开源图像生成迎来新突破：OpenMOSS 发布 MOSS-Image，主打长文本渲染与可编辑布局

复旦 NLP 与上海创智等团队组成的 OpenMOSS 发布开源图像生成模型 MOSS-Image。该模型以 5B 参数单流 DiT 为基座从零预训练，针对传统文生图模型在海报、信息图等场景下的文字拼写错误、段落截断、元素错位等痛点，支持最长约 4K token 提示词、中英文长文本渲染及可编辑结构化 JSON Layout。其采用 Muon–AdamW 训练配方，以 Qwen3.5-9B 为文本编码器、FLUX.2VAE 做图像解码，基于约 3B 张涵盖多粒度 caption、文字与结构化边界框监督的图像数据集训练，还引入意图感知的提示增强外部规划模块扩展生成指令。多项评测中该模型在长文本渲染、结构化布局、端到端偏好等维度表现优异，相关权重以 Apache-2.0 协议开源，打通多个主流生态路径，支持 LoRA 与全量微调，当前为纯文生图模型，无法直接接收参考图或执行原生图像编辑，提示增强模块依赖外部大模型，为有本地部署、精准排版等需求的开发者提供了开源新选择。