阿里巴巴 Z-Image Turbo：AI 繪圖的新霸主，你的舊電腦也能跑！

各位交易員，聽好了！AI 繪圖領域正在發生一場革命，而且這場革命的武器不是昂貴的超級電腦，而是你可能已經放在抽屜裡的舊電腦。

阿里巴巴的通義實驗室上週推出了一款名為 Z-Image Turbo 的圖像生成模型，擁有 60 億個參數。它的承諾很簡單：在你的電腦上，也能產生最先進的繪圖品質。這承諾可不是空口說白話，而是紮紮實實地擊中了市場的痛點。

在短短幾天內，開發者們就以驚人的速度，製作出各種客製化的 LoRA（微調適應），數量甚至已經超越了 Black Forest Labs 備受矚目的 Flux2 模型。要知道，Flux 模型曾經紅極一時，而 Flux2 被視為它的繼承者。

Z-Image 的過人之處，就在於它的效率。它的競爭對手，像是 Flux2，需要至少 24GB 的 VRAM（視訊記憶體），完整模型甚至需要高達 90GB。而 Z-Image 只需要 6GB 的量化設置就能運行！

這意味著，連 2019 年的 RTX 2060 顯示卡都能輕鬆駕馭。根據解析度的不同，使用者可以在短短 30 秒內生成圖像。對於那些小型工作室和獨立創作者來說，這扇門過去可是緊閉的。

AI 繪圖社群很快就對這個模型讚不絕口。「這才是 SD3 應該有的樣子，」一位名為 Saruhey 的使用者在 CivitAI（世界上最大的開源 AI 繪圖工具庫）上寫道。「提示的遵守度非常精湛……一個可以立即正確處理文字的模型，絕對是遊戲規則改變者。它的實力就算沒有超越 Flux，也相差不遠，簡直是黑魔法。中國在這場 AI 競賽中遙遙領先。」

Z-Image Turbo 自上週四開始在 Civitai 上架，已經獲得超過 1200 則好評。相比之下，比 Z-Image 早幾天發布的 Flux2 只有 157 則。

更重要的是，這個模型從一開始就完全沒有經過審查。名人、虛構角色，甚至是成人內容，都可以生成。

截至今日，Civitai 上已經有約 200 個關於這個模型的資源（微調、LoRA、工作流程），其中許多都是成人內容。

在 Reddit 上，一位名為 Regular-Forever5876 的使用者，測試了這個模型在血腥提示下的極限，結果讓他大為震驚：「我的老天鵝啊！這個東西超懂血腥！它能完美地生成血腥圖像！」

Z-Image Turbo 背後的技術秘密，是它的 S3-DiT 架構——一種單流轉換器，從一開始就同時處理文字和圖像資料，而不是在之後才將它們合併。這種緊密的整合，再加上激進的知識蒸餾技術，使得這個模型能夠達到通常需要五倍大小的模型才能達到的品質基準。

我們對 Z-Image Turbo 進行了廣泛的測試，涵蓋多個面向，以下是我們的發現：

速度：SDXL 的速度，新世代的品質

在九個步驟中，Z-Image Turbo 生成圖像的速度，與 SDXL 大致相同。SDXL 是 2023 年發布的模型，通常需要 30 個步驟。但 Z-Image 的輸出品質可以匹敵甚至超越 Flux。在一台配備 RTX 2060 GPU（6GB VRAM）的筆記型電腦上，生成一張圖像需要 34 秒。

相比之下，Flux2 生成一張可比較的圖像，大約需要十倍的時間。

真實感：超越 Flux

Z-Image Turbo 是目前消費者級硬體上，最逼真的開源模型。它完全擊敗了 Flux2，而且經過知識蒸餾的基本模型，甚至超越了 Flux 的專用真實感微調。

皮膚和頭髮的紋理看起來細緻而自然。「Flux 下巴」和「塑膠皮膚」等問題，基本上已經消失。身體比例始終保持良好，而且已經有越來越多的 LoRA 出現，進一步增強真實感。

文字生成：無可匹敵

這是 Z-Image 真正發光的地方。它是最好的圖像內文字生成的開源模型，與 Google 的 Nanobanana 和 Seedream 等模型不相上下——這些模型設定了目前的標準。

對於說中文的人來說，Z-Image 顯然是首選。它能自然地理解中文，並正確地呈現中文字符。

小提示：有些使用者報告說，使用中文提示實際上可以幫助模型產生更好的輸出，而且開發者甚至發布了一個中文的「提示增強器」。

英文文字也同樣強大，只有一個例外：不常見的長單字，例如「decentralized」，可能會讓它出錯——這也是 Nanobanana 的一個限制。

提示遵守度：精準至極

Z-Image 的提示遵守度非常出色。它能以驚人的精準度，理解風格、空間關係、位置和比例。

舉個例子，看看這個提示：「一隻戴著紅帽子的狗，站在一台電視機上，電視機上顯示著『Decrypt 是世界上最好的加密貨幣與人工智慧媒體網站』。左邊，有一個穿著商務套裝的金髮女人，拿著一枚硬幣；右邊，有一個機器人站在一個急救箱上，一個綠色的金字塔站在急救箱後面。整體場景是超現實的。一隻貓倒立地站在一個白色的足球上，就在狗的旁邊。一位來自 NASA 的太空人，拿著一個寫著『Emerge』的標誌，放置在機器人旁邊。」

如你所見，它只有一個錯字，可能是因為語言混合的緣故，但除此之外，所有元素都得到了準確的呈現。

提示洩漏的情況非常少，而且包含多個主題的複雜場景，也能保持連貫。在這個指標上，它擊敗了 Flux，並且與 Nanobanana 不相上下。

阿里巴巴計畫發布另外兩個變體：用於微調的 Z-Image-Base，以及用於基於指令修改的 Z-Image-Edit。如果它們的表現與 Turbo 一樣出色，開源領域將會發生巨大的變化。

目前，社群的結論很明確：Z-Image 已經奪走了 Flux 的王冠，就像 Flux 曾經推翻 Stable Diffusion 一樣。

真正的贏家將是那些吸引最多開發者在其基礎上進行構建的人。

但如果你問我們，是的，Z-Image 是我們目前最喜歡的家用開源模型。