MOSS-Image AMA: разработчик ответил на вопросы на реддит

5B модель, делали полгода, упор на текст в картинке, управление композицией и базу под дообучение.

Что выяснилось
• Сборка для ComfyUI перевалила за 354 тысячи скачек
• Модель чувствительна к сиду и выдает очень разные картинки, на коротких промптах управлять трудно. На длинных один сид держит стабильно, а правка промпта при том же сиде работает как редактирование
• В официальной сборке ComfyUI полный VAE FLUX.2, в их чекпойнте маленький декодер: убирает пятна и артефакты
• Мыло лечится негативом "blurry"
• AI-картинки из датасета вычищали, часть просочилась, отсюда вкус чатжпт в аниме

Планы
• Ближайшее, аниме-версия: аниме-данных было мало, результатом недовольны
• Edit-модель обсуждают, но для i2i нужны парные датасеты, малой команде тяжело
• XL на 10-12 млрд думают
• Пайплайн подписей на Gemma 4 и prompt enhancer обещают
• Автор советует Base вместо SFT: у SFT бандинг и специфичный стиль

Реддит уже банил пост, но сейчас он открыт, вопросы все еще можно задавать

#mossimage #ama

MAX