Z-Image Turbo unzensiert: Einrichtung, Dateien für wenig VRAM und Prompt-Handbuch

Z-Image Turbo in dreißig Sekunden

Entwickler

Alibaba Tongyi Lab (Tongyi MAI)

Veröffentlicht seit

November 2025

Größe

Rund 6,15B, S3-DiT

Sampling

8 Schritte, Guidance aus

Schrift im Bild

Chinesisch und Englisch

Offene Gewichte?

Ja, Apache-2.0

Hardware

Consumer-GPUs, unter 16 GB

Unzensierte Version?

Keine offizielle

Woher Z-Image Turbo stammt

Z-Image Turbo ist das neueste auf Tempo getrimmte Modell der Z-Image-Reihe von Alibabas Tongyi Lab, entwickelt vom Team Tongyi MAI. Es war zugleich das erste Modell der Reihe, das veröffentlicht wurde: Das Hugging-Face-Repository datiert vom 25. November 2025, die News-Meldung auf GitHub vom 26. November. Unter der Haube arbeitet ein Scalable Single-Stream Diffusion Transformer (S3-DiT) mit rund 6,15 Milliarden Parametern, in dem Prompt-Tokens, visuelle semantische Tokens und Bild-Latents eine gemeinsame Sequenz durchlaufen. Durch Destillation sank das Sampling auf 8 Funktionsauswertungen bei abgeschalteter Guidance; das Team nennt Renderzeiten unter einer Sekunde auf einer H800-Rechenzentrums-GPU und hält eine Consumer-Karte mit 16 GB für ausreichend. Alibaba stellt die Gewichte auf Hugging Face und ModelScope bereit, ein gehosteter Endpunkt in Alibaba Cloud Model Studio ist lediglich ein weiterer Zugang.

Gibt es Z-Image Turbo unzensiert?

Hinter der Frage stecken zwei Dinge. Erstens prüft der gehostete Endpunkt in der Alibaba Cloud jeden Prompt und jedes fertige Bild, sodass Boudoir-Aufnahmen, Pin-ups und andere Kunst für Erwachsene dort abgelehnt werden. Zweitens laufen die Apache-2.0-Gewichte auf deinem eigenen Rechner ohne zwischengeschalteten Server, und auf Hugging Face finden sich inzwischen viele Community-LoRAs, die darauf aufbauen. Die ehrliche Antwort fällt daher gemischt aus: Ein offizielles unzensiertes Z-Image Turbo gibt es nicht, und was eine lokale Kopie zeichnet, hängt von ihren Trainingsdaten ab, nicht von einem versteckten Schalter. Inoffizielle NSFW-Feintunes existieren, teils auf Basis echter Prominenter, und wir verlinken sie nicht, denn die Lizenz deckt Code und Gewichte ab, nicht das Gesicht anderer Menschen. Wenn du dir einen 20-GB-Download sparen willst: Der Generator von Spicy AI nutzt Seedream, Krea 2 und Wan 2.6 ohne Inhaltsfilter für Erwachsene (18+); er ist ein Ersatz, nicht Turbo selbst.

Erstes Bild in fünfzehn Minuten: der Weg über ComfyUI

Die meisten rühren das offizielle Repository nie an. Das Repack von Comfy-Org kam im Oktober 2026 auf rund 9,3 Millionen Downloads in 30 Tagen, das Original von Tongyi-MAI auf etwa 654.000, weil das Original den Transformer in F32 mit etwa 24,6 GB speichert. Eine funktionierende Installation besteht immer aus drei Teilen, und der fehlende Text-Encoder ist der klassische Fehler beim ersten Start. Lade diese Dateien herunter, lege sie in die unten genannten Ordner und öffne die offizielle ComfyUI-Vorlage.

• Loader: UNETLoader für das Modell, CLIPLoader mit Typ lumina2 für den Encoder, VAELoader für das VAE.
• Vorlagenwerte, die du beibehalten solltest: 1024×1024, 8 Schritte, CFG 1.0, Sampler res_multistep, Scheduler simple, ModelSamplingAuraFlow mit Shift 3.
• Der negative Zweig wird von ConditioningZeroOut genullt, alles, was du dort eingibst, wird also ignoriert.
• CFG auf 7 oder Schritte auf 30 zu erhöhen hilft Turbo nicht; die Farben brennen aus, oder es kostet nur Zeit.
• Für Pose-, Tiefen- oder Kantensteuerung veröffentlicht Alibaba PAI Z-Image-Turbo-Fun-Controlnet-Union-2.1 als separaten Download.

Die Einordnung als "Qwen3-4B-Klasse" ist aus dem ComfyUI-Dateinamen und seiner Konfiguration abgeleitet; die Modellkarte nennt den Encoder nicht ausdrücklich.

