阿里巴巴 Z-Image Turbo：AI 繪圖新霸主，你的舊電腦也能跑！

華爾街的朋友們，聽好了！AI 繪圖領域正經歷一場劇烈的權力轉移。還記得 Flux 嗎？曾經風靡一時的 AI 模型？它已經被阿里巴巴通義實驗室的 Z-Image Turbo 取代了。更驚人的是，這款劃時代的軟體，竟然可以在你那台塵封已久的舊電腦上運行！

Z-Image Turbo 擁有 60 億個參數，承諾提供最先進的影像生成品質，而且不需要超級電腦。這可不是空口白話，發布短短幾天，開發者們就以驚人的速度創造出各種 LoRA（客製化微調適應），已經超越了 Flux2，也就是 Black Forest Labs 備受期待的 Flux 後繼者。

Z-Image Turbo 的最大優勢在於效率。Flux2 至少需要 24GB 的 VRAM（完整模型甚至高達 90GB），而 Z-Image 只需要 6GB 的量化設定就能運行。這意味著什麼？RTX 2060 等級的顯示卡就能輕鬆駕馭，也就是 2019 年左右的硬體！根據解析度，使用者可以在短短 30 秒內生成圖像。

對於獨立創作者和業餘愛好者來說，這簡直是一扇敞開的大門。過去，他們被硬體限制拒之門外，現在，他們也能參與 AI 藝術的創作。

AI 藝術社群迅速對 Z-Image Turbo 讚不絕口。CivitAI (全球最大的開源 AI 藝術工具庫) 的使用者 Saruhey 寫道：「這才是 SD3 應該有的樣子。提示詞的遵循度非常精準… 一個可以立即處理文字的模型，簡直是顛覆性的。它的能力與 Flux 相當，甚至更好，簡直就像黑魔法一樣。中國在 AI 領域遙遙領先。」

Z-Image Turbo 自上週四開始在 Civitai 上提供，已經獲得超過 1,200 則正面評價。相比之下，Flux2（比 Z-Image 早幾天發布）只有 157 則。這其中的差距，說明了一切。

更令人驚訝的是，Z-Image Turbo 從一開始就完全沒有經過審查。名人、虛構角色，甚至是一些比較敏感的內容，都可以自由生成。

截至今日，Civitai 上已經有大約 200 個關於 Z-Image Turbo 的資源（微調、LoRA、工作流程），其中許多都包含成人內容。

Reddit 使用者 Regular-Forever5876 測試了該模型生成血腥內容的極限，結果讓他大吃一驚：「天啊！它完全理解血腥的意涵！它能完美地生成出來。」

Z-Image Turbo 的技術秘密在於其 S3-DiT 架構——一種單一流轉換器，從一開始就同時處理文字和圖像數據，而不是在後期合併。這種緊密的整合，再加上積極的蒸餾技術，使該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，涵蓋了多個維度。以下是我們的發現：

速度：SDXL 的速度，下一代品質

在九個步驟中，Z-Image Turbo 生成圖像的速度與 SDXL 大致相同，而 SDXL 通常需要 30 個步驟——這款模型早在 2023 年就已經推出。

不同之處在於，Z-Image 的輸出品質與 Flux 相當，甚至更好。在一台配備 6GB VRAM 的 RTX 2060 GPU 的筆記型電腦上，生成一張圖像需要 34 秒。

相比之下，Flux2 生成類似的圖像大約需要十倍的時間。

Z-Image Turbo 是目前消費級硬體上可用的、最逼真的開源模型。它完全擊敗了 Flux2，而且其基礎蒸餾模型優於 Flux 的專用真實感微調。

皮膚和頭髮紋理看起來細緻而自然。臭名昭著的「Flux 下巴」和「塑膠皮膚」幾乎消失了。身體比例一直都很紮實，而且已經開始流通進一步增強真實感的 LoRA。

文字生成能力：遠超競爭對手

這正是 Z-Image 真正閃耀的地方。它是目前在圖像內文字生成方面最好的開源模型，其表現與 Google 的 Nanobanana 和 Seedream 相當——這兩款模型設定了目前的標準。

對於說華語的使用者來說，Z-Image 顯然是最佳選擇。它原生理解中文，並且能正確呈現文字。

小提示：有些使用者表示，使用中文提示詞實際上可以幫助模型產生更好的輸出，而且開發人員甚至發布了一個中文版的「提示詞增強器」。

英文文字的表現同樣出色，但有一個例外：不常見的長單詞，例如「decentralized」，可能會讓它出錯——Nanobanana 也存在這個限制。

提示詞遵循度：精準無比

Z-Image 的提示詞遵循度非常出色。它能以驚人的精準度理解風格、空間關係、位置和比例。

例如，以下這個提示詞：

一隻戴著紅帽子的狗站在電視機頂上，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」這句話。左邊，有一個穿著商務套裝的金髮女人拿著一枚硬幣；右邊，有一個機器人站在急救箱的頂上，一個綠色的金字塔站在箱子後面。整體場景是超現實的。一隻貓倒立地站在一個白色足球的頂上，在狗的旁邊。一位來自 NASA 的太空人拿著一個寫著「Emerge」的牌子，並且放置在機器人的旁邊。

正如您所注意到的，它只有一個錯字，可能是因為語言混合的原因，但除此之外，所有元素都得到了準確的呈現。

提示詞的滲漏現象極少，而且包含多個主體的複雜場景也能保持連貫性。在這方面，它擊敗了 Flux，並且能與 Nanobanana 相媲美。

阿里巴巴計劃發布另外兩個變體：用於微調的 Z-Image-Base 和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，那麼開源領域將會發生巨大的轉變。

目前，社群的結論很明確：Z-Image 已經取代了 Flux 的王位，就像 Flux 曾經取代了 Stable Diffusion 一樣。

真正的贏家將是能夠吸引最多開發者在其基礎上進行構建的人。

但如果你問我們的意見，是的，Z-Image 是我們目前最喜歡的家庭導向開源模型。