Характеристики

Лицензия: Apache 2.0
Базовая модель: Z-Image
Библиотека: mlx
Опубликована: 30 июн 2026

Ссылки

Hugging Face

z-image-mlx

SceneWorks

Генерация изображенийТекст → изображение

Готовые MLX-снимки диффузионной модели Z-Image для генерации изображений из текстовых запросов на Apple Silicon.

0скачиваний за 30 дней0лайковвеса обновлены30 июн 2026

Бенчмарки

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

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

SceneWorks разместила готовые к запуску снимки Z-Image в формате MLX для генерации изображений по текстовым запросам на компьютерах Apple Silicon. Репозиторий содержит варианты Q4 с 4-битными весами, Q8 с 8-битными весами и плотный bf16; в каждом снимке есть трансформер, текстовый энкодер Qwen3, VAE, токенизатор и планировщик. В вариантах Q4 и Q8 квантованы трансформер, текстовый энкодер и механизм внимания VAE; исходная Z-Image описана как недистиллированная диффузионная модель с CFG.

Модель предназначена для прямой загрузки в настольное приложение SceneWorks без преобразования при установке. Это производная от Tongyi-MAI/Z-Image публикация с файлами safetensors и библиотекой MLX. Лицензия — Apache-2.0. Варианты с пониженной точностью уменьшают требования к памяти, но README не приводит количественных оценок качества или скорости.

Сценарии применения

генерация изображений по текстовому описанию на Mac с Apple Silicon
локальный запуск диффузионной генерации через приложение SceneWorks
выбор между компактной 4-битной, 8-битной и bf16-версией генератора изображений

Ограничения

Публикация ориентирована на запуск через MLX на Apple Silicon. README не приводит количественных сравнений качества, скорости или потребления памяти между вариантами точности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Z-Image — MLX quant-matrix (SceneWorks re-host)

Pre-built MLX (Apple Silicon) quantization tiers of Tongyi-MAI/Z-Image, hosted by SceneWorks for direct, ready-to-run loading in the SceneWorks desktop app (no install-time conversion, no gated download).

Tiers

Each subdirectory is a complete, self-contained snapshot (transformer + Qwen3 text encoder + VAE + tokenizer + scheduler) that the SceneWorks z_image engine loads directly:

Tier	Subdir	Precision	Use
Q4 (default)	`q4/`	4-bit group-affine (group 64) weights; dense norms	smallest footprint (undistilled base, real CFG)
Q8	`q8/`	8-bit group-affine weights	higher fidelity
bf16	`bf16/`	dense bf16	maximum fidelity

The transformer, text encoder, and VAE attention are quantized in the Q4/Q8 tiers; the bf16 tier is the full dense model. The packed weights auto-detect their quantization on load (no manifest needed).

License

Apache-2.0, inherited from the upstream Tongyi-MAI/Z-Image. This is an unmodified-weights re-host (re-quantized for MLX). All credit to the Tongyi-MAI team.

Как запустить

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

GPU в ailist

Универсальный рантайм · mlx

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Ревизия весов: c74f74c