OpenMOSS가 2026년 10월 16일에 공개한 MOSS-Image는 50억 파라미터 규모의 확산 트랜스포머 기반 오픈웨이트 이미지 생성 모델이다. 이 모델은 이미지 내 텍스트 렌더링과 복잡한 레이아웃 제어에 특화되어 있으며, Apache-2.0 라이선스를 적용해 상업적 이용을 포함해 무료로 활용할 수 있다.

오픈웨이트 이미지 생성 모델 MOSS-Image 공개

OpenMOSS는 2026년 10월 16일에 MOSS-Image 모델을 공식 발표했다. 이 모델은 50억 파라미터 규모의 확산 트랜스포머 기반으로 설계되었으며, 오픈웨이트 형태로 배포되어 연구자와 개발자가 자유롭게 접근할 수 있다. 특히 Apache-2.0 라이선스를 채택하여 상업적 이용을 포함한 다양한 목적의 활용이 완전히 무료로 보장된다. 그동안 이미지 생성 AI가 겪었던 정교한 텍스트 표현의 한계를 극복하기 위해 개발되었으며, 전반적인 이미지 완성도를 높이는 데 집중한다.

오픈웨이트 이미지 생성 모델 MOSS-Image 공개 관련 사진

사진: Ilya Pavlov · Unsplash

텍스트 렌더링 성능과 벤치마크 결과

MOSS-Image는 자체 구축한 벤치마크인 LongLongTextBench의 텍스트 커버리지 평가에서 96.3퍼센트를 기록했다. 이는 Qwen Image 2512가 기록한 64.9퍼센트 대비 크게 높은 수치이며, 복잡한 레이아웃과 긴 문장도 이미지 내에 정확하게 구현할 수 있음을 보여준다. LongLongTextBench 텍스트 커버리지 비교에서 확인되듯 이 모델은 이미지 내부의 텍스트 렌더링과 복잡한 레이아웃 제어 부문에서 뚜렷한 강점을 증명했다.

MOSS-Image는 LongLongTextBench에서 96.3퍼센트의 텍스트 커버리지를 기록했다.

아키텍처 구성과 시스템 가중치

MOSS-Image의 전체 가중치 크기는 약 27.2기가바이트이며, 내부적으로 Qwen3.5-9B 언어 모델을 텍스트 인코더로 채택하고 있다. 구체적인 가중치 구성은 인코더 16.8기가바이트, 확산 트랜스포머 백본 10.2기가바이트, VAE 0.25기가바이트로 이루어진다. 이와 함께 최대 4K 토큰 길이의 프롬프트를 처리할 수 있으며, JSON 기반 레이아웃 설정을 통해 이미지 내부의 객체와 텍스트 배치를 정밀하게 제어한다.

아키텍처 구성과 시스템 가중치 관련 사진

사진: Taylor Vick · Unsplash

로컬 실행 요구 사양과 다운로드 지표

이 모델은 출시 후 4일 동안 여러 리포지토리에서 총 130만 회 다운로드되며 높은 관심을 모았다. 로컬 환경에서 실행할 때 RTX 3060 12기가바이트 GPU 기준 INT8 양자화 모델을 사용하면 VRAM 피크 9.7기가바이트를 기록하여 일반적인 사용자 환경에서도 구동이 가능하다. MOSS-Image 주요 실행 지표에 나타나듯, BF16 전체 모델을 그대로 실행할 경우에는 32기가바이트 이상의 VRAM이 권장된다.

출시 후 4일 만에 130만 회 다운로드를 기록했으며 RTX 3060 환경에서 INT8 모델 실행이 가능하다.

체크포인트와 활용 방식

MOSS-Image는 용도에 맞춰 선택할 수 있도록 두 가지 버전의 체크포인트를 제공한다. MOSS-Image-Base는 파인튜닝과 LoRA 학습에 적합하며, MOSS-Image-SFT는 명령어 튜닝이 적용되어 깔끔한 레이아웃과 정돈된 결과물을 생성한다. 또한 프롬프트 인핸서 기능은 외부 GPT-6 언어 모델을 활용하여 사용자의 명령어를 확장하고 보완하는 방식으로 작동한다.

참고