Z-Image без цензуры: семейство моделей, базовая модель и LoRA

Карточка семейства Z-Image

Разработчик

Alibaba Tongyi Lab (Tongyi MAI)

Публичные модели

Turbo и базовая модель

Выход базовой модели

Январь 2026

Размер

Около 6,15B, S3-DiT

Настройки Base

28–50 шагов, CFG 3–5

Открытые веса?

Да, Apache-2.0

Edit / Omni-Base

Анонсированы, не выпущены

Версия без цензуры?

Официальной нет

Кто создаёт Z-Image

Z-Image — серия моделей изображений от Tongyi Lab компании Alibaba, которую команда Tongyi MAI выпускает через GitHub, Hugging Face и ModelScope. Эта страница посвящена недистиллированной базовой модели серии: её репозиторий на Hugging Face создан 23 января 2026 года, а официальный анонс вышел 27 января, примерно через два месяца после Turbo. Она использует тот же Scalable Single-Stream Diffusion Transformer (S3-DiT) примерно на 6,15 млрд параметров и текстовый энкодер класса Qwen3-4B, что и Turbo. Рекомендуемые настройки — от 28 до 50 шагов, CFG от 3 до 5 и негативный промпт при любом соотношении сторон от 512×512 до 2048×2048 пикселей суммарно. В официальной таблице она жертвует частью финальной отполированности ради разнообразия и простого дообучения.

Существует ли Z-Image без цензуры?

Настоящий вопрос за этим запросом — есть ли в открытом релизе фильтр. Всё зависит от того, как вы её запускаете. Единственный облачный эндпоинт в семействе — Turbo в Alibaba Cloud Model Studio, и он проверяет промпты и изображения; у базовой модели облачного API нет вовсе. Сами веса открыты под Apache-2.0, поэтому у копии на вашем GPU нет серверной проверки, и авторы дообучений часто выбирают базовую модель для LoRA с контентом для взрослых. Тем не менее Alibaba никогда не выпускала Z-Image без цензуры, а сборки сообщества, обученные на реальных людях, несут юридические риски. Spicy AI не размещает Z-Image; его генератор запускает Seedream, Krea 2 и Wan 2.6 без контент-фильтров для взрослых (18+) — как замену, а не ту же модель.

Четыре названия, две загрузки

В семействе Z-Image четыре модели, но скачиваемые веса есть только у двух. Официальный блог уже описывает Edit — модель для составных инструкций редактирования, — однако в таблице на GitHub она всё ещё значится как «to be released», а на ModelScope о ней нет записи. Даты релизов на Hugging Face и в новостях расходятся примерно на день, поэтому указаны обе.

«Base» — прозвище от сообщества; в официальной таблице эта модель указана просто под названием серии.

Внутри однопоточной архитектуры на 6B

Многие крупные модели изображений держат текст и изображение в двух параллельных потоках. Здесь же команда объединяет токены промпта, визуальные семантические токены и токены изображения из VAE в одну последовательность и пропускает её через один трансформер, утверждая, что так из меньшего числа параметров удаётся выжать больше. В опубликованной конфигурации — 30 слоёв, скрытая размерность 3840, 30 голов внимания, размер патча 2 и 16-канальный латент. По данным технического отчёта, весь цикл обучения занял 314 000 GPU-часов H800, около 630 000 долларов США, что скромно для этого класса; это разовая стоимость обучения, а не цена одного изображения.

Когда медленная базовая модель окупается

Дистилляция дала Turbo скорость ценой разнообразия. В тесте Gigazine Turbo повторяла композиции, когда менялся только сид, и рисовала нескольким людям одно лицо, тогда как базовая модель выдавала более разнообразных персонажей, более сильные иллюстрации и слушалась негативных промптов. Платить приходится временем: 28–50 шагов занимают примерно в четыре–шесть раз больше, чем 8, на той же видеокарте. Используйте таблицу, чтобы решать под каждый проект.

Как обучить LoRA для Z-Image и ничего не сломать

Официальная таблица отмечает базовую модель как простую для дообучения, а для Turbo пишет «неприменимо». DiffSynth-Studio объясняет разницу: Turbo дистиллирована, и обычное обучение быстро уничтожает её скорость на малом числе шагов. Если всё же нужно обучать на Turbo, документация предлагает либо стандартное дообучение и затем более медленный инференс (около 30 шагов, CFG 2), либо дифференциальную LoRA или дистилляцию траекторий, сохраняющие ускорение. Для большинства проще обучать на базовой модели и генерировать за 30–50 шагов. Сцена оживлённая: одну популярную коллекцию LoRA скачали около 241 000 раз за 30 дней до октября 2026 года.

