MOSS-Image-Base: JSON 레이아웃으로 텍스트 위치까지 제어하는 5B 이미지 모델

MOSS-Image-Base는 OpenMOSS 팀이 공개한 5B 파라미터 규모의 텍스트-투-이미지 기반 모델이다. 자연어 프롬프트는 물론 태그 시퀀스와 JSON 레이아웃을 입력으로 받아 텍스트 배치와 객체 배열을 정밀하게 제어할 수 있다. Apache 2.0 라이선스로 배포되어 상용 환경에서도 자유롭게 활용할 수 있다.

기존 생성 모델과 달리 JSON 구조의 레이아웃을 프롬프트로 전달하면 장면 내 텍스트와 객체의 좌표를 명시적으로 지정할 수 있다. 이를 통해 화이트보드나 메모지 같은 구조화된 이미지 생성 시 텍스트 그룹핑과 레이아웃 정렬이 더 명확하게 나타난다. SFT 버전과 비교했을 때 Base 모델은 이러한 구조적 제어를 위한 기본 인프라를 제공한다.

Diffusers 라이브러리와 함께 동작하며 FLUX.2 small VAE를 사용한다. NVIDIA GPU와 CUDA 환경에서 bfloat16 정밀도로 추론을 수행한다. ComfyUI 네이티브 플러그인도 지원하여 워크플로우 통합이 가능하다.

정확한 텍스트 렌더링과 객체 위치 제어가 필요한 그래픽 디자인, 인포그래픽 생성, 또는 UI 목업 제작에 적합하다. GPT-6 계열 에이전트와 결합해 아이디어를 상세 캡션이나 공간 레이아웃으로 변환하는 파이프라인 구축에도 활용할 수 있다.