Z-Image sin censura: la familia de modelos, el modelo base y los LoRA

Ficha de la familia Z-Image

Desarrollador

Alibaba Tongyi Lab (Tongyi MAI)

Modelos públicos

Turbo y el modelo base

Lanzamiento del modelo base

Enero de 2026

Tamaño

Unos 6,15B, S3-DiT

Ajustes del modelo base

28–50 pasos, CFG 3–5

¿Pesos abiertos?

Sí, Apache-2.0

Edit / Omni-Base

Anunciados, sin lanzar

¿Edición sin censura?

Ninguna oficial

Quién desarrolla Z-Image

Z-Image es una serie de modelos de imagen de Tongyi Lab, de Alibaba, publicada por su equipo Tongyi MAI a través de GitHub, Hugging Face y ModelScope. El modelo en el que se centra esta página es el modelo base sin destilar de la serie: su repositorio de Hugging Face se creó el 23 de enero de 2026 y el anuncio llegó el 27 de enero, unos dos meses después de Turbo. Comparte con Turbo el Scalable Single-Stream Diffusion Transformer (S3-DiT) de unos 6150 millones de parámetros y un codificador de texto de clase Qwen3-4B. Los ajustes recomendados son de 28 a 50 pasos, CFG de 3 a 5 y un prompt negativo, con cualquier relación de aspecto entre 512×512 y 2048×2048 píxeles totales. En la tabla del equipo, sacrifica algo de acabado a cambio de diversidad y facilidad de ajuste fino.

¿Existe un Z-Image sin censura?

La verdadera pregunta detrás de la búsqueda es si la versión abierta lleva filtro. Depende de cómo la ejecutes. El único endpoint alojado de la familia es Turbo en Alibaba Cloud Model Studio, y revisa prompts e imágenes; el modelo base no tiene API alojada. Los pesos en sí son abiertos bajo Apache-2.0, así que una copia en tu propia GPU no tiene control en el servidor, y quienes hacen ajustes finos suelen elegir el modelo base para LoRA orientados a adultos. Aun así, Alibaba nunca ha publicado un Z-Image sin censura, y las versiones de la comunidad entrenadas con personas reales conllevan riesgos legales. Spicy AI no aloja Z-Image; su generador ejecuta Seedream, Krea 2 y Wan 2.6 sin filtros de contenido para adultos (18+), como sustituto y no como el mismo modelo.

Cuatro nombres, dos descargas

La familia Z-Image tiene cuatro nombres de modelo, pero solo dos incluyen pesos descargables. El blog del proyecto ya describe Edit, un modelo para instrucciones de edición compuestas, pero la tabla de GitHub sigue diciendo "pendiente de lanzamiento" y ModelScope no tiene constancia de él. Las fechas de lanzamiento varían un día o así entre Hugging Face y las noticias, por lo que se muestran ambas.

"Base" es un apodo de la comunidad; la tabla del equipo recoge este modelo solo con el nombre de la serie.

Dentro del diseño de flujo único de 6B

Muchos modelos de imagen grandes mantienen texto e imagen en dos flujos paralelos. Aquí el equipo concatena los tokens del prompt, los tokens semánticos visuales y los tokens de imagen del VAE en una sola secuencia y la pasa por un único transformer, con el argumento de que así se aprovechan mejor menos parámetros. La configuración publicada indica 30 capas, tamaño oculto de 3840, 30 cabezas de atención, tamaño de parche 2 y un latente de 16 canales. Según el informe técnico, todo el proceso de entrenamiento consumió 314.000 horas de GPU H800, unos 630.000 dólares, una cifra modesta para esta categoría; es un coste único de entrenamiento, no lo que cuesta una imagen.

Cuándo compensa el modelo base, más lento

La destilación dio a Turbo velocidad a costa de variedad. La prueba de Gigazine vio que Turbo repetía composiciones cuando solo cambiaba la semilla y daba la misma cara a varias personas, mientras que el modelo base producía repartos más variados, mejores ilustraciones y respetaba los prompts negativos. Lo pagas en tiempo, ya que de 28 a 50 pasos tardan entre cuatro y seis veces más que 8 en la misma tarjeta. Usa la tabla para decidir en cada proyecto.

Entrenar un LoRA de Z-Image sin estropearlo

La tabla del equipo marca el modelo base como fácil de ajustar y Turbo como no aplicable. DiffSynth-Studio explica la diferencia: Turbo está destilado y un entrenamiento normal borra enseguida su velocidad de pocos pasos. Si tienes que entrenar sobre Turbo, su documentación propone o bien un ajuste fino estándar y luego una inferencia más lenta (unos 30 pasos, CFG 2), o bien un LoRA diferencial o una destilación de trayectoria que conserve la aceleración. Para la mayoría, lo más sencillo es entrenar sobre el modelo base y muestrear con 30 a 50 pasos. Hay mucho movimiento: una popular colección de LoRA sumó unas 241.000 descargas en los 30 días previos a octubre de 2026.

