复旦OpenMOSS开源MOSS-Image：主打长文本渲染与可编辑布局

事件核心：发生了什么

据AIbase报道，由复旦NLP、上海创智学院等团队组成的OpenMOSS，以全新预训练方式发布了开源图像生成模型MOSS-Image。模型采用5B参数的单流DiT骨干，训练数据约30亿张图像，配套多粒度描述、文字监督和边界框监督。文本侧使用Qwen3.5-9B作为编码器，图像侧由FLUX.2VAE解码，训练采用Muon–AdamW方案，并通过统一文本条件通道同时处理自然语言与结构化布局。此外还有一个意图感知的提示词增强模块，可将简短需求扩展为包含字体层级、配色和坐标的可执行指令。

为什么重要

文字渲染和版面控制长期是开源文生图模型的短板，商用场景中的海报、信息图、漫画和UI设计往往因此回流到闭源方案或人工修图。MOSS-Image把长文本渲染与JSON布局作为主攻方向，在模型层面同时支持中英文长文本和可编辑坐标结构，若效果可被开发者稳定复现，有望降低这类视觉内容的自动化门槛。对当前开源与闭源图像模型的竞争格局而言，这是一次针对细分能力而非通用画质的卡位。

对用户/开发者/创作者的影响

开发者可以关注其JSON Layout接口带来的程序化排版能力，这比纯提示词更适合接入模板化、批量化的AI应用；设计类创作者则可能受益于保留换行和段落结构的长文本输出，减少后期返工。不过需要强调，目前公开的多为模型与评测信息，实际推理速度、显存占用、许可证条款和API可用性尚未在素材中披露，落地成本仍需验证。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是模型权重与代码是否真正开放下载，以及商用许可范围；二是第三方在真实海报、UI场景中的复现结果能否接近其自测成绩；三是FLUX、Qwen-Image等开源竞品是否跟进长文本与结构化布局能力。目前公开信息显示的基准成绩包括：LLTB中英各120项任务、平均目标文本约1339.8字符时Mean-6得96.3；7Bench统一JSON任务检测框mIoU为0.8786、整体布局mIoU为0.6788；RealLayoutArena盲测Elo为1807.34。这些均为特定日期和条件下的评测，不宜视为永久排名。

来源：AIbase