أصدر فريق OpenMOSS نموذجًا مفتوح المصدر لتوليد الصور يُسمى MOSS-Image، مبنيًا على بنية DiT أحادية التدفق بـ 5 مليار معلمة، ويدعم أوامر توجيهية تصل إلى 4K رمزًا، مع عرض نصوص طويلة باللغتين الصينية والإنجليزية، ويتميز بقدرة قابلة للتحرير على تخطيط JSON مُهيكل. أظهر النموذج أداءً ممتازًا في عرض النصوص الطويلة، ودقة التخطيط، وتقييمات التفضيلات الشاملة، وهو مفتوح المصدر بموجب ترخيص Apache-2.0، ويعمل بشكل متوافق مع بيئات Diffusers وGradio وComfyUI، مما يجعله مناسبًا للمطورين الذين يحتاجون إلى تخطيط دقيق ونشر محلي.كاتب المقال، المصدر: AIBase
في الآونة الأخيرة، أطلقت OpenMOSS (فريق من NLP بجامعة فودان وفريق تشانغتشي في شنغهاي إلخ.) رسميًا نموذج توليد الصور المفتوح المصدر — MOSS-Image. لمعالجة المشكلات المستمرة التي تواجهها نماذج النص إلى الصورة التقليدية في تصميم الملصقات والرسوم البيانية والكوميكس وواجهات المستخدم، مثل أخطاء التهجئة والقص غير الكامل للنصوص وتشويه العناصر، يعتمد هذا النموذج على DiT (Diffusion Transformer) بـ 5 مليار معلمة، تم تدريبه من الصفر، ويدعم بشكل شامل أوامر تصل إلى حوالي 4K رمز، وعرض النصوص الطويلة بالصينية والإنجليزية، بالإضافة إلى تخطيط هيكلية قابلة للتحرير بصيغة JSON.
من حيث البنية التقنية، يستخدم MOSS-Image وصف تدريب Muon–AdamW لمعالجة اللغة الطبيعية والتخطيط المُنظّم عبر قناة شرط نصية موحدة. يستخدم النموذج Qwen3.5-9B كمُشفّر نصي، مع FLUX.2VAE كمُفكّك صور. يغطي مجموعة بيانات التدريب حوالي 3 مليارات صورة، وتشمل وصفًا متعدد الدقة، وإشرافًا نصيًا، وإشرافًا مُنظّمًا عبر مربعات حدودية (bbox). لمعالجة متطلبات الإبداع المعقدة، يُدمج النموذج أيضًا وحدة تخطيط خارجية مُدركة للنية (PE) لتوسيع الطلبات القصيرة تلقائيًا إلى تعليمات قابلة للتنفيذ تتضمن مستويات الخطوط، ولوحات الألوان، ومواصفات الإحداثيات.
في القدرات الأساسية وأداء التقييم، أظهر MOSS-Image ميزة متخصصة قوية جدًا:
معالجة النصوص الطويلة (LLTB): في تقييم يحتوي على 120 مهمة بالصينية و120 مهمة بالإنجليزية، بمتوسط نص هدف يبلغ حوالي 1339.8 حرفًا، حققت درجة Mean-6 قدرها 96.3، وهي أعلى درجة تُسجل حتى الآن في نماذج الأوزان المفتوحة، وتستطيع الحفاظ بشكل جيد على هياكل الترقيم والفقرات.
الهيكل المنظم (7Bench): في مهمة توحيد تخطيط JSON، حقق متوسط تقاطع على الاتحاد لمربعات الكشف 0.8786، ومتوسط تقاطع على الاتحاد للتخطيط العام 0.6788، مع أداء ممتاز في التحكم في العلاقات المكانية والحجم النسبي.
التفضيلات من طرف إلى طرف (RealLayoutArena): حقق مُولّدها ذاته درجة 1807.34 في التصنيف التجريبي المُعتمِد على Elo، مما يضعه في المقدمة الصناعية.
حاليًا، تم إصدار أوزان MOSS-Image الأساسية وSFT بموجب ترخيص Apache-2.0، مع دعم كامل للمسارات البيئية مثل Diffusers وGradio وComfyUI، وتدعم التدقيق الدقيق LoRA والتدقيق الكامل. ومع ذلك، حددت الشركة الرسمية حدودها الحالية: حيث يُعد النواة نموذجًا نصيًا فقط لإنشاء الصور، ولا يمكنه استقبال صور مرجعية مباشرة أو تنفيذ تحرير صور أصلي، كما يعتمد وحدة تحسين التلميحات على نماذج لغوية خارجية. بشكل عام، يقدم إصدار هذا النموذج خيارًا مفتوح المصدر قويًا للمطورين الذين يحتاجون إلى النشر المحلي، والتنسيق الدقيق، والتنسيقات القابلة للتكرار.