2026년 10월 29일 OpenMOSS는 공식 블로그에서 오픈 웨이트 이미지 생성 모델 MOSS-Image를 공개했다. 50억 개 파라미터의 단일 스트림 DiT를 기반으로 처음부터 사전 학습된 MOSS-Image는 포스터, 인포그래픽, 만화, UI 목업, 교육 자료처럼 텍스트가 많고 레이아웃 요구가 명확한 이미지 작업을 겨냥한다. 가중치는 Apache-2.0 라이선스로 공개되며 Base와 SFT 두 가지 버전이 제공되고 Diffusers, Gradio, ComfyUI 사용 경로도 안내된다.
두 가지 입력, 두 가지 작업 방식
MOSS-Image는 두 가지 입력 방식을 제공한다. 자연어 프롬프트는 빠른 초안에 적합하고, 재현과 반복 수정이 필요한 이미지에는 JSON Layout이 적합하다. 캔버스, 텍스트, 객체, 경계 상자를 명시해 각 요소의 위치, 크기, 공간 관계를 지정할 수 있기 때문이다. 두 입력은 동일한 텍스트 조건 경로를 사용하므로 아이디어 설명에서 레이아웃 지정까지 단계적으로 넘어갈 수 있다. 최대 약 4K 토큰의 프롬프트를 지원하고 줄 바꿈과 단락 구조를 유지한 채 중국어와 영어 장문을 렌더링하므로 제목, 설명, 대사, 표, 정보 밀도가 높은 시각 자료에 어울린다. 의도를 파악하는 프롬프트 향상 모듈은 짧은 요청을 콘텐츠와 레이아웃 명세로 확장할 수 있지만 선택적인 외부 계획 모듈이며, 로컬 백본만으로도 일반 프롬프트나 JSON Layout을 직접 입력할 수 있다.
벤치마크 수치는 따로 읽어야 한다
기술 보고서는 세 가지 수치를 제시한다. 장문 평가 LongLongTextBench에서 MOSS-Image의 Mean-6은 96.3으로 해당 평가의 오픈 웨이트 모델 중 최고이며, 레이아웃 평가 7Bench에서 검출 박스 mIoU는 0.8786, 종단 간 선호도 평가 RealLayoutArena에서 Elo는 1698.70으로 GPT Image 2의 1844.35에 이어 2위다. 이 수치들은 서로 다른 평가 방식에서 나온 것으로 하나의 통합 순위로 합칠 수 없다. 장문 점수는 텍스트 포함 범위와 렌더링 품질을 측정한 것이지 사실 정확도와 같은 의미가 아니며, 종단 간 순위는 각 시스템의 프롬프트 계획과 제품 파이프라인도 반영한다. 생성기만 동일한 향상 프롬프트로 비교하면 MOSS-Image는 1807.34를 기록한다.
누구에게 맞고, 한계는 어디인가
MOSS-Image는 로컬 배포, 재현 가능한 레이아웃, 자체 데이터로 추가 학습이 필요한 팀에 맞는다. Base 버전은 계속 사전 학습, 도메인 미세 조정, LoRA의 출발점으로 적합하고, SFT 버전은 더 안정적인 텍스트 그룹화와 화이트보드 스타일 레이아웃을 바로 체험할 수 있다. 한계도 분명하다. 현재 백본은 텍스트-이미지 생성 전용이라 참조 이미지를 받지 못하고 네이티브 이미지 편집 기능도 없으며, 프롬프트 향상은 외부 언어 모델에 의존하므로 계획 품질이 최종 결과에 영향을 준다. 이 모델의 가치는 범용 이미지 생성이 아니라, 텍스트를 어디에 둘지, 요소를 어디에 배치할지를 명시적이고 확인할 수 있는 입력으로 바꾸는 데 있다.
