OpenMOSS 팀이 이미지 생성 모델 MOSS-Image를 공개하고 오픈소스로 내놓았다. 파라미터 규모는 5B이며, Base와 SFT 두 버전의 가중치를 모두 Apache-2.0 라이선스로 Hugging Face에 올렸다. GitHub 저장소에는 중국어 설명과 ComfyUI 워크플로가 함께 들어 있고, 기술 보고서도 같이 공개됐다. 팀은 공식 블로그에서 이 모델의 위상을 이렇게 설명했다.
“긴 텍스트, 구조화된 레이아웃, 파인튜닝 가능한 배포를 하나의 생성 경로에 담은 5B 오픈 웨이트 이미지 생성 시스템.”
긴 문자와 수정 가능한 레이아웃
텍스트-이미지 모델은 많은 양의 글자를 그리는 데 늘 약했고, MOSS-Image가 내세우는 것이 바로 이 부분이다. 최대 약 4K 토큰의 프롬프트를 지원하며, 중국어와 영어 장문 모두 줄바꿈과 문단 구조를 유지한다.
또 하나의 기능은 구조화된 레이아웃이다. 캔버스, 텍스트 블록, 객체, 바운딩 박스를 JSON으로 기술해 위치와 크기, 서로의 관계를 직접 지정한다. 디자이너는 이미지를 만들기 전에 구조를 여러 번 고칠 수 있고, 레이아웃을 확정한 뒤 생성하면 된다. 프롬프트에 운을 거는 반복 작업이 줄어든다.
기술적으로는 처음부터 사전 학습한 단일 스트림 Diffusion Transformer이며, 옵티마이저는 Muon과 AdamW를 함께 쓴다. 텍스트 인코더는 Qwen3.5-9B이고, 이미지 디코딩에는 FLUX.2의 VAE를 가져다 썼다. 학습 데이터는 약 30억 장의 이미지로, 다단계 캡션과 문자 지도 신호, 바운딩 박스 주석이 붙어 있다. 해상도는 단계적으로 1024×1024까지, 텍스트 컨텍스트는 4096 토큰까지 늘렸다.
평가 수치
팀이 자체 구축한 장문 테스트 LLTB는 중국어와 영어 각 120문항이며, 목표 문자열은 평균 약 1340자다. MOSS-Image는 6개 항목 평균 96.3점을 기록했고, 팀은 이것이 오픈 웨이트 모델 중 가장 높다고 밝혔다. 같은 표의 Qwen Image 2512는 64.9점이다. 가장 긴 영어 과제에서는 97.1점, 가장 긴 중국어 과제에서는 92.4점을 받았다.
레이아웃 테스트 7Bench에서는 격차가 더 크다.
| 모델 | mIoU | Layout AUC |
|---|---|---|
| MOSS-Image | 0.8786 | 0.7031 |
| Ideogram 4 | 0.4449 | 0.2046 |
| Nano Banana Pro | 0.3296 | 0.1628 |
| GPT Image 2 | 0.3042 | 0.1554 |
그러나 엔드투엔드 사람 선호도를 측정하는 RealLayoutArena에서는 GPT Image 2가 약 1844점으로 1위, MOSS-Image가 약 1699점으로 2위, Seedream 5 Pro가 3위였다. 팀은 세 테스트의 프로토콜이 서로 달라 점수를 맞바꿔 비교할 수 없고 통합 순위로 볼 수 없다고도 밝혔다. 위 수치는 현재 팀 발표 기준이며, 제3자 재현은 아직 확인되지 않았다.
중국 팀은 무엇에 쓸 수 있나
중국어 디자인 도구를 만드는 팀에는 몇 가지 조건이 우호적이다. Apache-2.0은 상업적 이용을 허용하고, 5B 규모는 수백억 파라미터급 이미지 모델보다 훨씬 가볍다. 경험적 추정으로는 VRAM이 큰 소비자용 GPU 한 장으로 추론과 LoRA 파인튜닝을 돌릴 수 있지만, 정확한 VRAM 요구량은 공식 설명을 따라야 한다. Diffusers, Gradio, ComfyUI를 지원하고 LoRA와 전체 파인튜닝도 가능하다. 직접 배포하고 싶지 않다면 MOSI의 호스팅 API를 쓸 수도 있다.
활용 장면으로는 중국어 장문이 전자상거래 포스터, 롱 이미지, 강의 자료, 위챗 공식 계정 헤더 이미지에서 일상적으로 필요하다. 이전의 오픈소스 모델은 이 분야가 전반적으로 약해 생성 후 사람이 글자를 다시 조판해야 하는 경우가 많았다. JSON으로 레이아웃을 고정할 수 있으면 기존 템플릿 시스템에 연결하기도 쉬워진다.
한계도 분명하게 적혀 있다. 현재 버전은 텍스트-이미지 생성만 지원하며 참조 이미지를 입력할 수 없고 네이티브 이미지 편집 기능도 없다. 프롬프트 향상 모듈은 외부 언어 모델에 의존하므로 기획의 품질이 결과물에 직접 영향을 준다. 이미지를 고치거나 배경을 바꿔야 하는 워크플로에는 다른 모델을 함께 써야 한다.
참고 출처: OpenMOSS 공식 블로그, CocoLoop, MOSS-Image 기술 보고서, Hugging Face 모델 페이지. 파라미터 규모, 라이선스, LLTB 및 7Bench 점수는 기술 보고서로 확인했다.