Z-Image
lastmod 2026-11-16created 2025-12-085 edits
Z-Image(造相)는 알리바바 Tongyi-MAI 팀이 만든 6B 파라미터 이미지 생성 모델군이다. 20B~80B 규모인 기존 오픈 모델과 달리 소비자용 GPU 에서 추론과 미세조정을 할 수 있는 크기를 목표로 했고, 전체 학습을 H800 GPU 31만 4천 시간(약 $630K)에 마쳤다고 밝힌다. 증류판인 Z-Image-Turbo 는 함수 평가(NFE) 8번만으로 이미지를 만든다.
6B 파라미터 단일 스트림 Diffusion Transformer로, 실제 데이터만으로 학습하여 SOTA 수준의 사실적 이미지 생성을 달성하면서도 계산 비용을 대폭 절감했다. 16GB 이하 GPU에서도 구동 가능하여 엣지 배포에 유리하다.
- 데이터 큐레이션 파이프라인과 다단계 학습 커리큘럼으로 시각-의미 정렬 최적화
- QK-Norm/Sandwich-Norm 조건화 기법 적용
- Decoupled DMD 기반 few-step distillation 지원
About
- 변형 모델: Z-Image-Turbo(증류·RL, 8 NFE, CFG 없음), Z-Image(기반 모델, 50 step, 미세조정·네거티브 프롬프트용, 2026년 1월 공개), Z-Image-Omni-Base(생성·편집 겸용, 공개 예정), Z-Image-Edit(편집용, 공개 예정)
- Turbo 는 H800 에서 1초 미만으로 추론하고 16GB VRAM 소비자 기기에서도 돌아감. 사실적 이미지와 영어·중국어 텍스트 렌더링에 강함
- Artificial Analysis 텍스트-이미지 리더보드 전체 8위로 오픈 모델 중 1위(2025년 12월). Alibaba AI Arena 의 Elo 기반 선호 평가에서도 오픈 모델 최상위
- PyTorch 네이티브 추론과 diffusers 의
ZImagePipeline지원 - Apache-2.0 라이선스
Z-Image 개요
주요 기능 및 성능
- Prompt Enhancer 가 추론과 세계 지식으로 프롬프트를 보강해 표면적인 묘사를 넘는 그림을 그림. Edit 는 영어·중국어 편집 지시를 이해함
모델 아키텍처 (S3-DiT)
- Scalable Single-Stream DiT: 텍스트, 시각 의미 토큰, 이미지 VAE 토큰을 시퀀스 수준에서 이어 붙여 하나의 입력으로 넣으므로 이중 스트림 방식보다 파라미터를 효율적으로 씀
핵심 알고리듬
- Decoupled-DMD: 기존 DMD 의 성과가 CFG 증강(CA, 증류를 이끄는 엔진)과 분포 정합(DM, 안정성을 지키는 정규화) 두 메커니즘에서 나온다고 보고 둘을 나눠 최적화한 소수 단계 증류법. 8단계 생성의 핵심
- DMDR: 소수 단계 모델의 후처리에서 강화학습과 DMD 를 결합. RL 이 DMD 의 성능을 끌어올리고 DMD 가 RL 을 정규화해 의미 정합·미적 품질·구조 일관성과 고주파 세부를 높임
커뮤니티 및 생태계 지원
- Cache-DiT(GPU 4개에서 약 4배 가속), stable-diffusion.cpp(C++ 엔진, VRAM 4GB 에서도 실행), LeMiCa·MeanCache(학습 없는 추론 가속), DiffSynth-Studio(LoRA·전체 학습), vllm-omni, SGLang-Diffusion, Candle 등이 지원함
See also
Favorite site
- Github - Tongyi-MAI/Z-Image
- Z-Image: An Efficient Image Generation Foundation Model with Single-Stream Diffusion Transformer - arXiv
- Z-Image - 강력하고 효율적인 이미지 생성 모델 | GeekNews
- Z-Image: Powerful and highly efficient image generation model with 6B parameters | Hacker News
- Z-Image Turbo Realistic LoRAs: A Quick & Dirty Comparison | Civitai <- 후방 주의