6B参数、16G显存、8步成片：阿里Z-Image把“百亿级大模型”比下去

昨夜，一张1024×1024的霓虹汉服大图在RTX4090上仅用2.3秒就生成完成，显存稳定在13GB——阿里通义实验室带来的Z-Image-Turbo一出手就让围观者安静：参数只有6B，却把20B+的闭源旗舰打成平手，甚至略占上风。

不搞噱头，Z-Image用实际成绩说话:

– 8步采样即可交付印刷级画质，消费级显卡3060 6G就能跑，显存最多16G;

– 能一次读懂超长嵌套的中文提示，从“夜晚的阳光”到“左手奶茶右手手机屏显今日新闻”都会自动纠偏，中英文字母不再变形;

– 皮肤毛孔、玻璃反射、雨雾逆光、电影级景深全都在线，Elo人工偏好榜把Z-Image-Turbo抬进开源世界第一梯队。

核心在全新的S3-DiT架构：把文本、视觉语义、图像token串成单流，参数量缩到对手的三分之一，推理效率反而更高。团队同时发布了Z-Image-Edit，一句自然语言就能让原图“换头改景”，社区玩家立刻可玩。

阿里尚未官宣是否完全开源，但模型已上架ModelScope与Hugging Face，pull request已合并进diffusers主分支，pip一行命令就能加载。若企业版API定价公布，Midjourney、Flux们或许得提前考虑降价。

Z-Image的到来像一声发令枪：图像生成赛道正式迈入“轻量高质”时代，算力民主化不再只是口号——谁家显卡还没16G？

项目地址：https://github.com/Tongyi-MAI/Z-Image