«Бесплатно, японский текст, коммерция можно». Примерно так подали MOSS-Image японские ленты в конце октября. Ответ наполовину да: веса и код выложены под Apache 2.0, коммерческое использование по лицензии разрешено. Но лицензия покрывает модель. Картинку, которую вы из неё вытащили, она не покрывает. Сам её не гонял, опираюсь на официальный блог, технический отчёт и японские разборы. Где они расходятся, напишу прямо.

Источник: openmoss.ai

Что за модель и откуда её брать

MOSS-Image делает шанхайская команда OpenMOSS. Выложено две версии. Base без дообучения под «красивость» и без дистилляции, её советуют тем, кто учит свои LoRA. SFT дообучена на отобранных данных, для обычных генераций берут её.

Источник: openmoss.ai
  • 5B параметров: это только генерирующая часть. Текстовый энкодер и VAE в японском разборе на note указаны отдельно
  • Промпт до примерно 4K токенов
  • Раскладка через JSON: холст, текст, объекты и bounding box
  • Заявлены китайский и английский для текста. Японский в официальных документах не назван

По замерам самих авторов, на длинном тексте в картинке (бенчмарк LLTB) модель набирает 96,3% покрытия. Это лучший результат среди открытых моделей. На RealLayoutArena она вторая после GPT Image 2. Цифры оценочные, и считали их сами разработчики.

С датой путаница. Репозитории на Hugging Face появились 11 октября, а официальный анонс вышел 16-го. Нора в своём разборе пишет про 10–11 октября, Litmus и блог OpenMOSS про 16-е. Для работы это почти не важно, но если кто-то ссылается на «дату релиза», спросите, какую именно.

«Бесплатно» здесь про веса, сайта нет

В заголовках слышится «открыл браузер и генерируешь». На деле это веса, которые надо поднять у себя. По разбору AITO, это около 27 ГБ вместе со вспомогательными файлами и видеокарта NVIDIA с CUDA.

ВариантЦенаЧто важно
Веса на Hugging Face или через ComfyUIбесплатно по лицензии, остальное ваше железооколо 27 ГБ, нужна NVIDIA с CUDA (по AITO)
MOSI API Platformцен в моих источниках нетоткрыта 20 октября (по дайджесту на note); по оценке AITO, данные уходят на серверы в Китае
Сторонние хостинги, например Mage Spaceнет данныхусловия проверяйте сами

В дайджесте AI-новостей на note (27 октября) эту мысль сформулировали коротко: «無料»は、ライセンスと重みの話で、動かすGPUは自前です. То есть «бесплатно» относится к лицензии и весам, а видеокарта ваша.

Лицензия: что Apache 2.0 закрывает, а что нет

Главное разделение здесь легко потерять в заголовках. Apache 2.0 разрешает использовать и распространять код и веса. Что делать с картинками, которые вы из модели получили, лицензия не говорит.

  • Покрыто: модельные веса и поставляемый код (так написано в карточке модели на Hugging Face, её цитирует Litmus)
  • Не записано в карточке и README: права на выход, список запретного использования, обещание, что третьи лица претензий не предъявят
  • По тексту Apache 2.0 модель поставляется «как есть», без гарантий (разделы 7 и 8, как пересказывает AITO)
Apache 2.0 говорит о программе, картинок он не касается. «Apache 2.0 = коммерция» верно для софта, но не отвечает на вопрос, можно ли ставить картинку на обложку или в рекламу. Так AITO формулирует в своём разборе.

Для сравнения: Нора (note, 22 октября) разобрала условия ещё трёх моделей. Таблица ниже — её пересказ, условия сверяйте в оригиналах.

МодельКартинки на продажуLoRA и производные
MOSS-Image (Apache 2.0)можноможно
FLUX 3 Image Kleinможно, если годовой доход меньше $5 млнтолько некоммерческое
Animaможнопродавать и делать на заказ могут только частные лица
Qwen-Image 2.1коммерция по отдельному согласованиюLoRA только некоммерческое

Нора, которая делает персонажные LoRA на заказ, говорит об этом прямо. В её разборе MOSS-Image единственная из четырёх, где всё можно без оговорок. Её наблюдение: «派生モデルまで Apache 2.0 で出ているのは、ライセンスがゆるいからこそだと思います» — производные выходят под Apache 2.0, потому что лицензия мягкая.