• Шаг 1, инструменты: DiffSynth-Studio выполняет полное дообучение и LoRA, ComfyUI загружает результат.
• Шаг 2, данные: соберите однородный набор с хорошими подписями под один стиль или персонажа.
• Шаг 3, права: Apache-2.0 распространяется на модель, а не на людей на ваших изображениях; используйте только материалы, которые принадлежат вам или на которые есть согласие.
• Шаг 4, проверки: прогоните несколько фиксированных промптов до и после обучения, чтобы заметить потерю разнообразия или сломанные надписи.

Ждёте Z-Image Edit? Что работает уже сегодня

Z-Image Edit должна выполнять составные инструкции — например, сменить одежду и фон за один запрос, сохранив узнаваемость персонажа. Она ещё не вышла: официальных весов нет ни на Hugging Face, ни на ModelScope, нет ни объявленной даты, ни лицензии. Пока можно делать image-to-image на базовой модели или Turbo, добавить ControlNet для удержания позы или перейти на другую модель редактирования; ни один из этих способов не гарантирует сохранение личности так, как специализированный редактор. На Spicy AI загрузите своё фото в редактор изображений и опишите изменение; он работает на других моделях, а не на Edit.

Установка базовой модели на свой компьютер

Если Turbo у вас уже работает, большая часть установки готова: базовая модель использует тот же текстовый энкодер и VAE. Её официальные веса хранятся в BF16 и весят примерно вдвое меньше оригинальных F32-файлов Turbo. Облачного API для неё нет, так что единственный вариант — собственный или арендованный GPU.

• Diffusers: загрузите ZImagePipeline в bfloat16 и генерируйте около 50 шагов с guidance 4 и негативным промптом.
• ComfyUI: скачайте репак z_image от Comfy-Org и положите его в те же папки, что и Turbo.
• Разрешение: любое соотношение сторон от 512×512 до 2048×2048 пикселей суммарно.
• Скорость: закладывайте в несколько раз больше времени рендера, чем у Turbo на той же видеокарте.

Управление с двух сторон: позитивный и негативный промпты

В отличие от Turbo, базовая модель читает негативный промпт и учитывает CFG, поэтому изображение можно формировать с двух сторон. Опишите персонажа и сцену простыми предложениями, затем свет, объектив и стиль; негативный промпт держите коротким и ограничьте теми проблемами, которые действительно видите. CFG около 4 — безопасная отправная точка: выше — для строгого следования промпту, ниже — для более мягких и естественных результатов.

Готовые пары промптов

В каждой строке промпт идёт в паре с подходящим негативным промптом. Замените скобки; все персонажи — взрослые.

Для чего авторы используют базовую модель

Поскольку базовая модель сохраняет больше разнообразия, к ней обращаются, когда ищут, а не когда гонятся за скоростью. Эти сценарии раз за разом встречаются в карточках моделей и на страницах LoRA.

• Поиск визуального стиля: один промпт на множестве сидов, чтобы найти направление, а затем LoRA, чтобы его закрепить.
• Иллюстрация и аниме: листы персонажей и живописные сцены, где она обходит Turbo в тестах по стилям.
• Разнообразие внешности: лукбуки и групповые снимки, где каждому взрослому нужно своё лицо.
• Двуязычный дизайн: постеры с текстом на китайском и английском — именно эту пару демонстрирует команда.
• Синтетические референсы: разнообразные изображения для обучения собственной модели стиля.

Можно ли её скачать, изменить и распространять?

Да. Обе публичные модели поставляются с открытыми весами под Apache-2.0, как указано в репозитории на GitHub и в карточках моделей на Hugging Face, а код инференса тоже открыт. Модель можно использовать, изменять и распространять. Но это не даёт прав на название Z-Image, на внешность людей на ваших изображениях или на защищённых авторским правом персонажей, а полный список обучающих данных команда не публиковала.

Чек-лист перед генерацией

1. Используйте 28–50 шагов и CFG 3–5; с настройками Turbo базовая модель выдаёт недоработанные изображения.
2. Держите негативные промпты короткими и привязанными к видимым проблемам.
3. Обучайте LoRA на базовой модели, а не на Turbo.
4. Не ждите Edit: image-to-image или другой редактор работают уже сейчас.
5. Описывайте каждого персонажа как взрослого (18+) и обучайте только на изображениях, на которые у вас есть права.

Источники

• Репозиторий на GitHub (Tongyi-MAI)
• Карточка базовой модели (Hugging Face)
• Блог проекта
• Технический отчёт (arXiv 2511.22699)
• Tongyi-MAI на Hugging Face
• Репак базовой модели для ComfyUI (Comfy-Org)

Другие ИИ-модели без цензуры: Изображения

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