先给结论：Z-Image（造相）是阿里通义 MAI 的 6B 图像生成模型家族，用单流 DiT（S3-DiT）把文本、视觉语义与图像 token 拼成一条序列；Turbo 版蒸馏到 8 次函数评估（NFEs），官方称可放进 16 GB 显存的消费级设备，仓库 LICENSE 是标准 Apache 2.0。它值得关注的地方不是「排名」，而是把参数量、步数和许可证三件事同时压到了个人开发者能接住的区间。

这篇只讲官方仓库写明的规格与用法，不掺榜单名次。榜单会换，仓库里的推理参数与 LICENSE 不会悄悄变。

事实口径：本文核对时间为 2026 年 11 月 10 日，内容取自 Tongyi-MAI/Z-Image 官方仓库 README 与其根目录 LICENSE 文件。Turbo 于 2025-11-26 发布、基座模型于 2026-01-27 发布。文中「亚秒级」为官方在企业级 H800 上的表述，不是消费级显卡的实测承诺。

6B 与 S3-DiT：单流到底省在哪

官方 README 把架构写得很清楚：Scalable Single-Stream DiT（S3-DiT），把文本 token、视觉语义 token 与图像 VAE token 在序列层面拼接，作为一条统一输入流，相比双流方案提高参数效率。

双流（常见于 MM-DiT 类架构）里，文本和图像各自保留一套权重，再靠联合注意力交换信息；单流则是所有参数同时参与处理所有模态。带来的直接结果不是「画质更好」这种没法验证的结论，而是一个可核对的事实：6B 规模的模型能承担中英双语文字渲染与较强的指令跟随。顺带说一句，参数量小不等于一定更快 —— 每步计算量、步数、文本编码器开销都要一起算。

Turbo 的 8 NFEs 与「9 步」为什么不是笔误

官方给出的 Diffusers 示例里写着 num_inference_steps=9，注释是「This actually results in 8 DiT forwards」，同时 guidance_scale=0.0，并注明 Turbo 模型应当把 guidance 关掉。README 正文则统一表述为 8 NFEs（Number of Function Evaluations）。

两个数字不矛盾：采样器把起点和终点算进步数，实际前向次数比显示步数少一次。更重要的是 guidance_scale=0.0：常规 CFG 大于 1 时每步要做条件与无条件两次前向，Turbo 关掉 CFG 后每步只跑一次。所以「8 次前向」是步数蒸馏和关闭 CFG 共同作用的结果，而不是单纯把步数调小。关于 CFG 到底在调什么，回看负面提示词与 CFG那篇。

Base 与 Turbo 是两种用途，不是高低配

项目Z-Image-TurboZ-Image（基座）
发布时间2025-11-262026-01-27
采样8 NFEs（示例里写 9 步）官方推荐 28–50 步
CFG / guidance0.0，关闭3.0–5.0
负面提示词不适用官方强烈建议配合负面提示词
主要用途快速出图、写实与中英文字渲染高质量创作、微调与下游开发

官方对基座模型的描述重点是多样性、审美、可控性与对负面提示词的响应，并明确说它适合 fine-tuning 和下游开发。换句话说：要快就 Turbo，要训或者要更细的控制就用基座。把 Turbo 的 8 步参数照抄到基座上，只会得到欠采样的糊图 —— 这跟六个核心参数里讲的步数收敛是同一个道理。

16 GB 显存与「亚秒级」分别指什么

官方 README 的措辞是：Turbo 在企业级 H800 上达到亚秒级推理延迟，并且可以舒适地放进 16 GB 显存的消费级设备。两句话的硬件前提不同，别合并成「消费卡也能亚秒出图」。厂商给的是可达范围，不是你机器上的保证值。

另一个官方给出的可核对参数是分辨率：基座模型推荐 512×512 到 2048×2048 的总像素范围，支持任意宽高比。直接把宽高拉满之前，还是建议先按模型舒服的尺度出图再放大，这部分流程写在分辨率与放大里。

Apache 2.0：本批模型里最省心的一份许可证

仓库根目录 LICENSE 是完整的 Apache License Version 2.0 条文，包含专利授权、再分发需附协议副本、修改文件需显著声明、以及免责条款。与同期部分模型的「开放权重但非商业」协议相比，它的边界清楚得多，商业使用不需要另行申请授权。

但要提醒两点：一是许可证按仓库、按版本生效，Z-Image 是 Apache 2.0 不代表同团队其他图像模型也是；二是 Apache 2.0 授予的是模型权重与代码的使用权，不替你解决训练数据、生成内容、商标与平台政策的合规问题。这几层要分开判断，具体核对方法写在模型许可证那篇里。

四个变体别记混

官方 README 列出四个变体：Z-Image-Turbo（已发布，8 NFEs 蒸馏版）、Z-Image（2026-01-27 发布的基座）、Z-Image-Omni-Base（生成与编辑兼顾的基座）、Z-Image-Edit（编辑专用微调版，README 里标了待发布）。

查资料时最常见的错误是把 Turbo 的步数、CFG 设置当成整个家族的默认值。记住一条：看到「8 步、CFG 0」就说明在讲 Turbo；看到「28–50 步、CFG 3–5、支持负面提示词」才是在讲基座。

小结

Z-Image 的价值可以用三个可核对的数字概括：6B 参数、Turbo 8 次前向、16 GB 显存门槛；再加上一份读起来没有意外条款的 Apache 2.0。技术选型时，这类「规格清楚、授权清楚」的信息比任何画质排名都耐用。

官方资料：Tongyi-MAI/Z-Image 仓库与 README、Z-Image-Turbo 模型页。