阿里千問Z-Image實測來了！不輸Banana，開源王者？

原本，小雷以為今年下半年AI圈子的熱鬧，也就是那樣了。

閉源這邊，由Gemini 3 Pro驅(qū)動的Nano-Banana Pro，幾乎改變了大家對于平面設(shè)計的認(rèn)知；開源這邊，F(xiàn)lux 2.0的突然開源，也讓普通人能夠自行部署的圖像生成效果大大提升，只要優(yōu)化做得好，人人都能跑出像模像樣的圖。

那時候同事還跟我打賭，說這兩款大模型的風(fēng)潮，最起碼能領(lǐng)跑個半年。

結(jié)果沒想到，打臉來得這么快。

就在這兩天，阿里的通義千問團(tuán)隊突然甩出了一張王炸——Z-image，上線即登頂開源社區(qū)熱門榜第一位。

（圖源：Hugging Face）

這名字聽著挺硬核，但真正嚇人的是它的定位：一款60億參數(shù)（6B）的開源圖像生成模型。

這消息一出來，我和同事都在群里炸鍋了。要知道，在現(xiàn)在的生圖領(lǐng)域，6B這個參數(shù)量，基本就是個弟弟。隔壁那些動不動幾十B甚至上百B的大模型，光是權(quán)重文件下載下來都能把硬盤塞滿。

阿里這是要干嘛？拿個“弟弟”來跟一群肌肉猛男打擂臺？

帶著這種好奇，小雷第一時間去把Z-image給拖了下來，還特意找來了兩個當(dāng)紅炸子雞——字節(jié)的豆包和最近紅得發(fā)紫的Nano-Banana Pro，看看這仨的差距到底在哪？

千問Z-image體積小，部署門檻超低

先別急著看圖，咱們得先聊聊這個Z-image到底是個什么來頭，以及如果你想玩，得準(zhǔn)備點啥。

按照官方介紹，Z-Image（中文名“造相”）是阿里巴巴通義實驗室研發(fā)并開源的高效圖像生成基礎(chǔ)模型，定位為“輕量且高性能”的AI圖像解決方案，對標(biāo)參數(shù)量20B以上的閉源旗艦?zāi)Ｐ汀?/p>

而這款產(chǎn)品本身，參數(shù)量只有6B。

在AI界，參數(shù)量大概可以理解為模型的“腦容量”。一般來說，腦容量越大，懂的知識越多，畫出來的細(xì)節(jié)越豐富，而Nano-Banana Pro之所以文生圖的效果極為出色，很大一部分原因就在于谷歌訓(xùn)練出來的極高參數(shù)量。

但代價就是，你得有個好顯卡伺候著。

以最近開源的Flux 2為例，32B的參數(shù)量，你不掏個24GB顯存的3090/4090，基本連啟動這一關(guān)都過不去。

（圖源：Flux 2）

但Z-image這個6B就很靈性了。

小雷看了一下官方文檔，它的硬件門檻簡直低得讓人感動。哪怕你是好幾年前的 RTX 3060，或者是隨便整一張顯存6GB的消費級主流顯卡，配合上現(xiàn)在成熟的量化技術(shù)，也能跑得飛起。

這就意味著，你不用為了玩?zhèn)€AI畫圖，還得專門去配臺主機(jī)。你手邊那臺用來打LOL的游戲本，甚至是一些高性能的輕薄本，都能變成你的創(chuàng)意工坊。

要把這個東西跑起來，其實很簡單。

講究一點的，你可以去Hugging Face下載模型，搭配上tonyhub這類簡潔前端和一條工具流就能用。

不太講究的，只要下載ComfyUI最新版，或者是升級一下本地版，就直接可以使用了，都不需要安裝第三方節(jié)點。工作流已經(jīng)內(nèi)置了，只需要打開模板，點擊Z-image-Turbo即可，接下來按照官方提示下載、放置模型就OK了。

（圖源：ComfyUI）

當(dāng)然，如果你說小雷我連顯卡都沒有，是核顯用戶怎么辦？

也沒事，現(xiàn)在像這種開源模型，Hugging Face和阿里的魔搭社區(qū)（ModelScope）上通常都有現(xiàn)成的在線Demo。雖然排隊可能要等一會兒，但勝在白嫖，不用白不用嘛。

實戰(zhàn)表現(xiàn)：體積小卻很精悍

不過，光說不練假把式。參數(shù)小了，效果是不是也跟著縮水了？

為了驗證這點，我也做了一些測試，用相同的Prompt，看看它和目前國內(nèi)外常用的兩家圖片生成大模型的對比。

先看幾個純粹的生圖效果。

Prompt：人類考古學(xué)家在金字塔挖掘現(xiàn)場發(fā)現(xiàn)一個旋轉(zhuǎn)金屬球的真實手持拍攝，手持紀(jì)錄片現(xiàn)實主義，真實手持風(fēng)格。

（自上而下為，Z-image/豆包/Nano-Banana Pro）

在這組圖片中，只有Nano-Banana Pro能夠還原出紀(jì)錄片拍攝的界面和質(zhì)感。

至于Z-image和豆包，他倆在這張圖片上的表現(xiàn)其實相差無幾，但是Z-image圖片的一致性則明顯有點偏高，多次反復(fù)嘗試，在相同參數(shù)下得出來的結(jié)果都是極為相似的，根據(jù)網(wǎng)友分析，可能是內(nèi)置參數(shù)帶來的影響。

