MOSI·OpenMOSS, 50억 파라미터 MOSS-Image 공개… 글자·배치 제어에 승부

중국 AI 기업 MOSI Intelligence와 OpenMOSS 팀이 50억(5B) 파라미터 text-to-image 모델 MOSS-Image를 오픈소스로 공개했다. 포스터, 제품 이미지, 그래픽처럼 글자가 빽빽하게 들어가고 배치가 정확해야 하는 작업을 겨냥한 모델이다.

공개 범위

모델: MOSS-Image-Base, 지도 미세조정(SFT) 버전인 MOSS-Image-SFT
배포처: Hugging Face, ModelScope
라이선스: Apache 2.0
참여 기관: 기술 보고서에는 MOSI Intelligence와 함께 Shanghai Innovation Institute(SII), 푸단대, 상하이교통대가 올라 있다.

글자와 배치 제어 기능

팀이 내세우는 것은 화질보다 제어력이다. 자연어 프롬프트에만 기대지 않고, 글자와 객체의 위치를 바운딩 박스로 지정한 구조화 JSON 레이아웃을 입력으로 받는다.

▼ MOSS-Image 주요 기능·구조 (출처: 팀 기술 보고서)

항목	내용
프롬프트 길이	최대 4,096 토큰
레이아웃 입력	JSON, 바운딩 박스로 글자·객체 지정
구조	단일 스트림 디퓨전 트랜스포머, 처음부터 사전학습
텍스트 인코더	Qwen3.5-9B (고정)
VAE	FLUX.2 변형

학습 과정에서는 AI 생성 이미지를 걸러내 사진 같은 다양성을 더 확보했다고 팀은 밝혔다. 여러 종류의 GPU 플랫폼에서 학습했다는 설명도 있다.

벤치마크는 자체 보고

팀의 Long Long Text Benchmark에서 오픈웨이트 모델 가운데 Mean-6 텍스트 커버리지 96.3%를 기록했다고 한다. 디자인 블라인드 테스트 RealLayoutArena의 Elo 추정치는 짧은 디자인 브리프 기준 1,698.70으로 GPT Image 2에 이은 2위, 공통 강화 프롬프트 기준 1,807.34로 팀 자체 채점에서 해당 그룹 1위다. 이 수치는 모두 팀 보고서와 커뮤니티 집계에서 나온 것으로, 독립 기관의 검증 결과가 아니다.

도구 지원과 커뮤니티 반응

Diffusers, ComfyUI, SGLang, vLLM-Omni용 어댑터가 첫날부터 목록에 올랐고, MOSI 플랫폼에서는 호스팅 API도 열렸다. 커뮤니티에서는 8단계·4단계 증류 버전, 양자화 팩, ComfyUI 워크플로가 이미 나왔다. 중국 IT 매체는 10월 16일 공개 후 며칠 만에 Hugging Face text-to-image 트렌딩 1위에 올랐고 공식 저장소 GitHub 스타가 약 1,400개를 넘겼다고 전했다. 다운로드·스타 수는 감사를 거친 회사 지표가 아니라 커뮤니티 수치다.