開源圖像生成迎來新突破：OpenMOSS發佈MOSS-Image，主打長文本渲染與可編輯佈局
AI資訊AI新閒資訊正文開源圖像生成迎來新突破：OpenMOSS發佈MOSS-Image，主打長文本渲染與可編輯佈局發布於AI新閒資訊時間 :Oct 29, 2026閱讀 :1分鐘近日，OpenMOSS（復旦NLP與上海創智等團隊）正式發佈了開源圖像生成模型 —— MOSS-Image。針對傳統文生圖模型在海報、信息圖、漫畫及UI設計中常年面臨的“文字拼寫錯誤、段落截斷、元素錯位”等痛點，該模型以5B參數的單流 DiT(Diffusion Transformer)為基座從零開始預訓練，全面支持最長約4K token的提示詞、中英文長文本渲染以及可編輯的結構化 JSON Layout。
在技術架構方面，MOSS-Image採用Muon–AdamW訓練配方，通過統一的文本條件通道來處理自然語言和結構化佈局。模型使用 Qwen3.5-9B 作為文本編碼器，並配合 FLUX.2VAE 進行圖像解碼。訓練數據集涵蓋約3B張圖像，融入了多粒度caption、文字監督與結構化邊界框（bbox）監督。為了應對複雜創作需求，模型還引入了意圖感知的提示增強(PE)外部規劃模塊，可將簡短的請求自動擴展為包含字體層級、色板和座標規範的可執行指令。在核心能力與評測表現上，MOSS-Image展現出了極強的專項優勢:長文本渲染（LLTB）:在包含中英文各120個任務、平均目標文本約1339.
8個字符的評測中，其Mean-6得分為96.3，創造了開源權重模型的新高，能夠較好地保留換行和段落結構。結構化佈局（7Bench）:在統一JSON Layout任務上，其檢測框mIoU達到0.8786，整體佈局mIoU為0.6788，在空間關係和相對大小控制上表現優異。端到端偏好（RealLayoutArena）:在盲測Elo排名中，其生成器本身在統一增強提示詞下的得分達到1807.34，處於行業領先地位。目前，MOSS-Image 的 Base 與 SFT 權重均採用 Apache-2.
0協議開源，並全面打通了 Diffusers、Gradio 和 ComfyUI 等生態路徑，支持 LoRA 與全量微調。不過，官方也明確了其當前邊界:其 backbone 屬於純文生圖模型，無法直接接收參考圖或執行原生圖像編輯，其提示增強模塊也依賴外部語言模型。總體而言，該模型的推出為需要本地部署、精準排版和可復現版式的開發者提供了一個功能強大的開源新選擇。
相關推薦微軟單季從 OpenAI 捲走 100 億美元：持股縮水，紐帶卻越纏越緊監管文件顯示，截至2026年9月30日三個月，微軟來自OpenAI相關合作收入達100億美元，佔當季923億美元總營收近11%；若延續，年收入或達約400億美元，而上一財年僅241億美元。早年逾130億美元投資，正變成長期抽成，雙方金錢賬更直白。Oct 29, 202632.
0kChrome 開始"翻你的郵箱"幫你填表：Gemini 把 Gmail 變填單助手Google 正讓 Chrome 自動填充從“記住”轉向“找來”：由 Gemini 和個人智能驅動，Chrome 可讀取 Gmail，按當前表單主動提供訂單號、物流單號、航班預訂編號等信息。該增強填表功能10月底起向美國用戶分批推送，覆蓋桌面版 Chrome 及 iOS、Android 上啟用 Gemini 的用戶，試圖改變十年來依賴用戶自行保存姓名地址的舊模式。Oct 29, 202632.
0k騰訊發佈 Buddy One:打通騰訊文檔、會議、網盤與 ima，統一賬號與積分池10月29日騰訊全球數字生態大會，騰訊發佈個人跨應用AI協同體系Buddy One，打通騰訊文檔、會議、網盤、ima，共享WorkBuddy Agent底座，統一賬號與積分池。WorkBuddy PC端5.9.0及以上關聯賬號可用，後續支持記憶共享並接入更多產品。同期騰訊網盤定位Agent時代記憶空間，為WorkBuddy套件提供統一存儲，賬號打通後WorkBuddy可調用相關應用。Oct 29, 202632.
