MOSS-Image는 푸단대학교 OpenMOSS 팀이 2026년 10월 16일에 오픈소스로 공개한 텍스트-이미지 생성 모델이다. GitHub 저장소는 OpenMOSS 조직 아래에 있으며 프로젝트 이름은 MOSS-Image, 가중치는 Apache-2.0 라이선스로 공개됐다. 결론부터 말하자. 긴 문구가 들어간 포스터, 인포그래픽, 이커머스 이미지를 자주 만들어야 한다면 들여볼 만하고, 가끔 실사 사진을 뽑고 싶은 정도라면 굳이 구축할 필요가 없다.
오픈소스 이미지 생성의 오래된 약점을 해결한다
대부분의 오픈소스 텍스트-이미지 모델은 화면에 문자가 들어가면 무너지는데, 중국어는 특히 심해서 글자가 많을수록 틀리는 곳도 많아진다. MOSS-Image는 바로 그 지점을 보완한다. 50억 파라미터 확산 모델 본체에 Qwen3.5 텍스트 인코더와 FLUX.2 VAE를 결합해, 긴 텍스트 렌더링 평가 LLTB에서 평균 텍스트 커버리지 96.3%를 기록하며 평가 대상 오픈 웨이트 모델 중 1위를 차지했다. 더 실용적인 것은 레이아웃 제어다. 자연어 프롬프트 외에도 JSON 문서를 함께 넣어 각 요소의 위치와 각 행의 문구를 지정할 수 있어 제목, 주 시각 요소, 보조 요소의 위치를 미리 고정할 수 있고 레이아웃을 운에 맡기지 않아도 된다. 프롬프트는 최대 4K 토큰까지 지원해 여러 주체와 공간 관계, 스타일 요구를 한 번에 넣어도 수월하다.
배포 비용: 온라인 데모를 먼저 써보고 설치를 결정하자
입구는 두 가지다. 성능만 보고 싶다면 Hugging Face Spaces의 공식 온라인 데모를 열어 문자를 입력하면 되고, 설치는 필요 없다. 로컬에서 돌리고 싶다면 GitHub의 OpenMOSS/MOSS-Image 저장소를 클론하고 안내에 따라 의존성을 설치한 뒤 Python 파이프라인이나 Gradio 화면으로 이미지를 만든다. Diffusers와 ComfyUI도 지원한다. 대가는 GPU다. 로컬 추론에는 NVIDIA 그래픽 카드와 CUDA 환경이 필요하고, 전용 GPU가 없는 컴퓨터라면 시도하지 않는 편이 낫다. 데모로 충분하다.
이미지를 만들기 전에 알아둘 세 가지 함정
첫째, 버전을 잘못 고르지 말 것. MOSS-Image-Base는 미세 조정과 LoRA 훈련용 기반 모델이고, 바로 이미지를 만들려면 MOSS-Image-SFT를 선택해야 한다. 둘째, JSON 레이아웃 좌표는 캔버스 중심을 기준으로 하므로 숫자 하나만 틀려도 요소가 어긋난다. 본 작업 전에 작은 이미지로 한 번 시험해 보자. 셋째, 중국어와 영어 외의 문자에 대한 공개 평가가 없으므로 다른 언어는 직접 테스트해야 한다. 또 커뮤니티 지적에 따르면 이 모델에는 콘텐츠 가드레일이 없어 상용으로 쓰기 전 직접 한 번 검수해야 한다. 영어 포스터만 만드는 사람이나 Midjourney 같은 상용 솔루션을 이미 갖고 있는 사람에게 MOSS-Image의 매력은 그다지 크지 않다.
