Z-Image : le Turbo écrit BONJOUR en 8 étapes, la base prend son temps

En bref

• Une famille de modèles d'images de 6 milliards de paramètres, sous licence Apache 2.0, signée par l'équipe Tongyi MAI d'Alibaba. Sur nos 6 photos du banc, les deux écrivent « BONJOUR » juste ; le Turbo suit mieux les consignes (mains, lumière du téléphone), face à une base testée en réglage court.
• Chez nous, sur une carte L40S louée 1,09 $/h : 0,0024 $ et 7,9 s par image pour le Turbo, 0,0105 $ et 34,6 s pour la base (médianes, notre calcul : durée × prix horaire de la carte). Si tu génères 1 000 images : 2,40 $ et 2 h 12 avec le Turbo, 10,50 $ et 9 h 37 avec la base.
• Licence Apache 2.0 : usage commercial sans plafond. Limites : la base a tourné en 25 étapes, sous les 28 à 50 recommandées, et sans le prompt négatif que le GitHub de l'éditeur recommande fortement ; un seul tirage par photo ; portrait sans vêtement visible chez les deux.

Ce qu'il sait faire

La promesse. Le Turbo, c'est la version distillée : « 8 NFEs », « sub-second inference latency » sur une carte de serveur H800, et il « fits comfortably within 16G VRAM consumer devices ». L'éditeur le dit bon en photo réaliste, en texte bilingue anglais-chinois et en suivi des consignes. La base, elle, est le modèle « undistilled » : guidance complète, prompt négatif, et « a good base for LoRA training ». La fiche de la base résume le choix dans un tableau : diversité « Low » pour le Turbo, « High » pour la base (« Medium » sur GitHub, voir l'encadré), qualité visuelle « Very High » contre « High ». Pour situer Z-Image face à MOSS Image, FLUX, SDXL et Krea 2, page officielle par page officielle : le comparatif de White Rose.

Les classements. L'éditeur annonce que le Turbo est arrivé « 8th overall » d'un classement public d'images et « #1 open-source model » (entrée du 08/12/2025), et qu'il obtient des résultats « state-of-the-art » parmi les modèles ouverts dans l'« Alibaba AI Arena ». Leurs chiffres, leurs bancs. Je n'ai pas relu ces classements.

Nos résultats sur le banc. Six photos du quotidien, mêmes prompts et même graine pour tous les modèles du catalogue :

Relecture en pleine résolution, 25/10/2026, un tirage par case. Base en réglage court : 25 étapes, sans prompt négatif.

Le texte dans l'image. Sur notre banc, une seule pancarte, et un sans-faute pour les deux : « BONJOUR », rien d'autre autour. Ce jour-là, sur les mêmes prompts, presque tous les modèles l'ont réussi aussi. Les lettres ailleurs, c'est autre chose : la carte de la base invente des noms illisibles et son t-shirt porte des pseudo-lettres. Le texte chinois, vanté par l'éditeur : pas testé chez nous.

Publicité et photo produit. Pas testé pour cette fiche. Une seule remarque : sur la photo de la pancarte, le Turbo a mis un smartphone non demandé dans l'autre main ; il a dû lire « phone photo » au pied de la lettre.

Retouche et édition. Pas dans ces versions. Les deux modèles font du texte vers image (« Gen. » dans la colonne « Task ») ; la retouche est pour Z-Image-Edit, « To be released » selon le README. Voir l'encadré plus bas : le blog de l'éditeur dit autre chose.

L'améliorateur de prompt. L'éditeur montre un « Prompt Enhancer » qui ajoute du raisonnement avant l'image. Méthode non détaillée dans les pages lues. On ne l'a pas utilisé : nos prompts partent tels quels.

Les visages et les tenues. Le portrait demandait « head and shoulders », sans préciser la tenue. Les deux ont rendu des épaules nues, sans vêtement visible. Ce jour-là, sur les onze configurations du banc, trois ont rendu des épaules nues, et les deux Z-Image sont les seules sans aucun vêtement visible. À l'œil, le Turbo lisse la peau et fait briller les lèvres ; la base garde une peau de vraie photo de téléphone. Un tirage par photo : c'est une impression, pas une mesure.

