Z-Image: An Efficient Image Generation Foundation Model with Single-Stream Diffusion Transformer
Paper • 2511.22699 • Published • 249
Datasets:
Search is not available for this dataset
image imagewidth (px) 512 1.02k |
|---|
⚡ Z-Image Base vs Turbo 效果对比
使用相同的 prompt 和 seed，对比 Z-Image (Base) 和 Z-Image-Turbo 的生成效果。
📊 模型信息对比
| 特性 | Z-Image (Base) | Z-Image-Turbo |
|---|---|---|
| 模型 | Tongyi-MAI/Z-Image | Tongyi-MAI/Z-Image-Turbo |
| 参数量 | 6B | 6B (蒸馏版) |
| 架构 | S3-DiT (单流 DiT) | S3-DiT (单流 DiT) |
| 推理步数 | 28-50 步 | 8 步 |
| CFG 引导 | ✅ (scale=3.0-5.0) | ❌ (scale=0.0) |
| 负向提示词 | ✅ 支持 | ❌ 不支持 |
| 生成多样性 | ⭐⭐⭐ 高 | ⭐⭐ 低 |
| 视觉质量 | ⭐⭐⭐ 高 | ⭐⭐⭐⭐ 非常高 |
| RL 强化学习 | ❌ | ✅ (DMDR) |
| 可微调 (LoRA等) | ✅ | ❌ |
| VRAM 需求 | ~16GB+ | ≤16GB |
🖼️ 并排对比
Prompt 1: 🐆 写实摄影 / 野生动物
A majestic snow leopard resting on a rocky mountain ledge at golden hour, with dramatic clouds and snow-capped peaks in the background, photorealistic, 8K, National Geographic style
| Z-Image Base (30 steps, CFG=4.0) | Z-Image Turbo (8 steps, no CFG) |
|---|---|
 |
 |
Prompt 2: 👩 人像 / 中国风
A beautiful young woman in traditional Chinese hanfu, sitting in a bamboo garden with cherry blossoms falling, soft natural lighting, portrait photography, shallow depth of field
| Z-Image Base (30 steps, CFG=4.0) | Z-Image Turbo (8 steps, no CFG) |
|---|---|
 |
 |
Prompt 3: 🌃 赛博朋克 / 电影感
A cyberpunk city street at night, neon signs in Chinese and English, rain-soaked reflections on the road, a lone figure with an umbrella walking away, cinematic atmosphere, blade runner style
| Z-Image Base (30 steps, CFG=4.0) | Z-Image Turbo (8 steps, no CFG) |
|---|---|
 |
 |
Prompt 4: ☕ 插画 / 水彩风
A cozy café interior with warm lighting, a steaming cup of latte art on a wooden table, bookshelves in the background, watercolor painting style, soft pastel colors
| Z-Image Base (30 steps, CFG=4.0) | Z-Image Turbo (8 steps, no CFG) |
|---|---|
 |
 |
📋 生成参数
| 参数 | Base 设置 | Turbo 设置 |
|---|---|---|
| 分辨率 | 1024×1024 | 1024×1024 |
| 种子 (Seed) | 42 | 42 |
| 推理步数 | 30 | 8 |
| Guidance Scale | 4.0 | 0.0 |
| 负向提示词 | "" (空) | 不支持 |
| 推理后端 | fal-ai | fal-ai |
🎮 在线体验
| 模型 | 在线 Demo | Playground |
|---|---|---|
| Z-Image Base | 🤗 Space | 🎮 Playground |
| Z-Image Turbo | 🤗 Space | 🎮 Playground |
📝 总结
🏆 各维度对比
| 维度 | 赢家 | 说明 |
|---|---|---|
| 推理速度 | 🥇 Turbo | 8 步 vs 30-50 步，H800 上亚秒级推理 |
| 视觉质量 | 🥇 Turbo | DMDR 优化，细节更丰富锐利 |
| 生成多样性 | 🥇 Base | 未蒸馏，不同 seed 差异更大 |
| 可控性 | 🥇 Base | 支持 CFG + 负向提示词 |
| 可微调 | 🥇 Base | LoRA / ControlNet 基座 |
| 部署成本 | 🥇 Turbo | 16GB VRAM 即可 |
| 文字渲染 | 🥇 Turbo | 中英双语更准确 |
💡 选择建议
| 场景 | 推荐 |
|---|---|
| 日常使用、快速出图 | Turbo |
| 产品级部署、实时生成 | Turbo |
| 创意探索、多样性需求 | Base |
| 精细控制、负向提示 | Base |
| LoRA/ControlNet 开发 | Base |
| 消费级显卡 (≤16GB) | Turbo |
📜 参考
- Downloads last month
- 179