阿里巴巴 Z-Image Turbo 橫掃 AI 繪圖界，你的阿嬤電腦也能跑！

各位科技迷大家好，我是老張。最近 AI 繪圖領域可說是風起雲湧，一個全新的模型橫空出世，直接把之前的霸主 Flux 給拉下馬了。這個新秀不是別人，正是阿里巴巴通義實驗室推出的 Z-Image Turbo！更令人驚豔的是，它只需要超低的硬體需求，甚至連你的阿嬤級電腦都能輕鬆駕馭！

Z-Image Turbo：AI 繪圖的新霸主？

上週，阿里巴巴通義實驗室正式發布了 Z-Image Turbo，這是一個擁有 60 億參數的圖像生成模型。它的承諾非常簡單卻有力：在各位手邊現有的硬體設備上，提供最頂尖的圖像生成品質。這個承諾一落地，立刻引發了社群的熱烈迴響。

在 Z-Image Turbo 發布後的短短幾天內，開發者們就以驚人的速度推出了大量的 LoRA（Low-Rank Adaptation，低秩適應）客製化微調版本。這個速度已經遠遠超過了 Black Forest Labs 備受矚目的 Flux2 模型。要知道，Flux 模型之前可是紅極一時的 AI 繪圖霸主，而 Flux2 則是它的繼任者。

效率至上：Z-Image Turbo 的獨門秘訣

Z-Image Turbo 最厲害的地方就在於它的效率。與 Flux2 等競爭對手動輒需要 24GB 甚至 90GB 的 VRAM 相比，Z-Image Turbo 只需要 6GB 的量化設定就能運行。這意味著，就算你只有一張 RTX 2060 等級的顯示卡（大約是 2019 年左右的硬體），也能夠輕鬆使用 Z-Image Turbo。根據圖片解析度的不同，使用者甚至可以在短短 30 秒內生成一張圖片。

對於那些獨立創作者和業餘愛好者來說，這簡直就是打開了一扇原本緊閉的大門。過去，他們可能因為硬體設備的限制而無法參與 AI 繪圖的創作，現在有了 Z-Image Turbo，一切都變得觸手可及。

社群讚譽：這才是 SD3 應該有的樣子！

AI 繪圖社群對 Z-Image Turbo 的評價非常高。在 CivitAI（全球最大的開源 AI 繪圖工具庫）上，一位名為 Saruhey 的使用者寫道：「這才是 SD3 應該有的樣子！提示詞的遵從度非常精準……一個能夠直接正確生成文字的模型簡直是遊戲規則的改變者。它的能力就算沒有超越 Flux，也絕對不相上下。中國在這場 AI 競賽中已經遙遙領先。」

Z-Image Turbo 自上週四在 Civitai 上發布以來，已經獲得了超過 1200 個正面評價。作為對比，比 Z-Image Turbo 早幾天發布的 Flux2，目前只有 157 個評價。

更棒的是，Z-Image Turbo 從一開始就完全沒有經過任何審查。名人、虛構角色，甚至是成人內容，都可以隨意生成。

截至今日，Civitai 上已經有約 200 個關於 Z-Image Turbo 的資源（微調、LoRA、工作流程），其中很多都是 NSFW（Not Safe For Work，不適合在工作場合觀看）內容。

在 Reddit 上，一位名為 Regular-Forever5876 的使用者測試了 Z-Image Turbo 在生成血腥內容方面的極限，結果讓他感到非常震驚：「天啊！這個模型對血腥內容的理解實在太到位了！它能完美地生成出來！」

技術解密：S3-DiT 架構的威力

Z-Image Turbo 背後的技術秘密在於它的 S3-DiT 架構。這是一種單流轉換器，它從一開始就將文字和圖像資料一起處理，而不是像其他模型那樣先分開處理再合併。這種緊密的整合，再加上積極的知識提煉技術，讓 Z-Image Turbo 能夠達到通常需要五倍大小的模型才能達到的品質標準。

實際測試：速度與品質兼具

我們對 Z-Image Turbo 進行了多個維度的廣泛測試。以下是我們的發現：

* 速度：媲美 SDXL，品質更勝一籌

在九個步驟的情況下，Z-Image Turbo 生成圖片的速度與 SDXL 大致相同（SDXL 是一個於 2023 年發布的模型，通常需要 30 個步驟）。

但不同之處在於，Z-Image Turbo 的輸出品質可以與 Flux 相媲美，甚至超越 Flux。在一台配備 RTX 2060 6GB 顯示卡的筆記型電腦上，生成一張圖片只需要 34 秒。

相比之下，Flux2 生成一張類似的圖片需要大約十倍的時間。

* 逼真度：消費級硬體上的最佳選擇

Z-Image Turbo 是目前消費級硬體上可用的最逼真的開源模型。它直接擊敗了 Flux2，並且其基礎蒸餾模型甚至優於 Flux 的專用寫實微調模型。

皮膚和頭髮的紋理看起來非常細緻自然。之前 Flux 常見的「塑膠皮膚」和「下巴問題」幾乎完全消失。身體比例始終保持一致，並且已經有越來越多的 LoRA 在增強真實感。

* 文字生成：無可匹敵的優勢

這正是 Z-Image Turbo 真正閃耀的地方。它是目前在圖片中生成文字的最佳開源模型，其表現與 Google 的 Nanobanana 和 Seedream（設定了當前標準的模型）不相上下。

對於說中文的人來說，Z-Image Turbo 絕對是首選。它能夠自然地理解中文，並且正確地呈現中文字符。

小提示：一些使用者表示，使用中文提示詞實際上可以幫助模型產生更好的輸出結果，並且開發人員甚至發布了一個中文「提示詞增強器」。

英文文字的生成能力同樣出色，但有一個例外：一些不常見的長單詞，例如「decentralized」，可能會讓它出錯——這也是 Nanobanana 也存在的限制。

* 提示詞遵從度：精準且細緻

Z-Image Turbo 的提示詞遵從度非常出色。它能夠以驚人的精準度理解風格、空間關係、位置和比例。

例如，以下提示詞：一隻戴著紅色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」字樣。在左邊，有一位穿著商務套裝的金髮女人拿著一枚硬幣；在右邊，有一個機器人站在一個急救箱上，急救箱後面有一個綠色的金字塔。整體場景是超現實的。一隻貓倒立地站在一顆白色的足球上，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，並放置在機器人的旁邊。

可以看出，除了可能因為語言混合而出現的一個錯字外，所有元素都得到了準確的呈現。

提示詞洩露的程度非常小，並且包含多個主題的複雜場景也能夠保持連貫。在這方面，它擊敗了 Flux，並且與 Nanobanana 不相上下。

未來展望：Z-Image-Base 和 Z-Image-Edit 即將登場

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。如果它們也能像 Turbo 一樣表現出色，那麼開源 AI 繪圖領域的格局將會發生巨大的變化。

目前，社群的結論非常明確：Z-Image 已經奪走了 Flux 的王冠，就像當初 Flux 取代 Stable Diffusion 一樣。

真正的贏家將會是那些能夠吸引最多開發者在其基礎上進行構建的模型。

但如果你問我的意見，沒錯，Z-Image 是我目前最喜歡的家用開源模型。