Z-Image

Z‑Image (造相)是阿里巴巴通义实验室（Tongyi‑MAI）在 2025 年开源的高效图像生成基础模型，代码托管在github。模型规模约 60 亿参数，采用 单流 Diffusion Transformer（DiT）‍ 架构，将文本理解与图像生成统一在同一网络中，实现了“思考‑生成”一体化的工作流。

• Z-Image开源项目官网入口网址：https://github.com/Tongyi-MAI/Z-Image
• modelscope网址：https://www.modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo
• Hugging Face网址：https://huggingface.co/Tongyi-MAI/Z-Image-Turbo

通过 Decoupled‑DMD（Distribution Matching Distillation）‍ 技术，Z‑Image‑Turbo 版本在仅 8 步（8 NFE）‍ 推理下即可生成高质量、逼真的照片级图像，推理时间常在亚秒级，显著优于同类大模型。模型特别擅长 中英文双语文本渲染，能够在图像中准确呈现复杂的中文字符，这在开源图像生成模型中极为罕见。

Z‑Image 提供了多种变体：

• Z‑Image‑Base：原始基线模型，适合研究与二次开发；
• Z‑Image‑Turbo：轻量蒸馏版，兼顾速度与质量，适合商业化部署；
• Z‑Image‑Edit：支持图像编辑与局部修改的扩展模型。

项目配套了官方文档、在线 Demo（Hugging Face、ModelScope）‍ 以及 托管 API 服务，用户只需几行代码即可调用模型生成图像，广泛用于创意设计、内容创作、营销素材、电子商务摄影等场景。

Z‑Image 通过参数压缩与架构创新，实现了 高效、低成本、易部署 的图像生成解决方案，既满足科研实验的可复现需求，也为企业级应用提供了快速、可靠的视觉内容生产工具。