Z-Image Turbo — نصّ إلى صورة 6B مفتوح المصدر من Alibaba Tongyi Lab

يعتمد Z-Image Turbo على بنية Scalable Single-Stream DiT (S3-DiT) التي تُدمج رموز النص ورموز الرؤية الدلالية ورموز صور VAE في تدفق إدخال موحّد — تصميم يستخدمه Tongyi Lab لتعظيم كفاءة المعاملات عند نطاق 6B. يُقطَّر نموذج Z-Image الأساسي إلى Z-Image Turbo عبر Decoupled-DMD، مما يُخفّض الاستدلال إلى ثماني تقييمات للدالة، ويُحاذى مع التفضيل الجمالي البشري باستخدام DPO وGRPO. النتيجة زمن استجابة دون الثانية على وحدات معالجة الرسومات في مراكز البيانات، واستدلال مريح على بطاقات المستهلكين التي تحمل 16 جيجابايت من VRAM.

عرض النص الثنائي الأصيل هو أبرز ما يميز النموذج. يتعامل Z-Image Turbo مع الخط الصيني المعقد — اللافتات والملصقات والتغليف — إلى جانب النص الإنجليزي في الصورة ذاتها، وهي قدرة لا تزال معظم نماذج الصور الغربية تعاني في تحقيقها. في مطلع 2026، يحتل Z-Image Turbo المرتبة الأولى بين نماذج الصور مفتوحة المصدر في لوحة Artificial Analysis Text-to-Image وأعلى مرتبة مفتوحة المصدر في Alibaba AI Arena، مع أوزان متاحة مجاناً على Hugging Face وModelScope تحت Apache 2.0 (الاستخدام التجاري مسموح).

على LoveGen AI، يقبل Z-Image Turbo مطالبات تصل إلى 2000 حرف ويوفر تسعة نسب أبعاد محددة مسبقاً — 1:1 و16:9 و9:16 و4:3 و3:4 و3:2 و2:3 و2:1 و1:2 — إلى جانب أبعاد مخصصة في النطاق 376–1536 بكسل. تجعل معلمة البذرة الحتمية (من 1 إلى 2,147,483,647) المخرجات قابلة للإعادة إنتاج للتكرار والعمل الدفعي. تكتمل عملية التوليد من البداية إلى النهاية في نحو عشر ثوانٍ بتكلفة 0.1 رصيد للصورة، مما يجعل Z-Image Turbo خيارنا الأوفر تكلفةً للنص إلى صورة — مناسب للمحتوى الاجتماعي كثيف الإنتاج، والعمل الإبداعي بالصينية، واستكشاف المفاهيم بسرعة. تبقى روابط الصور المولّدة صالحة لمدة 24 ساعة.