开源图像模型终于会排版了：MOSS-Image 上线 4 天 130 万下载，专治"AI 图里文字乱码"

OpenMOSS 和 Mosi 10 月 23 日前后发布了 MOSS-Image：一个 50 亿参数的扩散模型，从头训练，代码 Apache 2.0 开源。按 QbitAI 的报道，它在 Hugging Face 镜像上线 4 天下载量 130 万，登上文生图 trending 榜首。社区已经跑在论文前面了：8 步蒸馏版 7.5 万+下载，GGUF、INT8、MLX 格式全都有。

它打的不是"更好看"，是"更好用"。技术路线很直白：冻结一个 Qwen3.5-9B 当文本编码器，支持最长 4096 token 的 prompt，还能吃结构化 JSON 布局输入（bounding box 指定标题和产品放哪）。也就是说，海报的标题放哪、产品图放哪，你用代码指定，它负责画出来。QbitAI 引用的一组数据：LLTB 文字渲染 benchmark 上开放权重模型第一（96.3% 覆盖），盲测设计评分 1698.70 Elo，只排在 GPT Image 2 后面。

为什么值得看：图像生成的"文字乱码"和"排版失控"一直是开源模型的痛点，也是独立开发者最常用的场景——海报、封面、UI mockup、营销图。MOSS-Image 直接对着设计场景打：prompt 写长文案不崩、布局用 JSON 指定。对 vibe coder 来说，这意味着产品里的视觉资产可以"代码化"生产：营销海报、落地页配图、应用内插图，不用再外包给设计师做第一版，自己先跑出来看效果。

我的独立判断：这个模型最大的价值不是"又一个开源生图模型"，而是把"布局可控"做成了开箱即用的能力。做独立产品的可以把它当"设计实习生"用：先出 10 版看方向，再找设计师精修，成本结构直接变了。未经大规模实测，这是个人判断。

可信度说明：下载量和 benchmark 数字来自 QbitAI 单方转述，未独立验证，按"单方说法"读；Apache 2.0 的是代码部分，模型权重条款建议自己核对。