Zu wenig VRAM? Die passende Datei für deine Karte

Die Speicherangaben zu diesem Modell stammen aus drei verschiedenen Quellen, und jede setzt andere Software voraus. Lies sie also nebeneinander statt als ein einziges Versprechen. Das Tongyi-Team gibt an, dass das Modell bequem unter 16 GB läuft. DiffSynth-Studio dokumentiert ein 8-GB-Setup mit CPU-Offload und warnt, dass FP8-Quantisierung die Ergebnisse sichtbar weicher macht. Eine Wiki-Seite von stable-diffusion.cpp beschreibt ein Community-Rezept für 4-GB-Karten mit Q3- oder Q4-GGUF-Dateien plus Offloading, mit deutlichen Einbußen beim Tempo. Denk daran, dass eine GGUF-Datei nur das Diffusionsmodell ersetzt: Text-Encoder und VAE musst du trotzdem herunterladen.

Cache-DiT, LeMiCa und MeanCache werben mit zusätzlichen Beschleunigungen; diese Zahlen stammen von den Community-Projekten, nicht von Alibaba.

Acht Schritte oder fünfzig? Turbo neben seinem langsameren Geschwister

Das im Januar 2026 erschienene Basismodell, Spitzname Base, teilt Turbos Architektur und Text-Encoder, behält aber Classifier-Free Guidance und Negativ-Prompts. Damit ist die Wahl weniger eine Frage der Qualität als des Workflows. Wenn du schnell iterierst und einen polierten Foto-Look willst, bleib bei Z-Image Turbo. Brauchst du eine Besetzung mit unterschiedlichen Gesichtern, Illustrationsstile oder ein Modell zum Feintuning, wechsle zu Base und nimm etwa die vier- bis sechsfache Sampling-Zeit in Kauf.

Die Angaben zu Vielfalt und Feintuning sind Einstufungen des Teams in der offiziellen Modelltabelle, kein unabhängiger Test.

Prompts für ein Modell, das Negativ-Prompts ignoriert

Bei abgeschalteter Guidance hört Z-Image Turbo nur auf das, was du verlangst – der positive Prompt trägt also die ganze Arbeit. Schreib ihn so, wie ein Fotograf ein Shooting brieft: in ganzen Sätzen und in fester Reihenfolge – wer, wie die Person aussieht, was sie tut, wo, in welchem Licht, durch welches Objektiv, in welchem Stil. Lange Prompts sind kein Problem; die gehostete API begrenzt sie auf 800 Zeichen, eine sinnvolle Obergrenze auch lokal. Der Vergleich unten zeigt, wie viel ein vager Prompt dem Zufall überlässt.

Fünf Z-Image-Turbo-Prompts als Ausgangspunkt

Fülle die Klammern aus und behalte die Reihenfolge der Teile bei. Alle fünf gehen von erwachsenen Personen aus. Sie funktionieren in der ComfyUI-Vorlage, in der gehosteten API und als Ausgangspunkt im alternativen Generator oben.

Wo es glänzt und wo es stolpert

Das Feedback der Community deckt sich mit den Kompromissen im Design: Tempo und Realismus werden gelobt, die Vielfalt wird bemängelt. Das Team meldete am 8. Dezember 2025 Platz acht insgesamt und Platz eins unter den offenen Modellen in der Text-zu-Bild-Rangliste von Artificial Analysis. Diese Platzierung ist überholt: Im Oktober 2026 war das Modell nicht mehr unter den Top 20 dieser Liste, weil neuere Modelle hinzukamen. Der Praxistest von Gigazine bemerkte wiederholte Kompositionen über Seeds hinweg, ähnliche Gesichter in Gruppenszenen und Probleme mit japanischem Text, während das langsamere Basismodell bei Illustration und Bandbreite besser abschnitt.

Verbreitung im Oktober 2026: rund 12.100 GitHub-Sterne, etwa 1,07 Millionen Downloads der GGUF-Builds von Unsloth in 30 Tagen und rund 241.000 für ein beliebtes LoRA-Paket. Downloads zeigen Reichweite, nicht Qualität.

Was Leute tatsächlich damit erstellen

Weil ein Rendering nur Sekunden dauert, nutzen Leute das Modell für Massenarbeit, bei der sie sonst nach ein paar Versuchen aufgeben würden. Händler auf chinesischen Marktplätzen schätzen es für Banner mit beiden Sprachen, und Teams für Kurzdramen und Spiele nutzen es für schnelle Moodboards, bevor das finale Rendering woanders entsteht.

