Question 1

¿Qué es Z-Image?

Accepted Answer

Z-Image es un modelo fundacional de texto a imagen de 6.000 millones de parámetros creado por Tongyi MAI, equipo del grupo Alibaba. Funciona sobre un Scalable Single-Stream Diffusion Transformer (S3-DiT), que concatena texto, tokens semánticos visuales y tokens VAE de imagen en una sola secuencia de entrada en vez del esquema de doble flujo habitual en los diffusion transformers. El informe técnico es arXiv:2511.22699 y los pesos están bajo Apache 2.0.

Question 2

¿Qué es Z-Image Turbo?

Accepted Answer

Z-Image Turbo es la versión destilada del checkpoint base. Llega a la imagen terminada en 8 evaluaciones de función con la guidance a 0, y por eso se siente instantáneo al lado de un sampler de 50 pasos. Tongyi MAI reporta latencia por debajo del segundo en una H800 empresarial y afirma que el checkpoint cabe con holgura en 16 GB de VRAM de consumo. Salió el 26 de noviembre de 2025, dos meses antes que el modelo base.

Question 3

¿Qué es mejor, Z-Image base o Turbo?

Accepted Answer

Están afinados para trabajos distintos. El model zoo oficial califica a Turbo de calidad visual «muy alta» pero diversidad «baja», y lo marca como no ajustable. El modelo base es de calidad «alta» y diversidad «media», acepta prompts negativos y trabaja con guidance entre 3,0 y 5,0. Regla práctica: Turbo cuando quieres una sola imagen buena y rápida; el base cuando necesitas variación entre semillas o un punto de partida para entrenar.

Question 4

¿Cómo ejecuto Z-Image en local?

Accepted Answer

Descarga Tongyi-MAI/Z-Image-Turbo o Tongyi-MAI/Z-Image desde HuggingFace o ModelScope y ejecútalo con la clase ZImagePipeline de diffusers, donde el soporte ya está integrado en el repositorio oficial. También hay nodos para ComfyUI. Turbo cabe en 16 GB de VRAM con bfloat16 y el proyecto stable-diffusion.cpp documenta cómo correrlo en una tarjeta de 4 GB. Para el modelo base, el rango recomendado va de 512×512 a 2048×2048 de área total de píxeles, con cualquier relación de aspecto.

Question 5

¿Por qué mi Z-Image Turbo local va tan lento?

Accepted Answer

La cifra por debajo del segundo de la ficha del modelo está medida en una H800. En una tarjeta de consumo esos mismos 8 pasos tardan más, y las causas habituales son que se active la descarga a CPU cuando falta VRAM, ejecutar en float32 en vez del bfloat16 recomendado, o una primera pasada compilada que paga su coste único de compilación. Proyectos comunitarios como Cache-DiT, LeMiCa y MeanCache existen justamente para recuperar ese tiempo.

Question 6

¿Puedo usar Z-Image comercialmente?

Accepted Answer

Ambos repositorios se publican bajo Apache 2.0, que permite uso comercial, modificación y redistribución siempre que conserves los avisos de licencia y atribución. Eso cubre los pesos. Sigues siendo responsable de lo que pides en tus prompts y de los derechos sobre cualquier material que aportes como referencia.

	Autoalojado	En EditlyEditly
Qué necesitas	Una tarjeta CUDA, Python y un diffusers o ComfyUI reciente	Un navegador y una cuenta
VRAM	Turbo entra en 16 GB con bfloat16; stable-diffusion.cpp documenta 4 GB	Ninguna tuya, la inferencia corre en el servidor
Puesta en marcha	Descargar pesos y depurar el entorno	Iniciar sesión y escribir
Control del sampler	Pasos, guidance, scheduler, prompt negativo y semilla	Prompt y formato; el muestreo viene preconfigurado
LoRA y fine-tuning	El modelo base admite fine-tuning; Turbo figura como no ajustable	No disponible
Edición de imagen	A la espera de que salga el checkpoint Edit	Solo texto a imagen
Forma del coste	Hardware y luz por delante, después poco por imagen	3 créditos por imagen, sin hardware
Licencia de los pesos	Apache 2.0, se quedan contigo	Apache 2.0, el mismo modelo, alojado

	Z-Image Turbo	Base	Edit
Estado	Publicado el 26 de noviembre de 2025	Publicado el 27 de enero de 2026	Anunciado, aún sin publicar
Pasos de muestreo	8	50 (28–50 recomendados)	50
Guidance sin clasificador	Apagada, guidance 0	Encendida, guidance 3,0–5,0	Encendida
Tarea	Texto a imagen	Texto a imagen	Edición por instrucciones
Calidad / diversidad	Muy alta / baja	Alta / media	Alta / media
Admite fine-tuning	No	Sí	Sí
Prompts negativos	No se usan	Muy recomendados	Aún sin documentar

Usa Z-Image online, sin GPU propia

Z-Image en local o en la nube: qué prefieres pagar

Por qué Z-Image rinde por encima de sus 6B

Tipografía dibujada dentro de la propia imagen

Ocho evaluaciones de función gracias a Decoupled-DMD

Pesos abiertos Apache 2.0, no un modelo solo de API

Qué te pide realmente el formulario de Z-Image

Abre el generador de imágenes

Describe la escena

Elige formato y genera

Z-Image Turbo frente a la base y a Edit

Z-Image: licencia, hardware y la diferencia con Turbo

Prueba Z-Image sin instalar nada