（圖源：Z-image）

再來一張人像，試試三家的成色。

Prompt：一張平平無奇的iPhone照片，無精心構(gòu)圖和打光，日常快拍，松弛氛圍感亞洲美女，穿著寬松厚毛衣與牛仔闊腿褲，舒適隨性。她隨意站在街頭或咖啡館門口，肩上自然背著一只單肩包，款式簡潔低調(diào)，增添生活氣息。

（自上而下為，Z-image/豆包/Nano-Banana Pro）

在這組圖片中，三張圖片都沒有什么問題，都可以做到真實感強(qiáng)，光影自然，畫面里頭也不存在明顯的呲漏。

要真說有啥不同，明顯Z-image和豆包更符合國人審美，而Nano-Banana Pro生成的華人有明顯的ABC特征。

接下來，我們試一下簡單的海報設(shè)計，Prompt太長就不在這里列舉了：

（自上而下為，Z-image/豆包/Nano-Banana Pro）

這組圖很有意思，可以看出，在更新迭代后，Nano-Banana Pro應(yīng)對一般的中文嵌入已經(jīng)沒啥問題了。

論細(xì)節(jié)和光影的話，這我覺得大家都在伯仲之間。

既然單格圖片問題不大，那么多格圖片教程又如何呢？

Prompt：手賬風(fēng)格，出一個番茄炒蛋的制作步驟教程圖，步驟說明要中文，落款是##。

（自上而下為，Z-image/豆包/Nano-Banana Pro）

這組圖差距就很明顯了，我們不難看出，只有Nano-Banana Pro能夠掌握多格圖片的生成和數(shù)字順序的含義，基本上一次出圖。

Z-image這邊，粗看是有那么點意思，但是數(shù)字標(biāo)注完全是錯的。

最后，讓我們看看二次元/漫畫圖片的生成。

Prompt：日本漫畫風(fēng)格，初音未來和洛天依撕開一張海報并穿越到現(xiàn)實中，酷炫的彩鉛作畫，動態(tài)多彩的畫面。

（自上而下為，Z-image/豆包/Nano-Banana Pro）

這一對比，差距馬上就出來了，只有Nano-Banana Pro知道兩位角色，構(gòu)圖也很有意思，豆包雖然沒有洛天依的概念，但是起碼還有個構(gòu)圖的優(yōu)勢，Z-Image就是根本不知道在干些什么了。

只能說，在知識量這塊，Z-Image確實還是比不上閉源模型。

至于圖生圖，或者圖片編輯之類的能力，目前開源的Z-Image-Turbo是沒有的，咱們還是等等Z-Image-Edit吧。

評測總結(jié)：堪稱圖片AIGC開源界扛把子？

測完這幾輪，小雷心里的評價大概有了譜。

Z-image強(qiáng)嗎？強(qiáng)。

在中文語境的理解、在單張圖片的審美、以及最重要的——在硬件資源的利用率上，它簡直是當(dāng)下開源界的T0級別。

雖然在復(fù)雜推理和精準(zhǔn)編輯上，它還打不過Nano-Banana Pro這樣的閉源大佬，目前也缺失了圖片編輯相關(guān)的能力，但在90%的日常使用場景里，它已經(jīng)能做到“夠用”甚至“好用”。

這對于那些想嘗試AIGC的中小企業(yè)，或者是像我們這種想在本地搞搞創(chuàng)作的個人用戶來說，意義太大了。

而且別忘了，它是開源的。

這意味著什么？意味著明天可能就會有大神在它的基礎(chǔ)上，訓(xùn)練出專門畫二次元的、專門畫建筑設(shè)計的、專門做電商海報的各種微調(diào)模型。

（圖源：Reddit）

就像當(dāng)年的安卓手機(jī)一樣，一開始可能不如蘋果流暢，但架不住玩的人多、改的人多，生態(tài)一旦起來了，那爆發(fā)力是驚人的。

所以，如果你問小雷：Z-image值得折騰嗎？

我的回答是：只要你有張顯卡，哪怕是入門級的，都值得下下來玩玩。

畢竟，不用花錢，不用買昂貴的算力，就能在自己硬盤里養(yǎng)一個隨叫隨到的畫手，這種把技術(shù)握在自己手里的感覺，可是那些在線生成平臺給不了的。

而且按照阿里這個“卷”法，我有預(yù)感，明年這個時候，我們可能就能在手機(jī)上跑這種級別的模型了。

到時候，人人都是神筆馬良的時代，可能真的就不遠(yuǎn)了。

CES2026開幕在即！（1月6日-1月9日）
作為中國報道科技展會最悠久、最深入、最專業(yè)的新媒體，雷科技CES2026報道團(tuán)正在進(jìn)行緊張的前期籌備。屆時雷科技將派出史上最大規(guī)模的CES報道團(tuán)，并由雷科技創(chuàng)始人兼總編輯羅超帶隊，對CES2026進(jìn)行一線、專業(yè)和立體報道，敬請期待！