Зачем Китаю отдавать модель бесплатно: версия AITO

AITO (японский разбор с MBA-рамкой) считает, что это конкуренция. Открытая модель обесценивает платные закрытые API американских игроков и тянет к себе разработчиков. Это их интерпретация, а не слова команды. В официальном блоге и отчёте про такую стратегию ничего нет.

По данным Litmus, разработка идёт при исследовательской группе Фуданьского университета и компании MOSI Intelligence. Поддержку Шанхая упоминает разбор ASCII. Для решения о коммерции эта гипотеза не нужна: лицензия работает одинаково, почему бы её ни выложили.

Что модель делает на практике: JSON, правки, ControlNet

Самая полезная часть для креаторов — раскладка через JSON. Нишикава (Techno Edge, серия про генерацию глянцевых фото グラビア) показал минимальный пример для холста 1024×1536. Ниже он дословно, с одной правкой: в оригинале отступы полноширинным пробелом, поэтому JSON не открывался. Здесь отступы обычные.

ПромтMOSS-Image, JSON-раскладка по примеру из официального USERGUIDE (через японский разбор Нишикавы)., в промпт-поле модели.
{"width": 1024, "height": 1536, "bbox_coord_space": "abs", "bbox_format": "xyxy", "summary": {"meta": ["poster"], "canvas": "single", "caption": "A minimalist travel poster with a cream background, a blue mountain illustration, and the title EXPLORE at the top."}, "items": [{"label": "text", "caption": "Large dark-blue uppercase title centered at the top.", "text": "EXPLORE", "bbox": [128, 160, 896, 384]}, {"label": "object", "caption": "A flat blue mountain illustration in the lower center.", "bbox": [192, 768, 832, 1376]}]}
Скопируйте и вставьте в нейросеть как есть.

Логика такая. summary.caption описывает всю картинку: стиль, цвет, настроение. items — это детали, у каждой есть label (text или object), caption (что это) и bbox (где). Ширина, высота и формат координат задаются в шапке.

簡単なものであれば手で書いてもいいが、少し込み入ってくると座標が関係するので人間業では厳しい。従ってAIにやってもらう方がベターだ。 — Нишикава: простое можно написать руками, но когда в дело вступают координаты, это уже не по-человечески. Пусть JSON делает AI.

В репозитории лежит SKILL.md для этой работы: дайте его своей нейросети, и она соберёт JSON по вашему описанию. Есть и готовый редактор раскладки: zip из Releases, открыть HTML в браузере, Export, вставить JSON в промпт.

Правки картинок через Edit LoRA

Для редактирования нужен отдельный LoRA moss_image_edit_lora_rank_64_bf16.safetensors, его ставят к SFT или Base. Картинки подаются в ноды Text Encode MOSS-Image Edit как image_0, image_1 и так далее. Шаблон воркфлоу есть в комплекте. Официальный шаблон промпта такой:

ПромтMOSS-Image Edit, шаблон из официального воркфлоу. Подставьте вместо {X} и {Y} свои объекты.
Change only the {X} to {Y}.
Keep the character, face, hair, pose, background and composition unchanged.
Скопируйте и вставьте в нейросеть как есть.

Нишикава проверял на примере с двумя девушками. Промпт ниже меняет только одежду:

ПромтMOSS-Image Edit, пример из японского разбора Нишикавы. Другие детали на снимке не менялись.
Change only the pink floral blazer to a plain black wool coat. Keep both women, their faces, glasses, berets, poses, the embroidered cardigan and the concrete wall background unchanged.
Скопируйте и вставьте в нейросеть как есть.

Потом он убрал шляпу и поменял стену на кирпичную. Остальное осталось на месте, но без шляпы у героини поредели волосы. Вывод его: модель хорошо меняет одно на другое и добавляет или убирает детали. Раскадровки и сильные смены композиции ей даются плохо.

ControlNet пока только один: Depth, через LoRA moss_image_color_depth_control.safetensors. Для карты глубины по обычной картинке в шаблоне стоит Geometry Estimation (MoGe 3). Если глубину получаете сами, этот узел не нужен.

