Z-Image

Z-Image

根据文字描述生成图片，拥有 6.2B 参数，是 Z-Image 系列完整的未蒸馏基础模型。适合想要精细控制结果的创作者、研究人员和开发者。

由 Tongyi-MAI 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Z-Image 是 Tongyi-MAI 推出的文生图模型。你写一段描述，它就返回一张图片。它通过 diffusers 库运行，拥有 6.2B 参数。这是 Z-Image 系列的完整基础模型，不是追求速度的 Turbo 版本，所以适合想要精细控制，或想以它为起点做自己训练的人。

适合谁：适合插画师、研究人员和开发者，他们想要一个能在自己电脑上运行并加以调整的图像模型。

Industry | Who uses it | How they use it | Example
艺术与设计 | 插画师和概念设计师 | 用文字描述写实照片、动漫或插画风格的场景 | 一张动漫风格的角色肖像
机器学习 | 研究人员 | 把未蒸馏模型当作 LoRA 或 ControlNet 训练的基础 | 为某一种视觉风格训练的 LoRA
软件 | 开发者 | 通过 diffusers 在 Python 代码中调用模型 | 为每条提示词保存一张图片的脚本
营销 | 内容创作者 | 根据文字简报起草视觉稿 | 为一次推广准备的生活方式照片构想

如果你只想要最快的出图速度，只需 8 步，可以跳过它，改看 Z-Image-Turbo。

用在哪里：

• 装有 Python 的 Windows、macOS 或 Linux，按下载步骤操作
• 任何使用 diffusers 库的 Python 脚本或笔记本
• 浏览器，通过模型卡指向的在线演示

Use case | Who | What they get back
文字生成图片 | 会运行 Python 的任何人 | 根据文字描述生成图片，总像素面积从 512x512 到 2048x2048
负面提示 | 微调结果的画师 | 说明要排除的内容，减少不想要的瑕疵
微调基础 | 研究人员和社区开发者 | 在基础模型之上搭建的自定义 LoRA 或 ControlNet

如何设置：

• 装有 Python 的 Windows、macOS 或 Linux
• 为 BF16 格式约 12.3 GB 的权重留出空间
• 较新的 diffusers 版本，模型卡有此要求
• 如果照模型卡的示例操作，需要一块 CUDA 显卡，因为示例把模型送到 cuda

1. 用 pip 安装 Hugging Face 的 hub 工具。
2. 用 hf 命令下载模型文件。
3. 按模型卡的说明安装最新的 diffusers。
4. 在 Python 中用 ZImagePipeline 加载模型。

pip install -U huggingface_hub
hf download Tongyi-MAI/Z-Image

如何使用：在 Python 里加载管线，给它一条提示词，再保存返回的图片。模型卡建议引导系数取 3.0 到 5.0，推理步数取 28 到 50。

import torch
from diffusers import ZImagePipeline

pipe = ZImagePipeline.from_pretrained(
    "Tongyi-MAI/Z-Image",
    torch_dtype=torch.bfloat16,
    low_cpu_mem_usage=False,
)
pipe.to("cuda")

Tool | What it does
ZImagePipeline | 把 Z-Image 权重加载为 diffusers 管线
prompt | 描述你想要的画面
negative_prompt | 写下要排除的内容，也可以留空
guidance scale | 建议范围是 3.0 到 5.0
inference steps | 建议范围是 28 到 50

示例：你输入“两位年轻女性紧挨着站在素色灰墙前，都对着镜头微笑，自然柔光，休闲时尚照片”。模型返回一张这个场景的图片。模型卡自己的示例把高度设为 1280，并让负面提示留空。

新手与专家：先运行那两条下载命令，再复制那段简短的 Python 代码，换成你自己的提示词。直接写出你想看到的画面，比如地点、光线和氛围。第一次尝试时让负面提示留空。

Z-Image 是一个未经蒸馏的单流扩散 Transformer，所以支持完整的无分类器引导和负面提示。它需要 28 到 50 步，而 Turbo 只要 8 步，模型卡把它的多样性评为高，并标明支持微调。代价是生成更慢，而且模型卡把 Turbo 的视觉质量评得更高。

写下文字提示词
在 diffusers 中加载 ZImagePipeline
运行 28 到 50 步推理
引导系数调整结果
得到一张图片

注意事项：

• License: Apache 2.0
• Cost to run: 没有提到费用，但你需要自己的硬件，BF16 格式的权重约 12.3 GB
• Data it reaches: 从 Hugging Face 下载模型文件，之后模型卡的示例在你自己的电脑上运行
• Not for: 8 步的快速生成，模型卡把它交给 Z-Image-Turbo
• Limits: 模型卡没有为这个版本列出强化学习阶段

Hugging Face 上的数据（2026年11月13日）

• 任务：text to image
• 框架：diffusers
• 参数量：6.2B
• Weights: about 12.3 GB in BF16; about 3.1 GB at 4-bit (estimate)
• Formats: Safetensors
• 最近 30 天下载：45,594
• 点赞：1,302
• 许可证：apache-2.0
• 语言：en
• Quantized versions: 28
• Fine-tunes: 72
• 标签：diffusers, safetensors, text-to-image

链接

• 模型：https://huggingface.co/Tongyi-MAI/Z-Image
• 文件：https://huggingface.co/Tongyi-MAI/Z-Image/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Tongyi-MAI/Z-Image

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。