Z Image 是 Alibaba 基於 Single-Stream Diffusion Transformer（S3-DiT）架構構建的 60 億參數開源圖片生成器。在 Artificial Analysis 排行榜上位居開源模型第一，具備亞秒級推理和雙語文字渲染。
Z Image（造象）是 Alibaba 通義 MAI 團隊開發的高效 60 億參數圖片生成基礎模型。其 Single-Stream Diffusion Transformer（S3-DiT）架構將文字、視覺語義 token 和圖片 VAE token 串聯為統一的輸入流，實現最大參數效率。Z-Image-Turbo 變體僅需 8 步即可實現亞秒級推理，該模型在 Artificial Analysis Text-to-Image Leaderboard 上排名第 8——所有開源模型中最高。
6B 參數搭配 S3-DiT 架構——比 Flux.1 快 4 倍，可在僅 16GB VRAM 的消費級 GPU 上運行。企業級硬體上實現亞秒級推理。
英文和中文同類最佳的文字渲染，詞錯誤率僅為 0.072——大幅超越 Flux.2 Dev（0.143）及其他競爭對手。
在 Artificial Analysis Text-to-Image Leaderboard 上排名第 8——開源模型中排名最高，擊敗所有其他開源替代方案。
使用結構化推理鏈注入邏輯和常識。Z Image 超越表面的提示詞描述，利用世界知識生成圖片。
跨各種風格展現鮮豔色彩、精細紋理和照片級真實細節——肖像、風景、建築、創意藝術、科幻等。
完全開源，採用 Apache 2.0 授權，GitHub 上超過 10K 星。獲得 ComfyUI、DiffSynth 支援，Hugging Face 上有 400 多個社群微調版本。
Single pricing tier for this model.
描述您想要的圖片。Z Image 擅長處理關於風格、構圖、光線和主題的詳細描述——支援英文和中文。
從 5 種長寬比中選擇：正方形（1:1）、橫式（4:3、16:9）或直式（3:4、9:16），以匹配您的內容格式。
約 8 秒即可獲得 AI 生成的圖片。以高品質 PNG 格式下載，可立即使用。
Fast AI image generation with Gemini 2.5 Flash
Next-gen AI image generation with multi-image support
Photorealistic text-to-image generation
Advanced AI image generation with enhanced text rendering by ByteDance
關於 Alibaba Z Image 的常見問題
Z Image（造象）是 Alibaba 通義 MAI 團隊開發的 60 億參數開源圖片生成模型。基於 S3-DiT 架構構建，在 Artificial Analysis 排行榜上排名第 8——開源圖片模型 #1——具備亞秒級推理和雙語文字渲染。
Z Image 每次圖片生成需要 5 點數。模型本身在 Apache 2.0 授權下開源，我們在平台上提供優化的推理服務，實現快速可靠的生成。
Z Image 是獨立排行榜上的 #1 開源圖片模型。主要優勢包括亞秒級推理速度、同類最佳的雙語文字渲染（英文和中文），以及高效的 6B 參數架構，能提供可與更大模型媲美的品質。
支援，Z Image 在所有圖片模型中擁有最佳的雙語文字渲染——能原生渲染圖片中的英文和中文文字，詞錯誤率僅為 0.072，遠超 Flux.2 Dev（0.143）等競爭對手。
Z Image 在品質、速度和效率之間提供最佳平衡。比 Flux.1 快 4 倍，可在 16GB 消費級 GPU 上運行，排名高於所有開源替代方案。如需照片寫實風格，請試用 Grok Imagine。如需 4K 解析度，請選擇 Nano Banana Pro。
Z Image 在我們的平台上約 8 秒即可生成圖片。Z-Image-Turbo 變體在企業級 GPU 上僅需 8 步即可實現亞秒級推理——使其成為目前最高效的圖片模型之一。
Can't find what you're looking for? Contact our support team