Что такое MOSS-Image и зачем это нужно?
Лаборатория ComfyOrg представила репак (repackaged) официальных весов модели MOSS-Image, специально адаптированных для работы в среде ComfyUI. Это не просто переупаковка, а структурированное решение, позволяющее пользователям легко интегрировать мощную мультимодальную модель в свой рабочий процесс без сложных настроек.
Изначально модель разработана командой OpenMOSS-Team и доступна в двух основных версиях: Base (базовая) и SFT (Supervised Fine-Tuning — дообученная с учителем). Команда ComfyOrg подготовила файлы для обоих вариантов, обеспечивая совместимость с различными аппаратными конфигурациями.
Технический стек: Qwen 3.5 и Flux 2
Ключевая особенность MOSS-Image — использование передовых компонентов для обработки текста и генерации изображений. В репозитории представлены веса для текстового энкодера Qwen 3.5 9B и VAE от Flux 2. Это сочетание позволяет модели понимать сложные текстовые запросы и генерировать высококачественные визуальные результаты.
Для оптимизации потребления памяти и скорости инференса разработчики предоставили несколько форматов квантования:
- BF16 (полная точность) — для максимального качества на мощных GPU.
- INT8 (ConvRot) — оптимизированная версия для более быстрого вывода.
- W4A8 GPTQ — агрессивное квантование для работы на ресурсоемких задачах с ограниченной памятью.
Структура файлов и установка
Для корректной работы модели файлы необходимо разместить в соответствующих директориях ComfyUI. Ниже приведена актуальная структура папок и список файлов, доступных для скачивания:
| Директория | Файлы (формат .safetensors) | Назначение |
|---|---|---|
| diffusion_models | moss_image_base_bf16 moss_image_base_int8_convrot moss_image_sft_bf16 moss_image_sft_int8_convrot |
Основные веса модели генерации (Base и SFT версии) |
| text_encoders | qwen3.5_9b_bf16 qwen3.5_9b_int8_convrot qwen3.5_9b_w4a8_gptq |
Текстовый энкодер Qwen 3.5 9B в разных форматах квантования |
| vae | flux2-vae_small flux2-vae |
VAE-модели от Flux 2 (малая и полная версии) |
Популярность и метрики
Интерес сообщества к MOSS-Image растет стремительно. По данным Hugging Face, за последний месяц модель была скачана 673 110 раз. Это свидетельствует о высоком спросе на инструменты, которые упрощают работу с SFT-моделями в ComfyUI.
На данный момент модель не развернута в Inference Providers, что означает, что пользователи могут запускать её локально, получая полный контроль над процессом генерации. Ветка модели насчитывает 20 форков (finetunes), что говорит о активной разработке и адаптации модели под специфические задачи.
Источник: Huggingface ↗