阿里巴巴通义实验室开源全新图像生成模型 Z-Image，该模型凭借仅 6B 的参数规模，实现了高效的图像生成与编辑，其视觉质量已接近国际领先商业模型的三倍参数级别（约20B）。

Z-Image 采用单流 DiT （Diffusion Transformer） 架构，包含 Z-Image-Turbo（专注于快速推理）、Z-Image-Base（基础开发）和 Z-Image-Edit（图像编辑）三大核心变体，以满足不同的应用需求。

通过解耦 DMD 和 DMDR 等创新技术，该模型仅需 8个采样步骤即可输出高清逼真图像，显存占用控制在 16GB 以下，使其能在 NVIDIA RTX30系列等消费级显卡上流畅运行，在 H800GPU 上甚至可实现亚秒级的生成速度。

Z-Image 模型的关键优势在于其强大的提示增强与推理能力，能够超越表面的文字描述，融入“世界知识”进行语义对齐，确保输出图像的光影自然、细节丰富。它不仅支持复杂指令理解和多模态编辑任务，更在中英双语文字渲染方面展现出高精度，有效解决了传统 AI 图像模型在文本处理上的痛点。

业内测试显示，Z-Image 在人像生成、场景构图和编辑一致性上表现抢眼，在 ComfyUI 框架下的测试中超越了部分 SDXL 基线模型，尤其在中文海报渲染和 NSFW 内容处理上表现出优异的稳定性。