Разработчики из Alibaba представили новую модель генерации изображений Z-Image, и в ИИ-сообществе её уже называют потенциальным «народным» конкурентом топовых решений. Дело в том, что модель создаёт изображения уровня Flux 2 и даже лучше, но при этом запускается локально — без серверов и облаков.
Z-Image умеет работать в разных жанрах: от фотореалистичных сцен до постеров, афиш и плакатов с корректно прорисованным текстом. Сейчас поддерживаются только два языка: китайский и английский. Модель доступна в трёх вариантах: Turbo для максимально быстрых результатов, Base для тонкой настройки и Edit для редактирования изображений по текстовым командам.
Версия Z-Image-Turbo делает ставку на скорость: ей нужно всего восемь итераций, чтобы получить финальный кадр, благодаря чему на мощных видеокартах она выдаёт результат буквально за долю секунды. При этом сохраняется высокий уровень детализации, визуальная выразительность и способность понимать сложные запросы за счёт системы Prompt Enhancer и архитектуры S3-DiT.
По данным рейтинга Alibaba AI Arena, Z-Image занимает первое место среди text-to-image моделей с открытым исходным кодом. Попробовать её можно бесплатно — исходники и инструкции уже доступны на GitHub. Всё, что требуется, — видеокарта с 16 ГБ памяти.