🌐 官方网址:
https://platform.qianwenai.com/home/try-ai/chat?models=z-image-turbo
(千问AI平台官方在线体验入口。如需API调用,可参考同平台的模型文档与API Key获取指引;开源模型权重与技术细节可在 Hugging Face(Tongyi-MAI/Z-Image-Turbo)和官方技术博客(tongyi-mai.github.io/Z-Image-blog)查看。另有社区维护的免费在线体验站如 zimage.run,无需登录即可试用)
📌 工具简介
Z-Image-Turbo(造相·极速版)是阿里巴巴通义实验室(Tongyi-MAI)于 2025 年 11 月发布的开源文生图模型,是 Z-Image 家族的蒸馏加速版本。它的核心标签是“极致的效率”:仅 60 亿参数(6B),通过 Decoupled-DMD 蒸馏技术将推理步骤压缩到 8 步,在企业级 H800 GPU 上可实现亚秒级延迟,同时能在 16GB 显存的消费级显卡(如 RTX 4070 级别)上流畅运行。在 Artificial Analysis 基准评测中,Z-Image-Turbo 曾登顶文生图开源模型世界第一,以远小于商业模型的体量产出了照片级真实感的图像。它基于 Scalable Single-Stream DiT(S³-DiT)架构,将文本与图像 token 在序列层面统一处理,最大化了参数效率。产品最被称道的两个长板是:极快的生成速度,以及在中英双语文本渲染上的高准确率,这让它在海报、封面、社交媒体配图等需要“图上有字”的场景中,比很多更大规模的模型更实用。它不追求成为功能最全的图像模型,而是在“快、稳、文字准”这个甜点区做到了开源生态中的领先水平。
⚡ 主要功能
- 8 步极速推理:蒸馏后的 Turbo 版本仅需 8 次函数评估(NFE)即可出图,在 H800 上亚秒级返回,在消费级 GPU 上也能在数秒内完成 1024×1024 图像生成,适合需要快速迭代和批量出图的场景
- 中英双语文本渲染:在生成图像的同时,能较准确地渲染中英文文字,对于海报标题、封面配文、Logo 风格排版等“字必须对”的需求,可用性显著高于多数通用文生图模型
- 照片级真实感与强指令遵循:在写实人像、产品概念图、生活方式场景等需要“像照片”的任务中表现稳定,同时对提示词的语义理解较为精准,复杂描述下的偏离程度可控
- 16GB 显存消费级部署:Turbo 版本可在 16GB 显存的消费级显卡上运行,配合 ComfyUI 等工作流工具即可本地部署,不强制依赖云端 API,适合对数据隐私或离线生成有要求的创作者
- ComfyUI 与 ControlNet 生态支持:官方和社区提供了 ComfyUI 工作流,并推出了 Z-Image-Turbo-Fun-ControlNet-Union,支持 Canny、Depth、Pose、HED、MLSD、Scribble 等多种控制条件,可用于姿势控制和结构约束
- 多分辨率与宽高比适配:支持多种输出尺寸,适配社交媒体、电商展示、演示文稿等不同版式需求,不需要为了尺寸适配而反复裁剪或扩图
- API 与云端调用:通过千问AI平台或阿里云 Model Studio 可调用 API,按张计费,适合集成到自动化工作流或产品中,无需自行维护推理基础设施
- 开源可微调(Base 模型):虽然 Turbo 是蒸馏版本,但 Z-Image 家族提供了未经蒸馏的 Base 模型供社区微调和自定义开发,为有训练能力的团队保留了扩展空间
💰 价格信息
API 标准 ¥0.1/张
API 思考 ¥0.2/张
开源权重免费商用(Apache 2.0)
Z-Image-Turbo 的使用成本取决于你选择的入口。官方在线体验通过千问AI平台直接使用,目前可免费试用,适合快速验证效果和轻量出图。API 调用按张计费:标准生成约 ¥0.1/张,思考模式约 ¥0.2/张;阿里云国际站标准价约 $0.015/张,处于同类开源模型 API 中的较低水平。开源权重采用 Apache 2.0 许可证,可免费下载、本地部署和商业使用,成本主要来自你自己的 GPU 硬件和电力,不产生按张的 API 费用。此外,社区维护的 zimage.run 等站点提供无需登录的免费在线体验,适合零成本试水。需要注意,Turbo 的“思考模式”和标准模式在质量和消耗上存在差异,深度任务建议先用少量张数测试效果,再决定批量调用哪种模式。
👥 适合人群
需要快速批量产出社交媒体配图、博客封面和演示文稿视觉素材的内容创作者和运营人员(速度是核心诉求,文字渲染准确减少后期返工);对“图上要有正确中英文”有明确需求的设计师和营销人员(海报标题、产品标签、活动文案,文本保真度是选择模型的首要标准);希望在本地 16GB 显存设备上运行文生图、对数据隐私或离线可用性有要求的创作者和技术爱好者(ComfyUI + ControlNet 生态提供了可定制的本地工作流);需要将文生图能力集成到自动化流程或产品中、但不想维护大规模推理集群的开发者(API 按张计费,成本可控);以及正在寻找“速度快、质量稳、文字准”的甜点型开源模型、用于快速草稿和概念探索的 AI 图像从业者。Z-Image-Turbo 尤其适合“数量与速度优先、对极端精细控制要求不苛刻”的初稿和商用素材生成场景。如果核心需求是极高自由度的艺术创作、复杂的多条件构图控制,或者依赖大量第三方 LoRA 进行风格微调,它的蒸馏特性和社区生态成熟度可能暂时无法满足。
✅ 优点
