/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
3,7 млрд
Размер весов
8 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
Z-Image-Turbo
Библиотека
transformers
Опубликована
6 июн 2026

Z-Image-Engineer-V6

Генерация текстаТекст → текст3 профессии

Дообученный текстовый энкодер Qwen3 для улучшения запросов к Z-Image Turbo и кодирования текста в его рабочих процессах.

533скачиваний за 30 дней85лайковвеса обновлены22 июн 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Z-Image-Engineer V6 — дообученный текстовый энкодер Qwen3 объёмом 3,7 млрд параметров, разработанный BennyDaBall на базе Tongyi-MAI/Z-Image-Turbo. Модель предназначена для локального улучшения коротких запросов к генератору изображений Z-Image Turbo и может также заменять его штатный текстовый энкодер в соответствующих рабочих процессах. Для работы заявлен контекст до 40 960 токенов.

Модель преобразует краткую идею в подробное описание сцены, добавляя композицию, направление освещения, фактуру материалов и разделение планов. В README указаны обучение SMART DoRA, этапы дообучения для сохранения чисел, цветов, надписей, объектов и пространственных отношений, а также настройка против повторов. Доступны сценарии использования с LM Studio и ComfyUI; эта версия содержит веса Safetensors, а отдельный репозиторий предлагает квантизованные варианты GGUF. Модель генерирует и кодирует текстовые запросы, но сама не создаёт изображения. Лицензия — Apache-2.0.

Сценарии применения

  • Развёртывание короткой идеи в подробный запрос для генерации изображения
  • Добавление композиции, освещения и фактур в запрос к Z-Image Turbo
  • Замена штатного текстового энкодера Z-Image Turbo в ComfyUI
  • Локальное улучшение запросов к изображениям в LM Studio
  • Переписывание запроса и его кодирование одним локальным рабочим процессом

Ограничения

Модель предназначена для подготовки и кодирования текстовых запросов, а не для самостоятельной генерации изображений. Для использования как текстового энкодера требуется совместимый рабочий процесс Z-Image; заявленная функциональность и качество описаны в карточке модели, без независимых оценок.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Z-Image-Engineer V6 (4B)

Follow me on X @BennyDaBall_OG !

Model Metadata

KeyValue
LicenseApache-2.0
LanguageEnglish (en)
Base ModelTongyi-MAI/Z-Image-Turbo
Librarytransformers
Pipeline Tagtext-generation
FormatHF Safetensors

The Z-Engineer returns, fully rebuilt around the SMART DoRA training system for Z-Image Turbo.

Yes, we jump from V4 to V6. Unlike the usual guy math, this one actually brought the extra two inches.

Z-Image-Engineer V6 is a fine-tuned 4B Qwen text encoder (Tongyi-MAI/Z-Image-Turbo) optimized for dual-role performance: a local prompt-enhancement model and a merged HF text encoder for Z-Image workflows. The ComfyUI-Z-Engineer node runs both roles fully inside ComfyUI from this release.

Z-Image-Engineer V6 simple A/B with rewrites


What is Z-Image-Engineer V6?

V6 transforms minimal seed prompts into rich, highly structured visual narratives. It adds explicit scene composition, lighting direction, material texture, and depth separation while stripping out empty prompt sludge like "8k, masterpiece, trending on ArtStation."

It can also be used directly as a Z-Image text encoder. This repo contains the merged HF safetensors. The GGUF quantized release lives in the companion repo: Z-Image-Engineer-V6-GGUF.

Key Use Cases

  • Prompt Enhancement: Upgrade simple concepts into descriptive, high-fidelity visual prompts locally.
  • Text Encoder Swap: Replace the stock Z-Image Qwen text encoder to generate different conditioning from the same seed.
  • Hybrid Mode: Use V6 to rewrite your prompt, then use V6 again to encode it. It writes the scene and drives the image model.
  • Private Local Workflow: Built for LM Studio, ComfyUI, and llama.cpp. No API logs, no external telemetry.

Under the Hood: SMART DoRA

V4 pioneered SMART training. V6 adapts that system into a Weight-Decomposed Low-Rank Adaptation (DoRA) framework.

DoRA provides surgical adapter updates by decoupling directional and magnitude adjustments. SMART adds auxiliary pressure so the model does not collapse into repetitive prompt loops or superficial sentence patterns.

RegularizerWhat it DoesWhy it Matters
EntropicBroadens output probability diversity.Reduces repetitive loops and generic vocabulary.
HolographicEnforces structured, depth-wise feature logic.Improves foreground/background hierarchy.
TopologicalStabilizes coherent latent trajectories.Keeps prompts flowing naturally instead of stalling out.
ManifoldRegulates overall weight distributions.Keeps model behavior stable under high-pressure refinement.

