Z-Image（造相）團隊正式開源Z-Image標準版。作為Z-Image系列的主要社區基礎模型，標準版是非蒸餾的完整模型，在生成質量、風格靈活性和二次開發支持上更具優勢，旨在為社區開發者提供一個強大且靈活的圖像生成底座，釋放更多定製化開發和精細微調的可能性。

Z-Image標準版作為一個非蒸餾的完整模型，優於其蒸餾版本Z-Image-Turbo，支持完整CFG、負向提示詞控制，可避免”相同臉”問題，生成多樣性更高。模型採用創新的 S3-DiT 架構，訓練流程包括預訓練、有監督微調（SFT）和強化學習三階段，當前處於 SFT 階段。

核心特性

多樣的美學與藝術風格

Z-Image在保持高度照片寫實性的同時，支持更廣泛的藝術風格。與通過強化學習高度優化寫實效果的Turbo版本不同，標準版模型保留了更多風格多樣性，更適合動漫、數字藝術、插畫等創意類型的生成，能夠滿足不同創作場景對藝術表現力的需求。

面向社區的微調友好型基座

作為一個非蒸餾的基礎生成模型，Z-Image特別適合社區開發者進行二次開發和定製化微調（LoRA、ControlNet等）。

• 完整CFG支持：

  與通常繞過分類器自由引導的蒸餾模型不同，標準版模型保留了完整的CFG支持，實現精確的提示詞控制

• 訓練穩定性強：

  模型的內部多樣性和權重分佈使其在下游訓練時更容易學習新概念，相比低步數變體具有更好的訓練穩定性

更高的生成多樣性

Z-Image 專注於解決現代生成器常見的同質化問題：

• 避免"相同臉"問題：

  不同的隨機種子能夠生成明顯不同的面孔和構圖，每次生成都具有獨特性

• 多主體場景優化：

  在包含多人的提示詞中，標準版模型能生成具有獨特特徵的不同個體，避免了高速模型中常見的"克隆效應"

Negative Prompt增強控制

Z-Image 對負面提示詞（Negative Prompt）的響應尤為敏感和有效。開發者可以通過精心設計的負面提示詞，更精確地控制生成內容，避免不希望出現的元素，實現更加可控的圖像生成。

在線體驗地址：https://www.modelscope.cn/aigc/imageGeneration
模型下載地址：https://modelscope.cn/models/Tongyi-MAI/Z-Image