Японский автор прогнал шесть хэллоуинских промптов через MOSS-Image-SFT с prompt enhancer и без него. Потом сравнил модель с Krea 2 Turbo. Ему больше понравились кадры без расширителя, но результат стоит проверить самому.
Seed во всех генерациях был случайным. Поэтому тест показывает личные впечатления автора, но не позволяет точно отделить влияние расширителя от случайных различий между кадрами. Зато в статье есть наблюдения и английские промпты, которые можно взять для собственных прогонов.
Prompt enhancer заметно меняет кадр
Автор установил MOSS-Image-SFT в ComfyUI и переключал enable_prompt_enhancer. Для генерации использовал модель moss_image_sft_bf16.safetensors. Ещё одним ориентиром стала Krea 2 Turbo.
В японском материале автор пишет, что изображения с расширителем и без него «меняются очень сильно». По его наблюдениям, включённый режим чаще выдаёт цельный кадр. Без расширителя результаты иногда разваливаются, зато среди них попадаются удачные варианты. Самому автору больше понравился режим без расширителя.
Автор предполагает, что расширитель дополняет короткий запрос деталями. Если промпт уже длинный и насыщенный, дополнительные уточнения могут быть менее полезны. Это гипотеза, которую стоит проверить на своих запросах.
С Krea 2 Turbo однозначной оценки у автора нет: «Тут уж дело вкуса», — пишет он. После долгого использования Krea он заметил, что модель иногда игнорирует часть запроса, зато ошибки в руках встречаются заметно реже. Это впечатление автора, а не сравнение на одинаковых seed.
| Вариант | Наблюдение автора | Ограничение теста |
|---|---|---|
| MOSS-Image-SFT, enhancer включён | Меньше заметных нарушений целостности | Seed случайный |
| MOSS-Image-SFT, enhancer выключен | Иногда встречаются удачные кадры; этот вариант предпочёл автор | Seed случайный |
| Krea 2 Turbo | Руки, по впечатлению автора, часто получаются аккуратнее; промпт иногда выполняется не полностью | Seed случайный |
Во всех вариантах автор использовал общий negative prompt по умолчанию: nsfw, worst quality, bad anatomy, watermark, jpeg artifact. Он хотел зафиксировать seed, но не разобрался, как сделать это в своём workflow. Поэтому картинки показывают разброс результатов и различия во вкусе, а не дают строгого сравнения моделей.
MOSS-Image умеет работать с композицией
В этом тесте модель рисует ведьм, вампиров и другие хэллоуинские образы. У семейства MOSS-Image есть и другой сценарий: генерация по обычному тексту и работа со структурированным JSON. В нём можно задавать объекты и их расположение через bounding boxes — рамки с координатами и размером.
По описанию OpenMOSS, это модель семейства из 5B-параметрного DiT с поддержкой промптов до 4K токенов. В техническом отчёте заявлено 96,3% покрытия текста на бенчмарке LongLongTextBench. Этот показатель относится к тесту и не гарантирует безошибочные надписи на любых постерах.
Весы опубликованы под лицензией Apache 2.0. Их можно использовать в коммерческих задачах, соблюдая условия лицензии. На официальной странице описана генерация с контролем компоновки, а в репозитории указана поддержка ComfyUI с первого дня. Согласно записи в репозитории от 20 октября 2026 года, серия также стала доступна через MOSI API Platform.
Для черновиков афиш, обложек, упаковочных кадров и сторибордов может пригодиться управление композицией. Например, когда нужно задать расположение объектов и текста. Но готовый постер всё равно придётся проверять и допиливать.
Prompt enhancer — отдельная часть workflow. В шаблоне RunComfy для MOSS-Image Base описан опциональный Qwen3.5 prompt enhancer: он переписывает запрос в более подробное описание. Такой режим можно проверить на короткой идее, которой не хватает деталей. Если композиция, персонаж и окружение уже описаны, запустите и исходный промпт без расширения.
Сравните оба режима на одном запросе
При повторе теста зафиксируйте seed и оставьте остальные настройки workflow одинаковыми. Тогда будет понятнее, что меняет prompt enhancer, а что связано со случайной вариацией.
- Обновите ComfyUI и установите MOSS-Image-SFT по официальному репозиторию OpenMOSS.
- Возьмите один промпт и сгенерируйте изображение с enable_prompt_enhancer=true и false.
- Зафиксируйте seed и одинаковые параметры генерации для обоих вариантов.
- Сравните выполнение условий: позу, одежду, фон и количество объектов.
- Затем прогоните короткий и длинный запрос. Так вы проверите гипотезу автора о пользе расширителя для лаконичных описаний.
