图像视频Hugging Face上手难度 🔧 进阶#文生图#MOSS-Image#Kromoss#Hugging Face#ComfyUI#DMD2#8步出图#Apache-2.0#开源模型

Kromoss · Kromoss — MOSS-Image 全参微调的 5B 文生图模型

上线 14 小时冲上 HF 热门：5B 全参微调，PartiPrompts CLIP 28.13 反超基座，8 步出图

指标同步中，请稍后刷新查看在 Hugging Face 查看

5 分钟上手

建议 16GB+ 显存；ComfyUI int8 扩散模型单文件 5.4GB，文本编码器需另配 Qwen3.5-9B

# 1) 安装依赖（Diffusers 0.38+ / Transformers 5.3+）
pip install "diffusers>=0.38" "transformers>=5.3" "accelerate>=1.10" safetensors pillow

# 2) Diffusers 直接推理（50 步）
python - <<'PY'
import torch
from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained(
    "lodestones/Kromoss",
    custom_pipeline="pipeline_moss_image",
    trust_remote_code=True,
    torch_dtype={"default": torch.bfloat16, "vae": torch.float32},
)
pipe.scheduler = type(pipe.scheduler).from_config(pipe.scheduler.config)
pipe.to("cuda")

image = pipe(
    "a tabby cat holding a sign that says KROMOSS",
    height=1024, width=1024,
    num_inference_steps=50, guidance_scale=3.0,
    uncond_skip_layers=[22],
    generator=torch.Generator("cpu").manual_seed(42),
).images[0]
image.save("kromoss.png")
PY

# 3) ComfyUI：单文件放入 models/diffusion_models/，加载 8 步 LoRA 后用 euler/simple + CFG 1

项目速览

Kromoss 是独立开发者 lodestones 在 2026 年 10 月发布的 5B 文生图模型，基于 OpenMOSS 的 MOSS-Image-Base 做 1024px 全参微调，训练集 704k 张图，发布时使用第 11000 次更新的 EMA 权重。仓库上线约 14 小时即冲上 Hugging Face Trending，首月下载 21,143 次、254 个赞。

它完全沿用 MOSS-Image 的架构、推理管线和组件：Qwen3.5-9B 文本编码器、FLUX.2 small VAE 解码器，因此可以直接替换 MOSS-Image-SFT 的权重。模型采用 Apache-2.0 许可，仓库还附带两个 8 步 Turbo LoRA（DMD 与 DMD2），把 50 步 CFG 3 的采样压到 8 步 CFG 1。

能做什么

文生图：1024px 输出，支持中英文提示词与画面文字渲染
8 步快速出图：DMD/DMD2 LoRA 将采样从 50 步降到 8 步，适合批量与交互式生成
ComfyUI 直接替换：单文件 bf16 / int8 权重与 Comfy-Org MOSS-Image 工作流兼容
二次微调：提供转换与量化脚本，可把任意 MOSS-Image transformer 转成 ComfyUI 单文件
质量增强：PartiPrompts CLIP 分数从基座 27.19 提升到 28.13（8 步 DMD2）

怎么部署

Diffusers 需 0.38 以上、Transformers 5.3 以上，使用 custom_pipeline="pipeline_moss_image" 并开启 trust_remote_code；ComfyUI 当前 master 已原生支持 MOSS-Image，把 kromoss_bf16.safetensors 或 5.4GB 的 int8 版本放进 diffusion_models，再配 Qwen3.5-9B 文本编码器与 FLUX.2 VAE。8 步 LoRA 用 euler/simple、CFG 1，不要与 bf16 主权重合并。