MOSS-Image 開放權重上線,與僅提供 API 的 Qwen Image 3.0 怎麼選

OpenMOSS 在 10 月 16 日以 Apache 2.0 釋出 50 億參數的文生圖模型 MOSS-Image。本文整理它與封閉、按張計費的 Qwen Image 3.0 的差異,以及哪些數字尚未獨立驗證。

重點

  • MOSS-Image 由 OpenMOSS 於 10 月 16 日釋出,權重與推論管線採 Apache 2.0,約 50 億參數。
  • Qwen Image 3.0 為 Alibaba 的封閉模型,只能透過 Standard/Pro 兩種託管 API 使用,每張約 0.035 美元。
  • MOSS-Image 的版面控制與文字渲染數字都是廠商自測,尚無獨立評測。
  • 資料來自銷售模型存取服務的 OrcaRouter 部落格,應與官方頁面交叉確認。
目錄(4 節)
  1. 發生什麼事
  2. 主要差異
  3. 這些數字能信多少
  4. 對你的影響

發生什麼事

OpenMOSS 在 2026 年 10 月 16 日釋出文生圖模型 MOSS-Image。依 OrcaRouter 在 10 月 17 日發表的比較文章,權重與獨立的推論管線採 Apache 2.0 授權,沒有營收門檻。模型是 50 億參數的單流擴散 Transformer,使用凍結的 Qwen3.5-9B 文字編碼器與 FLUX.2 VAE;提供 Base(刻意不做蒸餾,方便微調)與 SFT 兩種檢查點,SFT 下載約 27.2 GB。周邊有 Diffusers 自訂管線、Gradio 應用與 ComfyUI 外掛,但 vLLM-Omni 的整合在文章撰寫時仍在審查中。

另一邊是 Alibaba 的 Qwen Image 3.0:7 月 21 日發表、8 月 5 日轉為正式版,採封閉路線,只有 Standard 與 Pro 兩種託管 API,沒有權重、授權聲明、模型卡或技術報告。Model Studio 上每張約 0.035 美元。Qwen-Image 1.0 與 2.0 當時是開放權重,3.0 與之不同。

開放權重的 MOSS-Image 與僅提供 API 的 Qwen Image 3.0 比較

主要差異

  • 取得方式:MOSS-Image 可下載自行部署,成本是自備 GPU;Qwen Image 3.0 按張計費。
  • 提示詞長度:MOSS-Image 上限 4,096 token;Qwen Image 3.0 宣稱約 4,500。
  • 編輯:Qwen Image 3.0 Pro 支援 1 到 3 張輸入圖的編輯;MOSS-Image 目前不以編輯為產品功能,參考圖條件生成也標示尚未提供。
  • 版面與文字:MOSS-Image 報告在 7Bench 的版面 IoU 為 0.88,長文字渲染分數 96.3;MOSS 的報告列出 Qwen Image 3.0 Pro 的版面 IoU 為 0.31。

這些數字能信多少

該文自己就提醒:0.88 對 0.31 的版面差距來自 OpenMOSS 自行撰寫與執行的基準,是文中最不可靠的數字。MOSS 的整體 Elo 1,698.70 用到依賴 GPT-6 的提示增強器,作為生成器本身的指標有灌水之嫌。Qwen Image 3.0 則有 Artificial Analysis 的獨立排名(文生圖 Elo 1,077,第 16 名),MOSS-Image 目前沒有。此外 OrcaRouter 本身銷售模型存取,雖聲明不代管這兩個模型,立場仍需留意。

對你的影響

如果你需要把圖像生成放進自己的環境(資料不能外送、或量大到按張計費划不來),MOSS-Image 的授權值得評估;但「開放權重」不等於「現成可用的服務」,推論整合尚未完整,建議先在小量真實需求上自己跑過。如果只是偶爾生成,API 的現成編輯與穩定性可能更省事。兩者都請以官方頁面與自己的測試為準。