MOSI e OpenMOSS lançam MOSS-Image com controle de layout
MOSI Intelligence e OpenMOSS lançam o MOSS-Image, modelo de 5 bilhões de parâmetros sob licença Apache 2.0 focado em layout e geração de texto.
Resumo rápido
- MOSI Intelligence e OpenMOSS lançaram o modelo MOSS-Image de 5 bilhões de parâmetros com licença Apache 2.0.
- O modelo aceita prompts de até 4.096 tokens e layouts estruturados em JSON para controlar posicionamentos.
- A equipe relata 96,3% de cobertura de texto em benchmark próprio e liderança em teste cego com prompts aprimorados.
Entenda o contexto
A MOSI Intelligence desenvolveu o MOSS-Image em parceria com a equipe OpenMOSS e instituições de pesquisa chinesas. O modelo foi projetado para contornar a dificuldade comum das ferramentas de geração de imagem em posicionar elementos gráficos e renderizar palavras legíveis.
A MOSI Intelligence e a equipe OpenMOSS lançaram o MOSS-Image, um sistema de geração de imagens a partir de texto com 5 bilhões de parâmetros. O modelo foi desenvolvido com foco na criação de pôsteres, fotos de produtos e outras peças gráficas que exigem texto denso e controle preciso de layout.
Disponibilidade e características técnicas
O lançamento inclui a versão base MOSS-Image-Base e a variante com ajuste fino supervisionado MOSS-Image-SFT. Os pesos foram disponibilizados no Hugging Face e no ModelScope sob a licença Apache 2.0. O relatório técnico do projeto lista a MOSI Intelligence junto com o Shanghai Innovation Institute (SII), a Universidade Fudan e a Universidade Shanghai Jiao Tong.
O MOSS-Image suporta prompts de até 4.096 tokens e permite o envio de um layout estruturado em JSON, que define nomes de textos e objetos acompanhados por caixas delimitadoras. Na sua arquitetura, o modelo utiliza um fluxo único de difusão transformer treinado do zero, integrado ao codificador de texto congelado Qwen3.5-9B e ao autoencoder variacional FLUX.2. Segundo a equipe, o treinamento utilizou plataformas heterogêneas de GPUs e filtrou imagens geradas por IA para manter maior variedade fotográfica.
Desempenho e ecossistema
De acordo com dados reportados pela equipe no Long Long Text Benchmark, o modelo atingiu uma cobertura média de texto Mean-6 de 96,3% entre modelos de pesos abertos. No RealLayoutArena, um teste cego de design de ponta a ponta, a estimativa pontual Elo divulgada foi de 1.698,70 com descrições curtas — ficando em segundo lugar, atrás do GPT Image 2 — e de 1.807,34 com prompts aprimorados compartilhados, liderando o segundo grupo no sistema de pontuação dos criadores.
A comunidade de desenvolvedores já disponibilizou adaptações para bibliotecas e interfaces como Diffusers, ComfyUI, SGLang e vLLM-Omni, além de projetos de quantização e destilação em 4 e 8 etapas. A plataforma MOSI também disponibilizou uma API hospedada. Segundo o relatório técnico e rastreadores comunitários citados pela imprensa, a contagem oficial de estrelas do repositório ultrapassou a marca de aproximadamente 1,4 mil. Acompanhe matérias sobre outros lançamentos de código aberto como Meta lança Muse Spark Open, modelo de IA de pesos abertos otimizado para Macs.
Referências
- Fonte consultada: Pandaily — Tecnologia chinesa
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
