Модель предназначена для генерации изображений по текстовому описанию и рассчитана на использование в ComfyUI через расширение ComfyUI-GGUF. Она подходит для сценариев text-to-image, где важны поддержка CFG, negative prompts и LoRA.

Модель построена на архитектуре Lumina2 на базе DiT и содержит около 6 млрд параметров. Это non-distilled-версия, для которой рекомендуется использовать 28–50 шагов генерации. Доступны варианты z_image_base_Q8_0.gguf размером 6,8 ГБ с ориентировочной потребностью в 7–8 ГБ VRAM и BF16-размером 12,4 ГБ с потребностью примерно в 13 ГБ VRAM; вариант Q8_0 обеспечивает лучшее соотношение размера и качества, тогда как BF16 соответствует исходному представлению. Языки, максимальный контекст и другие модальности в представленных данных не указаны.

Модель распространяется по лицензии Apache 2.0, как и исходная Z-Image. Для работы требуются ComfyUI и пользовательские узлы ComfyUI-GGUF; файл модели размещается в каталоге моделей UNet и загружается через специальный узел. Ключевые ограничения связаны с необходимостью совместимого окружения ComfyUI и достаточного объёма видеопамяти, а также с тем, что квантизация может влиять на качество по сравнению с исходной моделью.