MOSS Image : il écrit vos affiches, fautes de frappe en prime

En bref

• Un modèle d'images ouvert de 5 milliards de paramètres, fait pour le texte dans l'image et la mise en page S7S4. Sur nos 30 visuels de pros en 9:16, la version SFT a un résultat exact 15 fois : 10 cas sur les 25 où il y avait du texte à écrire, plus les 5 où il n'en ajoute pas R5.
• Chez nous, une image coûte 0,0108 $ en 50 étapes, ou 0,0014 $ en 8 étapes avec le LoRA DMD2 (médianes, notre calcul : temps de carte × prix horaire) R5.
• Licence Apache 2.0 : usage commercial permis, aucune exclusion de pays S3S7. Limite : la page Civitai précise que l'édition d'image et les images de référence ne font pas partie de « this release » S7, et il ajoute du charabia non demandé sur un tiers de nos images R5.

Ce qu'il sait faire

Le texte dans l'image. C'est sa promesse : « Generate clear, accurate text within images » S4. Le labo annonce une « average text coverage of 96.3% » sur LongLongTextBench (mesure non détaillée dans le résumé), un banc qu'il a lui-même créé, et la meilleure note des modèles ouverts sur ce banc S13. Son chiffre, son banc. Chez nous, sur 30 cas concrets (affiches, pubs, menus, posts réseaux), MOSS SFT est exact 15 fois. Attention : 5 de ces cas ne demandaient aucun texte. Sur les 25 qui en demandaient, il écrit tout juste 10 fois. Il ne se trompe jamais sur tout : les 15 autres cas sont « partiels » (un mot faux, un mot ajouté, une ponctuation perdue) R5.

Un cas sans texte demandé compte « exact » si le modèle n'en ajoute pas. Relecture en pleine résolution, 23/10/2026. R5

Publicité et photo produit. Un nom court sur un produit, il sait : « SILICE » sur un flacon, « ONDE » sur un casque, « Atelier Milky » sur une étiquette R6R5. Ça se gâte quand l'image laisse de la place à du texte en plus : il y ajoute du charabia (des lettres qui ne forment aucun mot) que personne n'a demandé. La relecture en signale sur 10 images sur 30, sans comme avec DMD2 R5. Un correctif ? Je ne connais ni LoRA ni réglage qui l'empêche de façon fiable, donc je n'en ai pas testé, et je ne vais pas t'en inventer un. Le seul réflexe sûr : lire chaque texte de l'image en pleine taille avant de publier.

Un raté que je te montre : la vraie marque. Sur la pub de chaussures, on demandait une marque inventée, « FOULÉE ». MOSS accéléré (DMD2) l'écrit bien, mais il dessine aussi la virgule d'une vraie marque de sport sur la brassière et sur la chaussette R5. Pour une pub, c'est le raté le plus gênant : ta marque se retrouve à côté de celle d'un autre. Au passage, il recopie un bout du prompt dans l'image, « INVEND FRAND » pour « invented brand », et ajoute une ligne de charabia en bas R5.

Les ratés de MOSS ont un style. Il écrit « L'ADLISSION » au lieu de « L'ADDITION » (et « L'ADDISSION » avec DMD2), et glisse un « cinèma » avec un accent grave en dessous. Il remplace « Avant » par « Aafore », un faux mot anglais R6. Et sur la pub d'un gadget inventé, il ajoute des lignes en chinois que personne n'a demandées, avec ou sans DMD2 R6. Sa page Hugging Face déclare deux langues, l'anglais et le chinois S1. Je dis ça, je dis rien.

La mise en page. MOSS accepte un prompt en JSON qui place chaque texte et chaque objet dans une case de l'image S4S5. Le guide de l'éditeur classe ce mode en « Experimental » S5. Pas encore testé chez nous R7.

Retouche et édition. Pas annoncées. La page Civitai, dans sa partie sur son générateur en ligne, précise : « Image editing and reference images are not part of this release » S7. Le dépôt GitHub parle de « controlled editing » par la mise en page : on modifie le JSON (texte, descriptions, cases) pour ajuster le contenu de l'image S4. Rien n'y parle de retoucher une photo existante, et on ne l'a pas testé R7.