The Refinement Pipeline

V6 was not a simple one-and-done training run. The final architecture is a blended composite:

  1. Base Pass: Master-corpus SMART DoRA training on the native Z-Image Turbo text encoder.
  2. Retention Pass: Preservation pressure for numbers, color accuracy, text signage, named objects, actions, and spatial tracking.
  3. SceneClean SFT32: Supervised refinement to restore the cinematic V4/base-V6 voice.
  4. AntiRepeat Binary24: Binary anti-repeat refinement to reduce loops, abrupt fragments, and bad endings.
  5. Final Blend: A 25% style-restoration / 75% anti-repeat DoRA adapter blend, balancing vivid descriptions with tighter syntax.

Quick Start

LM Studio: Prompt Enhancement

Use this merged HF release directly where supported, or download a GGUF quant from Z-Image-Engineer-V6-GGUF for LM Studio. No complex system prompt is required.

Enhance this image prompt for Z-Image Turbo: a unicorn

The comparison examples were generated from direct LM Studio user requests like this, with no separate system prompt. V6_SYSTEM_PROMPT.md is included only as an optional preset for people who want a stricter prompt-only chat setup.

ComfyUI: Text Encoder + Local Prompt Enhancer

Use the ComfyUI-Z-Engineer custom node (v2.0+). It loads this repo's sharded safetensors release directly and runs V6 as both the Z-Image text encoder and an in-ComfyUI prompt enhancer - no LM Studio or external server required.

  1. Download this repo into ComfyUI/models/text_encoders/Z-Image-Engineer-V6/ (the three model-0000X-of-00003.safetensors shards plus model.safetensors.index.json).
  2. Add Z-Engineer CLIP Loader (Safetensors / Shards) and pick Z-Image-Engineer-V6/ from the dropdown.
  3. Wire clip into your Z-Image CLIP Text Encode - V6 replaces the stock Qwen text encoder.
  4. Optional: add Z-Engineer Prompt Enhancer (Local) with the same clip to rewrite seed prompts in-process; the enhanced prompt is previewed right on the node.

A ready-made workflow ships with the node repo: example_workflows/z_image_turbo_z_engineer.json.

Prefer smaller files? Use a quant from Z-Image-Engineer-V6-GGUF with the node's Z-Engineer CLIP Loader (GGUF) instead.

Verified Image Settings

UNET: z_image_turbo_bf16.safetensors
VAE: ae.safetensors
Text Encoder: Z-Image-Engineer-V6 (this repo's sharded safetensors, or a GGUF quant)
Resolution: 1024x1024
Steps: 8
CFG: 1.0
Sampler: res_multistep
Scheduler: simple
Shift: 3.0

Training Specifics

ParameterSpecification
Base Text EncoderTongyi-MAI/Z-Image-Turbo/text_encoder
TokenizerTongyi-MAI/Z-Image-Turbo/tokenizer
MethodSMART DoRA / PEFT Adapter Training
Rank / Alpha / Dropout64 / 64 / 0.03
Target Modulesq_proj, k_proj, v_proj, o_proj, gate_proj, down_proj, up_proj
Refinement StackSupervised Style SFT + Binary Anti-Repeat
Final PackagingMerged HF safetensors

GGUF Quantization Ladder

The quantized release is separate on purpose:

BennyDaBall/Z-Image-Engineer-V6-GGUF

That repo contains the full GGUF ladder: F16, Q8_0, Q6_K, Q5_K_M, Q4_K_M, Q3_K_M, and MXFP4.


Verification & Proof

The bundled comparison image is:

evidence/gallery_z_image_engineer_v6_simple_ab_with_rewrites_CONTACT.png

It compares foundational prompts across four isolated control paths:

  1. Stock Encoder + Raw Prompt
  2. V6 Encoder + Raw Prompt
  3. Stock Encoder + V6 LM Studio Rewrite
  4. V6 Encoder + V6 LM Studio Rewrite

Disclaimer & Acknowledgements

This model is a prompt engineer and text encoder. Diffusion is still diffusion; structural expansion improves compositional adherence, but it does not mathematically guarantee a perfect seed every single time. Use creative judgment locally.

  • Tongyi-MAI for the Z-Image Turbo ecosystem.
  • Qwen for the adaptable text encoder backbone.
  • The open-source maintainers behind LM Studio, ComfyUI, llama.cpp, PEFT, and Transformers.
  • My local power utility provider, for sustaining the research grid.

Built & trained locally with care by BennyDaBall.

Follow me on X @BennyDaBall_OG !

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
7450bb1

0 моделей