近日，OpenMOSS（复旦NLP与上海创智等团队）正式发布了开源图像生成模型 —— MOSS-Image。针对传统文生图模型在海报、信息图、漫画及UI设计中常年面临的“文字拼写错误、段落截断、元素错位”等痛点，该模型以5B参数的单流 DiT(Diffusion Transformer)为基座从零开始预训练，全面支持最长约4K token的提示词、中英文长文本渲染以及可编辑的结构化 JSON Layout。

在技术架构方面，MOSS-Image采用Muon–AdamW训练配方，通过统一的文本条件通道来处理自然语言和结构化布局。模型使用 Qwen3.5-9B 作为文本编码器，并配合 FLUX.2VAE 进行图像解码。训练数据集涵盖约3B张图像，融入了多粒度caption、文字监督与结构化边界框（bbox）监督。为了应对复杂创作需求，模型还引入了意图感知的提示增强(PE)外部规划模块，可将简短的请求自动扩展为包含字体层级、色板和坐标规范的可执行指令。