OpenMOSS开源MOSS-Image，支持长文本生成与结构化布局

OpenMOSS（复旦NLP、上海创智等团队）近日发布开源图像生成模型MOSS-Image。模型采用5B参数单流DiT架构，支持最长约4K token提示词、中英文长文本生成及可编辑JSON布局，训练数据约30亿张图像。评测中，其长文本渲染LLTB Mean-6得分为96.3；7Bench检测框和整体布局mIoU分别为0.8786、0.6788，RealLayoutArena盲测Elo为1807.34。Base与SFT权重以Apache-2.0协议开源，支持Diffusers、Gradio、ComfyUI及LoRA和全量微调。目前模型不能直接接收参考图或进行原生图像编辑，提示增强模块依赖外部语言模型。