- 速度是碾压级优势:8 步推理带来亚秒级到数秒级的出图速度,在需要大量快速迭代、批量生成草稿或实时反馈的场景中,效率提升非常直接,也让“快速结果”本身成为一种可用的工作方式
- 中英双语文本渲染是差异化长板:多数开源文生图模型在生成文字时容易糊字或拼错,Z-Image-Turbo 在常见中英文短文本上的准确率使其能真正用于海报标题、封面配文等“字必须 readable”的任务,实用性而非炫技
- 在 6B 参数量下达到照片级真实感:以远小于主流商业模型的体量,在写实人像、产品图和自然场景中产出了可商用的质量,Artificial Analysis 开源第一的评测成绩为其综合能力提供了第三方参照
- 部署门槛相对友好:16GB 显存即可在消费级设备上运行,配合 ComfyUI 工作流降低了本地使用的技术门槛,对于不想被 API 绑定、希望数据留在本地的创作者来说是一个可落地的选项
- 开源 Apache 2.0 许可,商用友好:权重可免费下载、修改和商业使用,不强制署名或回馈,对于需要将模型集成到产品或内部工具中的团队,法律障碍较小
- API 定价在同类中偏低:标准模式 ¥0.1/张的按量计费,对于中等频率的自动化调用或产品集成来说成本可控,且省去了自建推理的运维负担
- ControlNet 生态正在补齐:Fun-ControlNet-Union 支持 Canny、Depth、Pose 等多种条件,为需要姿势控制和结构约束的场景提供了官方和社区层面的支持,拓展了从“随机出图”到“可控出图”的可能性
⚠️ 缺点
- CFG 可调窗口很窄,容错空间有限:Turbo 的 CFG 甜蜜点在 7—8 之间,低于 6 容易画面漂移、过于“发散”,超过 9 则迅速出现高光过曝和暗部截断。这意味着用户不能像使用 Base 模型那样通过宽范围微调 CFG 来迭代,而需要尽早确定参数方向
- 对负面提示词反应过度敏感:编写负面提示时语气强度需要格外小心,例如“No text”可能连带弱化你本来想要的图案或远处招牌文字。负面提示的“剂量”控制比 Base 模型更考验经验,新手容易因为一句负面词而破坏整体画面
- 多 LoRA 串联存在架构兼容性问题:社区测试报告指出,Z-Image-Turbo 底模在多 LoRA 串联加载时可能出现 single_blocks 层权重失效,导致风格控制不生效。对于依赖多个 LoRA 叠加进行复杂风格定制的用户,这是一个需要留意的技术限制
- 量化版本存在质量损失:int8(尤其是 int4)量化输出与 fp16/bf16 原版存在差异,且差异因任务而异。如果追求最高质量,需要使用更高精度的权重,这会对显存和速度提出更高要求
- 探索性工作中的多样性可能被“速度”压缩:Turbo 急于跟随参考图或提示词的倾向,有时会让多次生成之间的变化趋于平淡,对于需要大量探索不同构图和风格的头脑风暴场景,可能不如 Base 模型“发散”
- “够用就行”的速度诱惑可能牺牲终稿质量:极快的出图速度容易让人更频繁地接受“草稿级”结果,对于需要精细打磨的定稿或客户交付物,仍然需要人工筛选和后期处理,不能把“快”等同于“可交付”
- 社区生态仍在建设中:相较于 SDXL 等成熟生态,Z-Image-Turbo 的 LoRA 数量、ControlNet 变体和社区工作流的丰富度仍有差距,部分第三方工具(如 TeaCache)的适配曾出现质量问题,依赖特定功能的用户需要关注版本兼容性
💡 使用技巧
- 先把 CFG 固定在 7—8 的“咬合区”再调其他参数:Turbo 在这个区间对齐效果最好、漂移较少。如果你习惯从低 CFG 往高试探,很可能会在找到甜点之前先经历一段“画面很漂亮但偏离需求”的区间,直接锚定 7.5 左右起步,再根据结果微调,效率更高
- 负面提示词“轻着写”:不要一上来就堆叠强否定词。需要去文字水印时,用“minimize text artifacts”这类温和表述,而不是粗暴的“no text”,避免误伤画面中其他你想要的图形或文字元素
- 速度优势最适合用在“草稿筛选”阶段,而不是“终稿生成”阶段:先用 Turbo 快速产出 10—20 张不同构图和提示词方向的草稿,人工选出最有潜力的 2—3 张,再针对选中的方向用更高精度设置(或 Base 模型)进行精修。把速度用在探索上,把算力用在定稿上
- 本地部署时优先使用 ComfyUI 官方或社区验证的工作流:将 qwen_3_4b 文本编码器、z_image_turbo_bf16 扩散模型和 VAE 按文档放入对应目录,能减少因节点缺失或路径错误导致的启动问题。如果使用 ControlNet,确认 Union 模型的版本与当前工作流匹配(2602 版本支持 Gray、Scribble 等新增控制)
- 多 LoRA 场景下做一次“单 LoRA 基线测试”:如果计划叠加多个风格 LoRA,先用单个 LoRA 跑一张确认基础效果,再逐个叠加并观察风格是否如预期生效。社区报告的 single_blocks 权重失效问题意味着“加了不等于生效”,基线测试可以帮助你判断冲突发生在哪一步
- 利用参考图引导时明确你的意图:如果你需要“接近匹配”(如产品角度和光线严格跟随参考),Turbo 的强跟随特性是优势;如果你想要“松散灵感”(只借用色调和氛围),需要降低参考图权重或在提示词中留出更大的风格空间,否则 Turbo 可能把探索性创作压得过窄
- API 调用前先用官方在线体验或免费社区站点做“模式对比”:分别用标准模式和思考模式生成同一提示词,直观比较质量和差异,再决定你的业务场景适合哪一种计费档位,避免在批量调用中为不需要的“思考”支付额外费用