• Porträt- und Modeserien: Dutzende Outfit- und Lichtvarianten desselben erwachsenen Models in einer Sitzung.
• Zweisprachige E-Commerce-Grafiken: Produktszenen mit chinesischen und englischen Überschriften für Shopseiten und Social Feeds.
• Previsualisierung: Keyframes für Kurzdramen, Werbung und Spiele-Pitches.
• Charakter-LoRAs: Community-Erweiterungen für bestimmte Looks, Kostüme und Kunststile.
• Posen übernehmen: Das ControlNet-Union-Modell kopiert Haltung oder Layout aus einer Skizze.
• Ältere Hardware: Dank GGUF-Builds ist es eine beliebte Wahl für Laptops und Gaming-Karten der Mittelklasse.

Keine GPU? Der gehostete Endpunkt z-image-turbo

Alibaba Cloud Model Studio stellt das Modell unter der ID z-image-turbo bereit, und es ist das einzige Mitglied der Familie, das dort angeboten wird. Jede Anfrage enthält eine Nutzernachricht mit einem einzelnen Text-Prompt von bis zu 800 Zeichen, dazu optional die Größe (512×512 bis 2048×2048 Pixel insgesamt, Standard 1024×1536), einen Seed und ein prompt_extend-Flag, mit dem ein Sprachmodell den Prompt umschreibt und seine Begründung zurückgibt. Pro Aufruf erhältst du ein PNG, dessen Link nach 24 Stunden abläuft; das Limit liegt bei 120 Anfragen pro Minute. Prompts und Ergebnisse durchlaufen eine Sicherheitsprüfung, Batch-Jobs, Feintuning und Function Calling gibt es nicht – der Endpunkt ist also bequem, aber streng moderiert.

Im Vergleich mit FLUX.2 und Qwen-Image

Der technische Bericht positioniert die Reihe als 6B-Antwort auf offene Modelle mit 20B und mehr, etwa Qwen-Image, HunyuanImage 3.0 und FLUX.2. Das ist die Darstellung der Autoren. In der Praxis liegt der Unterschied in den Betriebskosten: Ein kleines Modell mit 8 Schritten lässt sich von den dreien am leichtesten auf einer einzigen Consumer-Karte betreiben, während die größeren mit vollen Szenen womöglich besser zurechtkommen. Teste mit deinen eigenen Prompts, bevor du wechselst.

Größen und Lizenzen folgen dem technischen Bericht; prüfe jede Modellkarte, bevor du dich darauf verlässt.

Der unzensierte Weg im Browser

Im Browser entfallen Downloads und Treiber. Dort läuft allerdings nicht Z-Image Turbo, der Look wird also anders ausfallen; Spicy AI nutzt eigene Bildmodelle.

• 1. Klicke oben auf der Seite auf den Button, um den Bildgenerator zu öffnen.
• 2. Füge eine Vorlage von dieser Seite ein und beschreibe jede Person als erwachsen.
• 3. Wähle ein Seitenverhältnis und erstelle bis zu vier Bilder pro Durchgang.
• 4. Ändere pro neuem Versuch nur eine Sache: Licht, Pose oder Outfit.
• 5. Lade ein eigenes Foto hoch, um zur Bild-zu-Bild-Bearbeitung zu wechseln.

Fünf Gewohnheiten gegen missglückte Renderings

1. Lass CFG auf 1 und die Schritte auf 8; wechsle zum Basismodell, wenn du einen Negativ-Prompt brauchst.
2. Lade Text-Encoder und VAE zu jeder GGUF-Datei mit herunter.
3. Variiere die Szene in Worten, nicht nur über den Seed, um wiederholte Layouts aufzubrechen.
4. Setze exakte Bildtexte in Anführungszeichen und prüfe kleine Schrift vor der Veröffentlichung.
5. Beschreibe jede Figur als erwachsen (18+) und nutze nie das Abbild einer echten Person ohne deren Einwilligung.

Quellen

• GitHub-Repository (Tongyi-MAI)
• Turbo-Modellkarte (Hugging Face)
• Projekt-Blog des Teams
• Technischer Bericht (arXiv 2511.22699)
• ComfyUI-Repack (Comfy-Org)
• GGUF-Builds (Unsloth, Drittanbieter)

Weitere unzensierte KI-Bild-Modelle

• uncensored z image
• uncensored qwen image
• Midjourney unzensiert
• DALL·E unzensiert
• Stable Diffusion unzensiert
• Flux unzensiert
• Nano Banana unzensiert
• Nano Banana 2 unzensiert
• Nano Banana 2.1 unzensiert
• Ideogram unzensiert
• Leonardo AI unzensiert
• Seedream unzensiert
• Seedream 5.0 unzensiert
• Krea unzensiert
• Kroma unzensiert
• Qwen-Image unzensiert
• Adobe Firefly unzensiert
• GPT Image 2.5 unzensiert
• Text to Image unzensiert
• Z-Image unzensiert
• FLUX.2 unzensiert
• FLUX.2 [dev] unzensiert
• FLUX.2 [pro] unzensiert
• GPT Image 1.5 unzensiert