MOSS-Image-SFT-4-steps

MOSS-Image-SFT-4-steps 是MOSS-Image 4 步加速lora,其最新的 v2.0 版本（2026年10月18日发布）进行了重大架构简化，目前已成为 Euler 原生模型。

这意味着用户只需加载单个 lora.safetensors 文件，即可在任何标准的 LoRA 加载器中，配合库存的流匹配 Euler 采样器运行。

核心性能与特性

该模型通过数据空间 DMD 蒸馏技术，从 8 步模型热启动，实现了在保持高画质的同时大幅降低推理步数。

• 极速推理：在单块 A100 上生成 1024×1024 图像仅需约 11 秒（4 次前向传播，bf16 基础 + fp32 LoRA），无需使用 CFG 或负面提示。
• 卓越的文本与数字保真度：在少步生成模型中表现突出。在相同提示词和种子的对比测试中，该模型是唯一能准确渲染复杂数字组合（如“62% / 38%”）的选项，而其他同类模型容易出现数字错乱或乱码。
• 双语文本渲染：经过专门的标志词汇训练，能够稳定生成包含中英文混合的文本，如店面招牌、菜单或信息图表。
• 高分辨率支持：已验证支持 1024²、1536×1024 乃至 2048² 分辨率，且无平铺（tiling）接缝问题。
• 开箱即用：项目提供了一体化仓库，包含完整的管道、文本编码器、VAE、CLI 推理脚本以及训练代码。

ComfyUI 快速部署指南

要获得最佳体验，建议使用 2026 年 10 月 16 日之后更新的 ComfyUI 版本，以确保 Load CLIP 节点支持 moss_image 类型。

部署需下载以下 4 个文件并放入对应目录：

1. moss_image_sft_bf16.safetensors (10 GB) 放入 models/diffusion_models/
2. qwen3.5_9b_int8_convrot.safetensors (10 GB) 放入 models/text_encoders/
3. flux2-vae.safetensors (0.3 GB) 放入 models/vae/
4. moss_image_sft_4step_v2.0.safetensors (1.2 GB) 放入 models/loras/

加载官方提供的 moss-image-4step-turbo.json 工作流即可。其核心参数已预设妥当：LoraLoaderModelOnly 强度设为 1.0，采样器选择 euler 或 simple，步数设为 4，CFG 设为 1.0。

避坑与高质量输出建议

在使用该蒸馏模型时，参数设置至关重要。如果继续套用默认 MOSS-Image 模板（25–50 步，CFG 2.5–3），输出画面会出现严重的涂抹或过熟现象。必须严格遵循 4 步和 CFG 1.0 的设置；若生成 1024² 以上分辨率的图像，可适当调整为 6–8 步。

对于追求极致画质的用户，建议在 Load Diffusion Model 节点中直接加载合并后的 fp32 单文件 moss_image_sft_4step_v2.0_fp32.safetensors，并完全跳过 LoRA 加载。标准的 LoRA 修补过程会将 fp32 增量转换为 bf16 权重，这往往是导致精细文本细节丢失的原因。

此外，项目还提供了草稿模式选项。用户可将 LoRA 文件替换为 2 步版本，预览速度可提升约一倍，待构图满意后再切换回 4 步进行最终渲染。

实测对比表现

在公开的 4 步生成竞赛中，该模型展现出明显的效率与准确性优势。在相同提示词和种子下，其生成耗时为 5.6 秒，而对比模型（如 lodestones lora_latest 8 步或 rapid-moss 4 步）耗时达 11.2 秒。同时，它是测试中唯一所有数字均正确渲染的面板，验证了其在复杂文本生成任务上的可靠性。