openmoss/moss-image 是用文本生成图像的 MOSS-Image 的官方仓库。这是一个 5B 参数规模的扩散 Transformer（DiT）模型，主打在图像中表现文字的文本渲染能力，以及对文本和物体位置的控制。代码与模型权重以 Apache-2.0 许可证公开。
README 中介绍了 MOSS-Image-Base 与 MOSS-Image-SFT 权重。可以用 JSON 布局指定图像中文字与物体的位置，同时支持长提示词以及基于像素坐标的绝对布局输入。仓库说明称提示词最多可接收 4K token。仓库还提供 Python 与 Gradio 的用法，以及用于 ComfyUI 的插件。权重发布在 Hugging Face 上，管线类 MOSSImagePipeline 已注册到 diffusers。该仓库着重强调的不是训练方法，而是利用公开权重进行图像生成与布局控制。
不过仓库中没有训练代码，构架内容以推理封装、Gradio 应用、ComfyUI 插件和网站资源为主。README 强调高效微调，但仅凭该仓库能否完成微调尚未得到确认。仓库内也没有给出支撑文本准确度与图像质量的数值。已记录的提交为 10 个，所提供的信息中没有最新发布版本。因此公开的功能可以确认，但用来判断性能与训练路径的依据有限。