Для постера или композиции с несколькими элементами попробуйте JSON layout с bounding boxes. В хэллоуинском сравнении этот сценарий не проверяли, поэтому оценивайте его отдельно: смотрите, попали ли объекты и надписи в заданные области.
Ниже — пять развёрнутых запросов из японского теста и короткий вариант для сравнения с Krea 2 Turbo. Автор использовал английский, поэтому промпты оставлены без перевода — их можно копировать напрямую.
Первый запрос описывает ведьму и её окружение: шляпу, плащ, метлу, фонари и луну. Для своей версии меняйте по одному элементу — например, костюм или фон — и сохраняйте композицию.
A cute, anime-style girl in a classic witch’s costume for Halloween. She wears a large, pointed black hat adorned with a purple ribbon, a star-patterned cape, and a playful black dress. With a beaming smile, she sits astride a broomstick floating in the night sky. Jack-o'-lanterns hover around her, magical light particles shimmer in the air, and a crescent moon glows in the background. A vibrant, colorful anime-style illustration of high quality.В образе вампирши задано всё сразу: палитра, одежда, внешность и место действия. Можно заменить собор или изменить контрастность, не переписывая весь запрос.
A beautiful woman dressed as an elegant vampire for Halloween. She wears a black and deep-crimson Gothic Victorian gown, featuring an intricate lace collar and a silver corset. She has long silver hair and glowing red eyes; a mischievous smile reveals a pair of small fangs. She stands within a dim, eerie, Gothic-style cathedral illuminated by candlelight. A sharp, high-contrast anime-style illustration.Третий промпт соединяет японский костюм девятихвостой лисицы с киберпанком. Чтобы точнее управлять результатом, меняйте число хвостов, материал одежды или погоду по одному пункту и смотрите, какая деталь начинает теряться.
A cool girl in a futuristic, cyberpunk-inspired "nine-tailed fox" costume, dressed for a Halloween party. She sports glowing neon fox ears and nine translucent, holographic tails. Her outfit is a tech-wear-style kimono accented with luminous circuit patterns. She stands on a street corner in Tokyo on a rainy night, with neon lights reflecting off the ground—a highly detailed masterpiece.В образе привидения важны выражение лица, прорези в простыне и ведёрко со сладостями. Для своей версии замените настроение или комнату, сохранив контраст между простым костюмом и детальной сценой.
A girl in a "slice-of-life" anime style, enjoying Halloween while being a bit clumsy. She is dressed in a classic "ghost" costume—a white sheet with large, cartoonish holes cut out. Through these openings, one can see her amber-colored eyes—looking slightly panicked—and her flushed cheeks. In her hands, she holds a plastic, pumpkin-shaped bucket overflowing with a colorful assortment of treats. The setting is a cozy autumn bedroom, bathed in a warm, soft glow.Дюллахан — фольклорный всадник без головы. Здесь образ собран на контрасте чёрных доспехов, синего пламени и улыбающейся головы персонажа. Можно заменить источник света или фон, сохранив этот контраст.
Dark fantasy-style anime aesthetic. A cool female knight dressed as a "Dullahan" for Halloween; she wears intricate obsidian armor and a tattered black cloak. Where her head should be, an eerie yet beautiful blue flame and black mist rise from her neck, while she carries her own "beautiful, smiling head" tucked under her arm. The background features a ruined castle beneath a blood-red moon. Cinematic, dramatic lighting.Последний промпт короткий. Автор использовал его для отдельного сравнения с Krea 2 Turbo. При повторе теста зафиксируйте seed и оценивайте, насколько точно модели выполняют запрос, а не какие случайные детали появились в кадре.
A cute, anime-style girl dressed in a classic Halloween witch costume.В генерациях использовался общий negative prompt по умолчанию. Это список нежелательных характеристик, а не отдельный творческий запрос. В исходном материале он приведён так:
nsfw, worst quality, bad anatomy, watermark, jpeg artifactУ теста есть впечатления, но нет фиксированного seed
Японская публикация полезна тем, что автор показывает свои предпочтения: ему ближе генерация без расширителя, хотя она менее стабильна. Это хороший повод проверить оба режима на собственных задачах и выбрать кадр, который подходит проекту.
Случайный seed мешает приписать каждое различие prompt enhancer или модели. Для рабочего сравнения прогоните один и тот же запрос в обоих режимах с одинаковым seed. Если картинка нужна клиенту, проверьте и общее впечатление, и сохранность важных деталей.
Источники
MOSS-Image: Text-to-Image Generation with Native Layout Control
OpenMOSS/MOSS-Image — официальный репозиторий
MOSS-Image Base Text to Image in ComfyUI
Источникnote.com
