MOSS-Image

MOSS-Image ist ein Open-Source-Text-zu-Bild-Modell des OpenMOSS-Teams, veröffentlicht am 16. Oktober 2026 unter der Apache-2.0-Lizenz. Sein 5B-Diffusion-Transformer ist für Bilder gemacht, bei denen die Worte zählen: Poster, Speisekarten, Infografiken und Schilder mit langen englischen oder chinesischen Texten, dazu ein JSON-Layoutmodus, der jedes Element an die gewünschte Stelle setzt. GoEnhance bietet MOSS-Image noch nicht an. Die Konsole unten nutzt GoEnhance 2.0 Lite, unser eigenes leichtes Bildmodell, das ebenfalls Text in Bildern beherrscht und kostenlos testbar ist.

Retro-Reiseplakat

Zweisprachige Kreidetafel

Schritt-für-Schritt-Infografik

Neonschild eines Restaurants

GoEnhance 2.0 Lite

Prompt

Beispiel-Prompts

Öffnet den GoEnhance-Editor mit diesem Modell und Prompt.

Was MOSS-Image gut kann

Lange, genaue Textdarstellung

MOSS-Image ist darauf trainiert, Überschriften, Slogans und Kleingedrucktes richtig zu schreiben. Im technischen Bericht von OpenMOSS erreicht es im Langtext-Benchmark LLTB durchschnittlich 96,3. Dieses Reiseplakat wurde mit MOSS-Image in der offiziellen Demo erstellt: Überschrift und Unterzeile sind genau wie geschrieben.

Englisch und Chinesisch nebeneinander

Das Modell schreibt Englisch und Chinesisch, auch handschriftlich wirkende Schrift, im selben Bild. Diese Kreidetafel mit chinesischem Titel und englischen Preisen entstand ebenfalls mit MOSS-Image in der offiziellen Demo.

Jedes Element dort, wo du es willst

Neben normalen Prompts versteht MOSS-Image einen JSON-Layout-Prompt: Liste jedes Objekt oder jeden Textblock mit einer Bounding Box auf, und es bleibt an seinem Platz. Prompts dürfen bis zu 4K Token lang sein, ideal für dichte Poster und Infografiken. Die Infografik hier ist eine mit GoEnhance 2.0 Lite erstellte Illustration, keine MOSS-Image-Ausgabe.

Offene Gewichte zum Selbstbetrieb

Die Gewichte von MOSS-Image-Base und MOSS-Image-SFT liegen unter Apache-2.0 auf Hugging Face und ModelScope, mit ComfyUI-Unterstützung ab Tag eins. Nötig ist eine NVIDIA-GPU; empfohlen sind 50 Schritte, CFG 3 und Bilder mit 1 bis 2 Megapixeln. Das Neonschild hier ist eine mit GoEnhance 2.0 Lite erstellte Illustration.

MOSS-Image-Base vs. MOSS-Image-SFT

Merkmal	MOSS-Image-Base	MOSS-Image-SFT
Was es ist	Pretraining-Checkpoint mit vollem Trainingssignal	Aus Base auf kuratierten Daten feinabgestimmt
Am besten für	LoRA-Training und Fine-Tuning	Alltägliche Text-zu-Bild- und Layout-Prompts
Größe	5B Parameter	5B Parameter
Lizenz	Apache-2.0	Apache-2.0
Bildbearbeitung	Nein (nur Text zu Bild)	Nein (nur Text zu Bild)
Auf GoEnhance verfügbar	Noch nicht	Noch nicht

So erstellst du heute textreiche Bilder auf GoEnhance

Szene und Wörter beschreiben

Beschreibe Motiv, Stil und Layout in der Konsole oben und setze jedes Wort, das im Bild stehen soll, in Anführungszeichen.

Mit GoEnhance 2.0 Lite erstellen

Klicke auf Erstellen, um das Text-zu-Bild-Studio von GoEnhance mit GoEnhance 2.0 Lite zu öffnen. Es kostet 6 Token pro Bild in 1K und 12 in 2K und ist im kostenlosen Tarif nutzbar.