0k騰訊燈塔AI正式對外開放:十年內部錘鍊，一句話完成數據分析騰訊宣佈，AI數據分析平臺“騰訊燈塔”正式對外開放，企業與個人可通過官網beacon.qq.com註冊。該平臺過去十年專注騰訊內部自助分析洞察與數據可視化，此次升級為AI數據分析洞察套件，面向業務團隊提供自然語言問數、看板生成、歸因分析、指標監控、團隊協作等一站式能力。歷經十多年技術積累，新升級燈塔AI已廣泛應用。Oct 29, 202698.2k騰訊混元Hy4、Hy4flash即將發佈，模型能力、思維鏈效率全面提升10月29日騰訊全球數字生態大會宣佈，Hy4即將發佈。
較Hy4 preview，Hy4全面大幅提升，強化長程與真實生產力任務，顯著提升思維鏈效率，並首次引入視覺理解。Hy4 flash近期發佈，主打極致性價比，繼承視覺、Agent等能力，通過模型與產品深度Co-Design高頻進化。8月28日騰訊混元還發布並開源新模型。Oct 29, 2026122.7k智啟未來，您的人工智能解決方案智庫English簡體中文繁體中文にほんご© 2026
Related
相關文章
曝OpenAI拿下超6.7億年單！打“骨折”、送額度、配工程師，就為了搶Anthropic客戶
編譯 | 孫小雯 編輯 | 程茜 OpenAI和Anthropic為了搶用戶，最近又槓上了！10月30日，OpenAI剛將部分Pro套餐的ChatGPT Work和Codex額度翻倍；次日，Anthropic取消了已驗證Ultra賬戶的5小時用量限制，周限額保留。
英特爾與騰訊發佈基於至強6+的雲實例，曬智能體AI基礎設施全家桶
作者 | ZeR0 編輯 | 漠影 11月3日報道，近日，在2026騰訊全球數字生態大會上，英特爾與騰訊雲發佈基於英特爾至強6+處理器的騰訊雲新一代雲實例，並全面展示英特爾的芯片產品與雲端實踐。 全新至強6+處理器擁有最高288顆能效核，單顆處理器最高可支持超過1000個智能體的穩定部署，這也為騰訊雲服務器提供更高併發、更低時延、更優能效的雲端算力服務。
智元榮獲2026世界互聯網大會傑出貢獻獎
11月3日，2026年世界互聯網大會烏鎮峰會在浙江烏鎮隆重開幕，國務院總理李強出席開幕式並發表主旨演講。開幕式上，智元憑藉在具身智能領域的系統性技術突破與產業化實踐，獲頒世界互聯網大會傑出貢獻獎。智元合夥人、高級副總裁朱潔在領獎時表示：人工智能的終局，不在於屏幕與雲端，而紮根於工廠一線和尋常煙火。具身智能賽道的競爭，早已跳出單點技術的競速，轉向軟硬協同、工程化落地、產業組織與治理體系的綜合比拼。智元期待與各界同心同行，堅守務實，躬身落地。
電動車退燒、AI 儲能燒起來：LG 新能源把產能挪向數據中心
11 月 3 日，首席財務官李昌植在財報電話會上給出時間表：今年底軟包儲能系統（ESS）產能將超 50 吉瓦時，明年進一步拉到 70 GWh 以上。在他看來，電動車增速放緩之際，AI 數據中心的大規模新建為電池廠撕開了新口子——第三季度 ESS 在手訂單已達 160 GWh，公司正與電力企業、超大型數據中心運營商談新項目，今年 9 月還作為儲能供應商擠進了英偉達的 DSX Ready 計劃。
最高288核的至強6+，為了Agent高密度部署還下了哪些「雲功夫」？
作者 | 陳悅琳編輯 | 包永剛 一個智能體能順利完成任務，不代表成百上千個智能體就能同時高效運行。 對於承載大量智能體任務的雲服務器而言，除了提升計算速度，如何在任務集中到來時迅速準備好執行環境、怎樣減少暫時閒置的任務對內存資源的佔用，也成為亟待解決的問題。 對此，在一年一度的騰訊全球數字生態大會上，英特爾與騰訊雲聯合發佈了基於至強6+處理器的新一代雲實例，圍繞任務啟動效率、內存資源利用率等關鍵因素進行優化後，其綜合性能較上一代提升30%以上。
聯合國副秘書長點贊!千問AI耳夾式耳機亮相烏鎮互聯網大會
他認為，產品非常實用，適合自己日常工作中需要使用多國語言進行交流的場景。面對面交流時，用戶可以通過耳機收聽譯文;會議中的討論內容，也能通過AI聽記整理為結構化紀要，方便會後回顧。連接千問App後，用戶還可通過語音交辦資料研究等任務、接收完成提醒，讓耳機成為日常辦公的隨身助手。