無審查 Z-Image 詳解：模型家族、基礎模型與 LoRA

Z-Image 家族速覽

開發者

阿里巴巴通義實驗室（Tongyi MAI）

公開模型

Turbo 與基礎模型

基礎模型發布

2026 年 1 月

規模

約 6.15B，S3-DiT

基礎模型設定

28–50 步，CFG 3–5

開放權重？

是，Apache-2.0

Edit / Omni-Base

已宣布，尚未發布

無審查版本？

無官方版本

Z-Image 由誰打造

Z-Image 是阿里巴巴通義實驗室的圖片模型系列，由旗下 Tongyi MAI 團隊透過 GitHub、Hugging Face 與 ModelScope 發布。本頁聚焦的是該系列未經蒸餾的基礎模型：其 Hugging Face 儲存庫建立於 2026 年 1 月 23 日，正式公告則在 1 月 27 日發布，比 Turbo 晚了約兩個月。它與 Turbo 共用約 61.5 億參數的 Scalable Single-Stream Diffusion Transformer（S3-DiT），以及 Qwen3-4B 等級的文字編碼器。建議設定為 28 到 50 步、CFG 3 到 5 並搭配負面提示詞，總像素介於 512×512 與 2048×2048 之間的任何長寬比都可使用。在官方表格中，它以些許成品精緻度換取多樣性與容易微調的特性。

有沒有無審查的 Z-Image？

這個搜尋背後真正的問題，是開源版本有沒有內建過濾。答案取決於你的執行方式。這個家族唯一的託管端點是 Alibaba Cloud Model Studio 上的 Turbo，它會審核提示詞與圖片；基礎模型則完全沒有託管 API。權重本身以 Apache-2.0 開放，因此在你自己 GPU 上執行的版本沒有伺服器端檢查，微調者也常選擇基礎模型來製作成人向 LoRA。儘管如此，阿里巴巴從未發布過無審查的 Z-Image，而以真人訓練的社群版本則帶有法律風險。Spicy AI 並未託管 Z-Image；它的生成器為成人（18 歲以上）提供不設內容過濾的 Seedream、Krea 2 與 Wan 2.6，屬於替代方案而非同一個模型。

四個名字，兩個能下載

Z-Image 家族有四個模型名稱，但只有兩個提供可下載的權重。官方部落格已經介紹了 Edit，一個能處理複合編輯指令的模型，但 GitHub 表格上仍寫著「即將發布」，ModelScope 也查無紀錄。Hugging Face 與消息公告的發布日期相差一天左右，因此兩者都列出。

「Base」是社群的暱稱；官方表格只以系列名稱列出這個模型。

深入 6B 單流設計

許多大型圖片模型會把文字與圖片放在兩條平行的串流中處理。這個團隊則把提示詞 token、視覺語意 token 與 VAE 圖片 token 串接成單一序列，交給同一個 transformer 處理，並主張這樣能用更少的參數發揮更多效能。公開的設定為 30 層、隱藏維度 3840、30 個注意力頭、patch 大小 2，以及 16 通道的潛在表示。根據技術報告，完整訓練流程耗用了 31.4 萬 H800 GPU 小時，約 63 萬美元，以這個等級而言相當節省；這是一次性的訓練成本，而不是每張圖的成本。

較慢的基礎模型何時值得

蒸餾讓 Turbo 獲得速度，代價是表現範圍。Gigazine 的測試發現，Turbo 只換種子時會重複構圖，還會讓好幾個人長同一張臉；基礎模型則能畫出更多樣的人物、更出色的插畫，並且會遵守負面提示詞。代價是時間：在同一張顯示卡上，28 到 50 步大約比 8 步慢四到六倍。請依專案用下表判斷。

訓練 Z-Image LoRA 而不把它練壞

官方表格將基礎模型標為容易微調，Turbo 則標為不適用。DiffSynth-Studio 解釋了其中差異：Turbo 經過蒸餾，一般訓練很快就會抹去它少步數的速度優勢。如果非得用 Turbo 訓練，其文件建議兩種做法：一是標準微調後改用較慢的推論（約 30 步、CFG 2），二是使用能保留加速效果的差分 LoRA 或軌跡蒸餾。對大多數人來說，比較簡單的做法是在基礎模型上訓練，再以 30 到 50 步取樣。這個領域相當熱絡：截至 2026 年 10 月的 30 天內，一個熱門 LoRA 合集的下載量約 24.1 萬次。