Réglages conseillés

• Le guide : il est écrit pour la version Base ; la page SFT y renvoie pour la taille, l'échantillonnage et le prompt S1S5.
• Langue : l'anglais est conseillé, le chinois et d'autres langues sont acceptés S7. Nos prompts étaient en anglais, avec le texte français à écrire entre guillemets R6.
• Texte : mets des guillemets autour du texte à écrire, et des retours à la ligne là où tu les veux S7S5.
• Le saut de couche (une couche interne du modèle sautée pendant une partie du calcul) : selon le guide, sans lui l'image paraît « very realistic, but it may also cause some details to collapse » S5. Nos images ont tourné sans R2. À refaire avec.
• L'amélioration de prompt : l'éditeur fournit un « Prompt Enhancer », une compétence pour agents qui transforme une idée en description détaillée ou en mise en page S4. On ne s'en est pas servi : nos prompts sont partis tels quels R2.

Matériel et coût

Tailles en gigaoctets (milliards d'octets). Notre calcul d'après les tailles des fichiers. S2S7S8

La carte. Aucune des pages officielles qu'on a lues ne donne la mémoire de carte nécessaire pour générer S1S4S7. Le seul chiffre, « as little as 6GB VRAM », concerne l'entraînement de LoRA avec l'outil KohakuMossTrainer S4. Nous, on a utilisé deux cartes de 32 Go : une RTX 5090 (banc commun) et une RTX PRO 4500 Blackwell (cas concrets) R3R5. On n'a pas mesuré le pic de mémoire R7.

• Le temps : au banc, 17,5 s de calcul par image en 50 étapes ; 1,9 s avec DMD2, soit 9 fois plus vite R3. La toute première image est plus lente, le temps de charger le modèle : 53,8 s et 44,5 s R3.
• Le prix : la RTX 5090 était à 1,19 $/h, la RTX PRO 4500 à 0,72 $/h R3R5. Les 30 cas concrets nous ont coûté 0,335 $ en SFT et 0,086 $ avec DMD2, attentes comprises (notre calcul) R5.

Licence

MOSS Image est sous Apache 2.0 : « The model weights and bundled inference code are released under the Apache License, Version 2.0 » S1. Le texte, tel quel :

• Clause 2 : « a perpetual, worldwide, non-exclusive, no-charge, royalty-free, irrevocable copyright license to reproduce, prepare Derivative Works of, publicly display, publicly perform, sublicense, and distribute the Work » S3.
• Clause 4 : si tu redistribues, « You must give any other recipients of the Work or Derivative Works a copy of this License » et « You must cause any modified files to carry prominent notices stating that You changed the files » S3.
• Clause 6 : la licence ne donne pas le droit d'utiliser « the trade names, trademarks, service marks, or product names of the Licensor » S3.
• Clause 7 : le modèle est fourni « AS IS », sans garantie S3.

Usage commercial. La licence ne contient aucune clause qui l'interdit S3. La page Civitai le résume ainsi : « Commercial use, derivatives and LoRAs are allowed; keep the licence notice with any redistribution » ; l'usage commercial des images y est coché S7. Le texte d'Apache parle du « Work » (les poids et le code) ; il ne contient pas de clause sur les images produites S3.

Territoire. Aucune exclusion de pays : la licence est « worldwide » S3.

Télécharger

Liens officiels uniquement :

• Hugging Face, OpenMOSS : MOSS-Image-SFT pour générer, MOSS-Image-Base pour entraîner des LoRA S7. Format Diffusers, pour le code Python de l'éditeur S1. Dépôt non verrouillé : pas de conditions à accepter avant de télécharger S2.
• GitHub, OpenMOSS : OpenMOSS/MOSS-Image, le code, le guide d'utilisation et les nouvelles S4S5.
• Comfy-Org (fichiers pour ComfyUI) : Comfy-Org/MOSS-Image, les mêmes poids reconditionnés en fichiers uniques, avec des modèles de workflow S9.
• Civitai, miroir officiel : MOSS Image, publié par le compte CivitaiOfficial, fichiers repris de Comfy-Org S7. C'est là qu'on a pris les nôtres, par l'API officielle de Civitai ; chaque empreinte SHA-256 recalculée correspond à celle annoncée R1.
• Il faut un ComfyUI récent. Le support de MOSS est entré dans ComfyUI le 16/10/2026, et « As of October 19, 2026, the v0.41.3 release does not include this support » S6. Chez nous : la 0.30 ne le lance pas, la 0.42.0 oui R1. Autre détail de la même page : ComfyUI et le code Python de l'éditeur ne donnent pas la même image avec la même graine (« matching seeds and parameters do not guarantee identical images ») S6.

LoRA compatibles qu'on utilise

DMD2 (8 étapes). Un LoRA d'accélération : il apprend à MOSS à faire en 8 étapes ce qu'il fait en 50 S10. Il a été distillé à partir de la version Base et marche aussi sur SFT S10S8.

