不是 Z-Image-Base！而是 Z-Image-Omni-Base？
发布: (2025年12月14日 GMT+8 13:35)
4 min read
原文: Dev.to
Source: Dev.to
概览
阿里巴巴的通义‑MAI团队发布了系列 6 B 参数模型，统称 Z‑Image，以写实质量和高效推理著称。
近期，官方 Z‑Image 博客宣布原来的 Z‑Image‑Base 已更名为 Z‑Image‑Omni‑Base（ModelScope 与 Hugging Face 尚未同步此更改）。此更名标志着向 omni 预训练的战略转型，使模型能够统一处理图像生成与编辑任务，避免了任务专用模型常见的性能惩罚。
架构
Z‑Image 系列的核心是 可扩展单流扩散 Transformer (S3‑DiT)。所有变体共享统一的输入流，处理：
- 文本提示
- 视觉语义标记
- 图像 VAE 标记
单流设计支持中英双语文本渲染和指令遵循。根据技术报告（arXiv: 2511.22699，2025 年 12 月 1 日发布），omni 预训练统一了生成与编辑流水线，消除了双流架构的冗余。
最近进展
- Z‑Image‑Turbo – 于 2025 年 11 月 26 日发布；权重已在 Hugging Face 与 ModelScope 开源；提供在线 demo spaces。
- Z‑Image‑Omni‑Base 与 Z‑Image‑Edit – 权重标记为 “即将推出”；11 月后 GitHub 未有更新，可能仍在进行 omni 功能优化。
用户反馈（如 Reddit 讨论）指出 Turbo 在 H800 GPU 上的亚秒推理（8 步推理，CFG = 1）。然而 Omni‑Base 的统一能力因以下复杂任务受到赞誉：
- 生成多样化图像（食材驱动的菜品、数学图表）
- 无需切换模型的自然语言编辑
更名与对比
| 模型 | 参数量 | 架构 | 预训练 | 状态 |
|---|---|---|---|---|
| Z‑Image‑Turbo | 6 B | S3‑DiT（单流） | 侧重生成 | 已发布 |
| Z‑Image‑Omni‑Base | 6 B | S3‑DiT（单流） | Omni（生成 + 编辑） | 权重待发布 |
| Z‑Image‑Edit | 6 B | S3‑DiT（单流） | 侧重编辑 | 权重待发布 |
| Qwen‑Image | 20 B | 双流 | 生成 + 编辑（分离） | 已发布 |
Omni‑Base 转型的关键点
- Omni 预训练 实现了生成与编辑任务的无缝切换。
- 支持在单一框架内进行统一微调（如 LoRA），无需分别训练流水线。
- 在消费级硬件（如 RTX 3090）上可使用 Q8_0 量化运行。
- 提供边缘案例能力，例如生成裸露内容（需 LoRA 解锁）。
相较于更大的模型如 Qwen‑Image（20 B），Z‑Image 系列凭借 Decoupled‑DMD 与 DMDR 算法，在保持竞争力的细节和高频渲染的同时，实现了更高的参数效率。
社区反馈
- Turbo：因亚秒级推理和部署简便（支持
stable-diffusion.cpp的 4 GB VRAM）而受到好评。 - Omni‑Base：因在复杂场景下的多功能性受到重视，尽管权重延迟发布引发了对进一步优化的猜测。
- 持续的贡献包括与
stable-diffusion.cpp的集成、关于潜在视频扩展的讨论以及基于 LoRA 的增强。
结论
Z‑Image‑Base 更名为 Z‑Image‑Omni‑Base 体现了行业向统一、任务无关模型的更大趋势。通过将生成与编辑合并到单一预训练范式，Z‑Image 系列提供了：
- 对开发者更大的灵活性
- 减少对多个专用变体的需求
- 在中端硬件上的高效部署
Turbo 已全面发布并可直接使用，Omni‑Base 与 Edit 预计将在优化完成后陆续推出。社区保持活跃，持续贡献集成实现并探索未来扩展方向。