• 步驟 1，工具：DiffSynth-Studio 可處理完整微調與 LoRA；ComfyUI 負責載入成果。
• 步驟 2，資料：針對單一風格或角色，蒐集一致且標註完善的資料集。
• 步驟 3，權利：Apache-2.0 涵蓋的是模型，而不是圖片中的人物；只使用你擁有或已取得同意的素材。
• 步驟 4，檢查：在訓練前後執行幾組固定提示詞，找出多樣性下降或文字崩壞的問題。

在等 Z-Image Edit？現在就能用的方法

Z-Image Edit 的目標是遵循複合指令，例如在一次請求中同時更換服裝與背景，同時保持主體可辨識。它尚未推出：Hugging Face 與 ModelScope 上都沒有官方權重，也沒有公布日期或授權。在此之前，你可以用基礎模型或 Turbo 執行圖生圖、加上 ControlNet 固定姿勢，或改用其他編輯模型；但這些方法都無法像專用編輯器那樣保證人物一致性。在 Spicy AI 上，把你擁有權利的照片上傳到圖片編輯器並描述要修改的地方即可；它執行的是其他模型，而非 Edit。

在自己的電腦上架設基礎模型

如果你已經能執行 Turbo，大部分設定就已完成，因為基礎模型沿用相同的文字編碼器與 VAE。其官方權重以 BF16 儲存，大小約為 Turbo 原版 F32 檔案的一半。它沒有託管 API，所以自己的 GPU 或租用的 GPU 是唯一選擇。

• Diffusers：以 bfloat16 載入 ZImagePipeline，然後搭配負面提示詞、引導值 4，取樣約 50 步。
• ComfyUI：下載 Comfy-Org 的 z_image 重新封裝版，放進與 Turbo 相同的資料夾。
• 解析度：總像素介於 512×512 與 2048×2048 之間的任何長寬比。
• 速度：在同一張顯示卡上，請預留 Turbo 數倍的算圖時間。

兩面操控：正面與負面提示詞

與 Turbo 不同，基礎模型會讀取負面提示詞並遵循 CFG，因此你能從兩個方向塑造圖片。先用平實的句子描述主體與場景，再寫光線、鏡頭與風格；負面提示詞保持簡短，只針對實際看到的問題。CFG 從 4 左右開始比較穩妥，想嚴格遵循提示詞就調高，想要更柔和自然的效果就調低。

可直接複製的提示詞組合

每一列都是一組提示詞加上對應的負面提示詞。替換方括號內容即可；所有主體皆為成人。

創作者用基礎模型做什麼

由於基礎模型保留了更多多樣性，人們在探索時會選它，而不是在趕速度時。以下用途在模型卡與 LoRA 頁面上反覆出現。

• 造型開發：用同一條提示詞跑大量種子找出方向，再用 LoRA 鎖定。
• 插畫與動漫：角色設定圖與繪畫風場景，在媒體測試中勝過 Turbo。
• 選角多樣性：每位成人都需要不同臉孔的型錄與團體照。
• 雙語設計：帶有中英文文字的海報，正是團隊主打展示的組合。
• 合成參考圖：用來訓練自訂風格模型的多樣化圖片。

可以下載、修改並發布嗎？

可以。依 GitHub 儲存庫與 Hugging Face 模型卡的說明，兩個公開模型都以 Apache-2.0 授權提供開放權重，推論程式碼也同樣開源。你可以使用、修改並再散布這個模型。但這並不代表你取得了 Z-Image 名稱、圖片中人物肖像或受著作權保護角色的權利，而且團隊也尚未公布完整的訓練資料清單。

生成前檢查清單

1. 使用 28–50 步與 CFG 3–5；套用 Turbo 的設定會讓基礎模型火候不足。
2. 負面提示詞保持簡短，並只針對看得見的問題。
3. 在基礎模型而非 Turbo 上訓練 LoRA。
4. 不必等 Edit；圖生圖或其他編輯器現在就能用。
5. 將每個角色描述為成人（18 歲以上），並只用你擁有權利的圖片訓練。

資料來源

• GitHub 儲存庫（Tongyi-MAI）
• 基礎模型卡（Hugging Face）
• 專案部落格
• 技術報告（arXiv 2511.22699）
• Hugging Face 上的 Tongyi-MAI
• 基礎模型的 ComfyUI 重新封裝版（Comfy-Org）

更多無審查 AI 圖片模型

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