Открытая text-to-image-модель MOSS-Image (OpenMOSS-Team, лицензия Apache-2.0), опубликованная на Hugging Face 11 октября 2026 года, за первые две недели после релиза получила несколько сторонних дополнений для ComfyUI: ноду, которая подаёт токены референс-изображений прямо в текстовый энкодер Qwen3.5-9B вместо текстового промпта; LoRA, отдающую PNG с настоящим альфа-каналом сразу из сэмплилера, без хромакея и background removal; и слайдер резкости, работающий без триггер-фраз. Отдельные LoRA обучаются на одной потребительской видеокарте, а весь конвейер запускается локально.

image
image

Что произошло

19 октября появился репозиторий thezveroboy/ComfyUI-MossTextEncoder (лицензия MIT) с нодой cond2img от @chlorinemag: она подаёт токены reference-изображений прямо в энкодер Qwen3.5-9B вместо текстового промпта и принимает до 16 картинок с масками; заявленный сценарий использования — трейн и тест чужих LoRA. 26 октября опубликована LoRA paralaif/MOSS-Manga-Alpha-Image-LoRA: rank 32, датасет из 503 синтетических RGBA-картинок, обучение на одной RTX 5060 Ti 16 ГБ за около 1500 шагов; в результате PNG с настоящим альфа-каналом отдаёт сам сэмплилер, для чего используется 4-канальный RGBA VAE от модели FLUX.2 klein (trmz/flux2-klein-alpha). Эта же лора адаптирована под Krea 2 через Wan-Alpha v2 VAE, а с Kroma не работает. В тот же день вышла aoleg/MOSS-Sharpness-Slider (rank 8, 72 фотографии, около 500 шагов; автор опубликовал чекпоинт с 400 шагов) — слайдер резкости и размытия без триггера, которым управляют силой LoRA от 1 до −1.

Контекст

Особенность MOSS-Image в том, что условие подаётся в неё через единственный канал — текстовый энкодер Qwen3.5-9B. Нода cond2img опирается именно на эту точку входа: судя по её описанию, энкодер принимает не только текстовые, но и «не-текстовые» токены изображений, что превращает картинку в промпт. Второй элемент фона — переносимость латентных пространств: прозрачность достигается подменой VAE на четырёхканальный RGBA-вариант, взятый из других моделей (FLUX.2 klein, а для Krea 2 — Wan-Alpha v2), поэтому альфа-канал формируется на этапе сэмплинга, а не в постобработке, где раньше требовались хромакей и background removal. Третий элемент — экономика дообучения: 503 синтетические картинки на примерно 1500 шагов на одной RTX 5060 Ti 16 ГБ задают низкий порог входа в доработку только что вышедшей открытой модели, а синтетический датасет вместо ручной разметки делает такой путь воспроизводимым.

Почему это важно для индустрии

Для индустрии главный сигнал — темп: за две недели вокруг Apache-2.0-модели сложилась сторонняя экосистема готовых аддонов, которые уже запускаются локально в ComfyUI на потребительских картах. Типовые функции коммерческих редакторов — прозрачные ассеты, управление по референсу, параметрические слайдеры стиля — здесь появляются силами сообщества без вендорских API и лицензионных ограничений. Низкий порог дообучения означает, что профильная LoRA к свежему релизу может появиться в считанные дни, а архитектура с модульным энкодером и сменными VAE-адаптерами превращает открытую модель в платформу с community-плагинами. Если паттерн «чужой RGBA VAE плюс conditioning через энкодер» подтвердится на независимых воспроизведениях, в горизонте полугода вероятны подключаемые RGBA-VAE под разные бэкенды и готовые сервисы вокруг этих паттернов, включая конвертеры из референса в условие; в горизонте пары лет преимущество может сместиться к продуктам, владеющим собственными self-hosted пайплайнами на открытых весах.

Почему это важно для пользователей

Всё проверяется сегодня локально в ComfyUI. Чтобы получать PNG с альфа-каналом, достаточно поставить кастомный загрузчик ComfyUI-RGBA-VAE, подключить файл flux2_klein_alpha_rgba_vae.safetensors от trmz и закончить промпт фразой «, isolated on a transparent background» — сохранённый файл будет с альфа-каналом; для Krea 2 есть своя версия лоры с двумя Wan-Alpha v2 VAE. Резкость и размытие регулируются силой LoRA от 1 до −1 без какой-либо триггер-фразы, что позволяет плавно вести кадр от мягкого к контрастному. Нода cond2img подключается как обычная кастом-нода и экономит время при тесте чужих LoRA: вместо текстового описания подаются до 16 референс-картинок с масками. В исходном посте собраны ссылки на все репозитории и карточки моделей, включая воркфлоу регионального промптинга, которому достаточно 10 ГБ VRAM.

Что пока неизвестно / ограничения

В доступных источниках нет бенчмарков качества этих инструментов против закрытых решений: заявленные функции и даты не заменяют измеренного сравнения, поэтому разговор о скорости экосистемы остаётся наблюдением, а не вердиктом. Приём энкодером Qwen3.5-9B токенов изображений описан автором ноды cond2img и заслуживает независимого воспроизведения. Генерализация альфа-лоры за пределы манга-домена (датасет из 503 синтетических картинок) не оценена. Слайдер резкости заметен только на MOSS Base и почти не действует на SFT+Turbo, а опубликованный чекпоинт снят с 400 шагов при общей длине около 500 шагов, так что влияние SFT и дистилляции на низкоранговые направления управления стоит перепроверить. Прогнозы о рынке подключаемых VAE и смещении преимущества к открытым весам — гипотезы, требующие проверки.

Источники

Автор

Look at AI, редакция