• Origine : créé par lodestones, dans le dépôt Kromoss : « 8-steps-dmd2-lora.safetensors (recommended) » S10.
• Licence vérifiée : Apache 2.0. Le README du dépôt : « The weights and the bundled inference code […] are released under the Apache License, Version 2.0 » ; le fichier LICENSE du dépôt est le texte Apache 2.0 complet S10S11.
• Notre fichier : la version allégée (0,63 Go) publiée sur Civitai par le compte tsolful (page « MOSS Image Turbo LoRAs », un reconditionnement, pas la page de l'auteur), qui précise : « I did not train, distill, or create the original Turbo/DMD LoRA weights » et indique « License: Apache-2.0 » S8R1.
• Réglages de l'auteur : 8 étapes, CFG 1, Euler, force 1, un seul LoRA d'accélération à la fois S10S8. « 4 steps also works » S10. Nous : 8 étapes, CFG 1, force 1 R2.
• Ce qu'il change : 9 fois plus rapide au banc R3, mais 13 textes exacts sur 30 au lieu de 15, le seul défaut net d'anatomie de nos 60 images MOSS (un bras fondu dans la chemise), et 3 images écartées sur 30 contre 1 R5R6.

Trois autres LoRA d'accélération sont installés chez nous mais pas encore testés : SFT 4 étapes d'akhaliq, SFT 8 étapes et Base 8 étapes de lodestones R1. Leurs pages Hugging Face indiquent toutes « license: apache-2.0 » S14S15S16.

Nos images de test

Le banc commun : 6 prompts identiques pour tous les modèles du catalogue, même femme neutre (« a woman in her late twenties with shoulder-length brown hair »), graine 2210, 1152 × 1536, un tirage R2R3.

• « BONJOUR » : juste, deux fois. Avec un smiley sans DMD2, un cœur avec. Personne ne les a demandés R4.
• La nuit : le visage est bien éclairé par l'écran du téléphone, avec et sans DMD2 R4.
• Le texte du décor : MOSS invente des enseignes, « TOS HIIOCRA » en SFT, « DOSELAS » avec DMD2 R4.
• Le visage : même graine, même prompt, et le portrait DMD2 montre une autre femme que le portrait SFT R4.
• Les tenues : sur les 12 images du banc, tout le monde est habillé normalement R4. Sur les 60 cas concrets MOSS, 3 images ont été écartées parce que la tenue ne respectait pas nos règles : jamais montrées. Une 4e avait été écartée pour le vrai logo d'une marque de sport ; je te la montre plus haut, parce que ce raté-là, c'est le modèle qui le fait R5.

L'avis de Milky

MOSS SFT, c'est le bon élève des petits textes : un nom de marque, un prix, une étiquette. Il éclaire bien une scène de nuit. Il est lent, mais à un cent de dollar l'image, je ne vais pas pleurer. Dès que l'affiche a trois blocs de texte, il remplit les trous avec du charabia, et il lui arrive d'écrire un titre faux en très gros. Avec DMD2, tu gagnes un facteur 9 en vitesse et tu perds un peu de précision. Mon usage : DMD2 pour chercher l'idée, SFT pour l'image finale, et toujours relire chaque lettre avant de publier. Pour qui : une TPE qui veut une affiche ou une photo produit avec un nom court, avec un modèle téléchargeable et une licence simple.

Ce qu'on ne sait pas encore

• Ce que donne MOSS avec le saut de couche 22 réglé comme l'éditeur le conseille : nos images ont tourné sans.
• Ce que vaut la mise en page en JSON, et l'amélioration de prompt de l'éditeur.
• La mémoire de carte qu'il faut vraiment, au minimum.
• Ce que donnent plusieurs graines par prompt : ici, un seul tirage.
• La version Base, Kromoss et les trois autres LoRA d'accélération.
• Le classement de MOSS dans notre Arène : pas encore de duels.

Les mots à retenir

• Étapes : le nombre de passes de « débruitage » pour fabriquer l'image. Plus il y en a, plus c'est long.
• CFG : à quel point le modèle colle au prompt. 3 par défaut chez MOSS S1.
• LoRA : un petit fichier ajouté à un modèle pour changer son style, son personnage ou sa vitesse.
• Distillation (DMD2) : on apprend à un modèle à faire en 8 étapes ce qu'il faisait en 50 S10.
• int8, bf16 : deux façons de stocker les nombres du modèle. int8 prend environ deux fois moins de place S7.
• Charabia : des lettres inventées qui ne forment aucun mot.

Tous nos mots expliqués : le glossaire →

Passages sources