• Paso 1, herramientas: DiffSynth-Studio se encarga del ajuste fino completo y de los LoRA; ComfyUI carga el resultado.
• Paso 2, datos: reúne un conjunto coherente y bien descrito para un solo estilo o personaje.
• Paso 3, derechos: Apache-2.0 cubre el modelo, no a las personas de tus imágenes; usa solo material propio o con consentimiento.
• Paso 4, controles: ejecuta unos cuantos prompts fijos antes y después del entrenamiento para detectar pérdida de variedad o texto roto.

¿Esperando a Z-Image Edit? Lo que funciona hoy

Z-Image Edit está pensado para seguir instrucciones compuestas, como cambiar la ropa y el fondo en una sola petición manteniendo reconocible al sujeto. Todavía no ha salido: no hay pesos en Hugging Face ni en ModelScope, ni fecha o licencia anunciadas. Mientras tanto, puedes hacer imagen a imagen con el modelo base o con Turbo, añadir un ControlNet para fijar la pose o pasar a otro modelo de edición; ninguna de estas opciones garantiza la identidad como lo haría un editor dedicado. En Spicy AI, sube una foto tuya al editor de imágenes y describe el cambio; funciona con otros modelos, no con Edit.

Instalar el modelo base en tu propio equipo

Si Turbo ya te funciona, tienes casi todo hecho, porque el modelo base reutiliza el mismo codificador de texto y el mismo VAE. Sus pesos se publican en BF16, aproximadamente la mitad que los archivos F32 originales de Turbo. No tiene API alojada, así que la única opción es tu propia GPU o una alquilada.

• Diffusers: carga ZImagePipeline en bfloat16 y muestrea unos 50 pasos con guía 4 y un prompt negativo.
• ComfyUI: descarga el reempaquetado z_image de Comfy-Org y colócalo en las mismas carpetas que Turbo.
• Resolución: cualquier relación de aspecto entre 512×512 y 2048×2048 píxeles totales.
• Velocidad: cuenta con varias veces el tiempo de render de Turbo en la misma tarjeta.

Dirigir desde ambos lados: prompts positivos y negativos

A diferencia de Turbo, el modelo base lee el prompt negativo y respeta el CFG, así que moldeas la imagen desde dos direcciones. Describe el sujeto y la escena con frases sencillas, luego la iluminación, el objetivo y el estilo; mantén el prompt negativo breve y limitado a los problemas que realmente veas. Un CFG cercano a 4 es un buen punto de partida: más alto para seguir el prompt al pie de la letra y más bajo para resultados más suaves y naturales.

Parejas de prompts listas para copiar

Cada fila combina un prompt con su prompt negativo. Sustituye los corchetes; todos los sujetos son adultos.

Para qué usan los creadores el modelo base

Como el modelo base conserva más variedad, la gente recurre a él para explorar, no para ir con prisas. Estos usos aparecen una y otra vez en fichas de modelos y páginas de LoRA.

• Desarrollo de look: un prompt con muchas semillas para encontrar una dirección y luego un LoRA para fijarla.
• Ilustración y anime: fichas de personaje y escenas pictóricas en las que supera a Turbo en las pruebas de medios.
• Variedad de reparto: lookbooks y fotos de grupo en las que cada adulto necesita una cara distinta.
• Diseño en dos idiomas: pósteres con texto en chino e inglés, la combinación que destaca el equipo.
• Referencias sintéticas: imágenes variadas para entrenar un modelo de estilo propio.

¿Se puede descargar, modificar y distribuir?

Sí. Los dos modelos públicos tienen pesos abiertos bajo Apache-2.0, como indican el repositorio de GitHub y las fichas de Hugging Face, y el código de inferencia también es abierto. Puedes usar, modificar y redistribuir el modelo. Eso no te da derechos sobre el nombre Z-Image, sobre la imagen de las personas que aparezcan en tus resultados ni sobre personajes con copyright, y el equipo no ha publicado una lista completa de los datos de entrenamiento.

Lista de comprobación antes de generar

1. Usa de 28 a 50 pasos y CFG de 3 a 5; con los ajustes de Turbo, el modelo base se queda a medio hacer.
2. Mantén los prompts negativos breves y ligados a problemas que puedas ver.
3. Entrena los LoRA sobre el modelo base y no sobre Turbo.
4. No esperes a Edit; imagen a imagen u otro editor ya funcionan.
5. Describe a cada personaje como adulto (18+) y entrena solo con imágenes sobre las que tengas derechos.

Fuentes

• Repositorio de GitHub (Tongyi-MAI)
• Ficha del modelo base (Hugging Face)
• Blog del proyecto
• Informe técnico (arXiv 2511.22699)
• Tongyi-MAI en Hugging Face
• Reempaquetado del modelo base para ComfyUI (Comfy-Org)

Más modelos de IA de imagen sin censura

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