Японский текст: что доказано, а что пока нет

Официально модель тестировали на китайском и английском. ASCII.jp проверял японский сам и показал пример. На ускоряющем 8-шаговом LoRA фраза «アスキー旅行» превращается в «アスキン旅行». На 16 шагах текст заметно лучше. Это пересказ Litmus по ASCII.

  • 8 шагов с ускоряющим LoRA: цвета деградируют, японские символы ломаются
  • 16 шагов: текст заметно аккуратнее (по ASCII, через Litmus)
  • 50 шагов на RTX A6000: около 1,5–2 минут на картинку (AITO)
  • Дайджест с note про школьные и бытовые постеры пишет: «作例はある。ただし、自分が使う文章では確認が必要». Примеры есть, но свою фразу проверяйте сами

Практический вывод простой. Сначала дайте модели свою короткую японскую фразу, одну строку, и посмотрите на 16 шагах. Потом уже раскладку и остальное.

Персонажи и стиль: с осторожностью

Референс-изображений в текущей версии нет. Официальный отчёт называет это будущей задачей. Нора пишет, что при смене сида лицо персонажа меняется. Для серий и манги это проблема. Сама она персонажей пока не тестировала.

Тут есть противоречие, которое стоит проверить сразу. В отчёте редактирование названо следующей задачей, а в репозитории уже лежит Edit LoRA, которым Нишикава правит готовые картинки. Это разные вещи: правка одной картинки по исходнику и удержание персонажа между разными генерациями.

Про авторское право. По разбору AITO, в техническом отчёте не описана фильтрация данных по правам, а локальные проверяющие говорили, что узнаваемые персонажи и стили выходят по промпту. Это их проверка. Я её не повторял и на свои данные не предлагаю. Учитывать её всё же стоит.

Локальный запуск: порядок действий и безопасность

  1. Прочитайте LICENSE на Hugging Face и в GitHub. Проверьте, что написано про веса и код, а что про выход.
  2. Поставьте ComfyUI, найдите шаблон по слову «Moss». Для генераций берите SFT, для обучения LoRA — Base.
  3. Для текста ставьте 16 шагов и больше, сверяйте каждое слово.
  4. Не держите веса в папке с синхронизацией OneDrive и подобных. AITO пишет про блокировки файлов и конфликты синхронизации.
  5. Ставьте только проверенные узлы. Дайджест Kotouri (16 ноября) сообщает про уязвимость в ComfyUI-Easy-Use версии 1.4.1 и ранее, по данным CERT/CC. Через сеть без логина можно подменить файлы расширения, и после перезапуска ComfyUI код выполнится с правами пользователя. Если узел стоит, уберите его и ограничьте доступ к ComfyUI.

Где подвох

  • Лицензия не гарантирует чистоту выхода: это вывод AITO, и он опирается на текст карточки модели
  • Обучающие данные около 3 млрд изображений непрозрачны, проверить их состав снаружи нельзя
  • Японский текст подтверждён только на вашей выборке, официально его не обещают
  • Персонажи между генерациями не держатся без референса
  • Железо: 27 ГБ, NVIDIA с CUDA, минуты на картинку
  • Облако с отправкой промптов на сервер в Китае, по оценке AITO, мимо для бизнеса

Кому брать и что я бы сделал

Думаю, для постеров с короткими фразами и раскладкой по координатам MOSS-Image стоит потестировать. По документам это её сильная сторона, и тут ей есть что показать. Для клиентских работ с персонажами, брендами и узнаваемыми стилями пока повода не вижу. Проверка на сходство обязательна: гарантий лицензия не даёт.

Вы уже ставили MOSS-Image? Особенно интересно, как у вас с японской фразой на 16 шагах. Одна строчка в комментариях сэкономит кому-то вечер.

Источники

MOSS-Image: An Open Model for Text and Layout

MOSS-Image Technical Report — Summary

MOSS-ImageはApache 2.0、LoRAも売れる|FLUX 3・Anima・Qwen-Imageとライセンスを読み比べた|ノラ

Moss-Imageが無料公開、日本語の文字も描ける画像生成AIに | Litmus

Источникnote.com