Korrigieren und bearbeiten

Wechsle zu Bild zu Bild, um Wörter, Farben oder Objekte per Anweisung zu ändern, mit bis zu 5 Referenzbildern.

Für MOSS-Image wiederkommen

Wir ergänzen MOSS-Image auf dieser Seite, sobald es auf GoEnhance verfügbar ist.

Häufig gestellte Fragen

Das solltest du wissen

Was ist MOSS-Image?

MOSS-Image ist eine Open-Source-Modellfamilie für Text zu Bild vom OpenMOSS-Team. Sie nutzt einen 5B-Single-Stream-Diffusion-Transformer mit einem 9B-Sprachmodell als Text-Encoder und konzentriert sich auf genaue Textdarstellung und Layoutsteuerung.

Wann wurde MOSS-Image veröffentlicht?

OpenMOSS hat MOSS-Image am 16. Oktober 2026 veröffentlicht, mit Code, Gewichten, technischem Bericht und einer Live-Demo auf Hugging Face Spaces.

Ist MOSS-Image kommerziell kostenlos nutzbar?

Die Modellgewichte stehen unter der Apache-2.0-Lizenz, die kommerzielle Nutzung erlaubt. Pipeline-Code und Komponenten von Drittanbietern haben eigene Lizenzen; prüfe sie, bevor du ein Produkt veröffentlichst.

Kann MOSS-Image Bilder bearbeiten?

Nein. Das aktuelle Modell kann nur Text zu Bild: Es nimmt keine Referenzbilder an und bearbeitet keine vorhandenen Bilder. OpenMOSS nennt bildgesteuerte Generierung als künftige Arbeit. Zum Bearbeiten nutzt du heute GoEnhance 2.0 Lite im Modus Bild zu Bild.

Was ist der Unterschied zwischen Base und SFT?

MOSS-Image-Base ist der Pretraining-Checkpoint für LoRA-Training und Fine-Tuning. MOSS-Image-SFT ist aus Base auf kuratierten Daten feinabgestimmt und für alltägliche Text-zu-Bild- und Layout-Prompts gedacht.

In welchen Sprachen schreibt es in Bilder?

MOSS-Image schreibt Englisch und Chinesisch, auch lange Texte und handschriftlich wirkende Schrift.

Wie betreibe ich MOSS-Image lokal?

Lade die Gewichte von Hugging Face oder ModelScope herunter und nutze den offiziellen Code, ComfyUI oder vLLM-Omni auf einer NVIDIA-GPU. OpenMOSS empfiehlt 50 Schritte, CFG 3, Shift 5 und Bilder mit 1 bis 2 Megapixeln (unterstützt sind 0,25 bis 4 Megapixel in Vielfachen von 16).

Kann ich MOSS-Image auf GoEnhance nutzen?

Noch nicht. Die Konsole auf dieser Seite nutzt GoEnhance 2.0 Lite, unser eigenes leichtes Bildmodell. Es kostet 6 Token pro Bild in 1K und 12 in 2K, funktioniert im kostenlosen Tarif und bearbeitet mit bis zu 5 Referenzbildern. Die zwei MOSS-Image-Beispiele auf dieser Seite stammen aus der offiziellen Demo von OpenMOSS; die Konsolenbeispiele wurden mit GoEnhance 2.0 Lite erstellt.

Weitere Bildmodelle

FLUX 3 Image Klein

Z-Image

Hunyuan Image 3.0

Ideogram 4.0

GPT Image 2.5

Starte heute auf GoEnhance

MOSS-Image ist auf GoEnhance noch nicht verfügbar, aber GoEnhance 2.0 Lite steht jetzt im Text-zu-Bild-Studio bereit: 6 Token pro Bild, auch im kostenlosen Tarif.

GoEnhance 2.0 Lite testen