בקצרה: MOSS-Image הוא מודל תמונות פתוח וחדש של OpenMOSS (יצא ב־16 באוקטובר 2026). במקום לתאר את התמונה במילים, כותבים לו קובץ JSON: כל אלמנט, הטקסט המדויק שלו, ותיבה שאומרת איפה הוא יושב. מתאים לפוסטרים, אינפוגרפיקות ובאנרים, איפה שהמיקום של הטקסט קובע. ותיקון אחד למדריכים שמסתובבים ברשת: המספרים בתיבות הם פיקסלים ממרכז התמונה, לא שברים בין 0 ל־1.
מודל של 5 מיליארד פרמטרים מצוות OpenMOSS. יש שתי גרסאות: MOSS-Image-Base, ו־MOSS-Image-SFT שהיא אותו בסיס אחרי אימון נוסף על מידע נבחר. הקוד והמשקלות פתוחים, הקוד ברישיון Apache 2.0, ויש תוסף מוכן ל־ComfyUI (מחפשים MOSS-Image ב־ComfyUI Manager). הוא מקבל פרומפט עד 4K טוקנים.
יש summary שמתאר את הסגנון הכללי, ורשימת items. לכל אלמנט: label (שם), caption (תיאור), text (המילים המדויקות, אם יש) ו־bbox (איפה הוא יושב).
[y_min, x_min, y_max, x_max], כלומר למעלה, שמאל, למטה, ימין.[-512, -512] והמרכז הוא [0, 0].{
"summary": "A warm editorial poster for a specialty coffee brand. Natural light, rich coffee tones, clean bold typography.",
"items": [
{
"label": "Headline",
"text": "MAKE EVERY MORNING COUNT",
"caption": "Large bold headline across the top",
"bbox": [-460, -430, -300, 430]
},
{
"label": "Hero product",
"caption": "A ceramic cup of fresh coffee with steam, beans scattered around",
"bbox": [-260, -330, 250, 330]
},
{
"label": "Benefits",
"text": "FRESHLY ROASTED | ETHICALLY SOURCED",
"caption": "Small clean line of text",
"bbox": [290, -400, 360, 400]
},
{
"label": "Call to action",
"text": "DISCOVER YOUR NEXT FAVORITE",
"caption": "Button-like block near the bottom",
"bbox": [400, -260, 470, 260]
}
]
}
50 צעדים, CFG 3, shift 5, דוגם Euler מסוג flow matching. נגמר הזיכרון בכרטיס המסך? עוברים למצב Sequential או מקטינים את התמונה.