两个版本。

- 技术报告称在其自建的长文本渲染基准 LongLongTextBench 上，平均文本覆盖率 96.3%，为开放权重模型中最好
- 在自建的端到端版式基准 RealLayoutArena 上系统排名第二；带有一个把用户需求扩写成内容和版式规格的 Agent 式提示增强模块
- 通过 diffusers 加载，需要 NVIDIA GPU、PyTorch 2.9 以上，默认 50 步采样
- 两个基准都是作者新提出的，结论有待第三方复现

**为什么值得关注**：海报、信息图、带大段中文的营销图一直是文生图的难点，5B 规模、宽松许可的开源模型便于自部署和二次训练。

来源：[OpenMOSS-Team/MOSS-Image-Base](https://huggingface.co/OpenMOSS-Team/MOSS-Image-Base)；[MOSS-Image Technical Report](https://arxiv.org/abs/2610.23374)