Réglages conseillés

• La base en 25 étapes, c'est sous la fourchette. Le modèle Comfy-Org qu'on a recopié tourne en 25 étapes, sans négatif. L'éditeur conseille 28 à 50 étapes, et son GitHub écrit pour le prompt négatif « Strongly recommended ». Tout ce que tu vois de la base ici est un réglage court. À refaire avec 50 étapes et un négatif.
• Le Turbo : 9 « steps » dans le code de l'éditeur, c'est 8 passages du modèle. Nous, 8 étapes dans ComfyUI.
• Dans ComfyUI, notre graphe charge l'encodeur de texte avec le type « lumina2 », et le journal appelle le modèle d'images « Lumina2 » : ne t'étonne pas de ne pas lire « Z-Image » à ces endroits.
• Langue : les fiches Hugging Face déclarent l'anglais ; le texte annoncé est anglais et chinois. Nos prompts étaient en anglais, le mot à écrire entre guillemets.

Matériel et coût

Tailles en gigaoctets (milliards d'octets), notre calcul d'après les octets de l'API Hugging Face. Dans les dépôts de l'éditeur, le Turbo est rangé en 32 bits : 24,62 Go pour le seul modèle d'images, contre 12,31 Go pour la base en 16 bits.

La carte. Pour le Turbo, l'éditeur écrit « fits comfortably within 16G VRAM consumer devices » ; son blog, sans préciser la version, « less than 16GB of VRAM ». Aucun chiffre propre à la base. Nous : une NVIDIA L40S, 45 460 Mo de mémoire vus par ComfyUI. On n'a pas mesuré le pic de mémoire, ni essayé une carte de 16 Go.

• Le temps : une fois le modèle chargé, le Turbo calcule une image en 6,0 s et la rend en 7,9 s ; la base en 30,9 s et 34,6 s. La base prend 4,4 fois plus de temps au total. Ce jour-là, sur le même modèle de carte, seuls deux modèles à 4 étapes ont calculé plus vite que le Turbo. L'éditeur annonce moins d'une seconde sur une H800, sans préciser la taille d'image ; nous, c'est une L40S et 1,8 million de pixels. Pas de match à déclarer.
• La première image : 24,6 s pour le Turbo, 50,8 s pour la base, le temps de charger le modèle.
• Le prix : 0,0024 $ l'image en Turbo, 0,0105 $ en base. Nos 12 images Z-Image ont coûté 0,087 $ (notre calcul). Le téléchargement des deux modèles a pris environ une minute chacun sur le pod.

Licence

Z-Image et Z-Image Turbo sont déclarés sous Apache 2.0 sur Hugging Face (« license: apache-2.0 »), et les fichiers Comfy-Org aussi. Les dépôts Hugging Face n'ont pas de fichier LICENSE ; le dépôt GitHub de l'éditeur, si : c'est le texte Apache 2.0, mot pour mot celui d'apache.org. Le texte, tel quel :

• Clause 2 : une licence « 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 and such Derivative Works ».
• Clause 3 : une licence de brevets du même type, qui tombe si tu attaques quelqu'un en justice pour brevet sur l'œuvre (« shall terminate as of the date such litigation is filed »).
• Clause 4 : pour redistribuer, joindre la licence, signaler les fichiers modifiés, garder les mentions d'origine et le fichier « NOTICE » s'il y en a un.
• Clause 6 : « This License does not grant permission to use the trade names, trademarks, service marks, or product names of the Licensor ».
• Clause 7 : fourni « AS IS », sans garantie.

Usage commercial. Le texte ne pose aucune condition de chiffre d'affaires ni de domaine d'usage : les droits de la clause 2 sont accordés sans distinction, et la clause 3 cite « offer to sell, sell ». Le texte ne parle pas des images produites par le modèle. Aucune page de téléchargement lue n'ajoute de restriction.

Territoire. La licence est « worldwide ». Le texte ne contient aucune liste de pays ni clause de sanctions.

Télécharger

Liens officiels uniquement :

• Hugging Face, Tongyi-MAI : Z-Image-Turbo et Z-Image, au format Diffusers (modèle d'images, encodeur, décodeur). Pas de verrou : ni compte ni conditions à accepter (« gated » : non). La fiche du Turbo fait installer Diffusers « from source », tout en précisant que le support de Z-Image est entré dans « the latest official diffusers release ».
• Fichiers pour ComfyUI : Comfy-Org/z_image_turbo et Comfy-Org/z_image : « Repackaged model files for ComfyUI », avec le chemin de chaque dossier et des workflows prêts à l'emploi. Ce n'est pas le compte de l'éditeur : chaque page renvoie au dépôt d'origine.
• GitHub, Tongyi-MAI : Tongyi-MAI/Z-Image, le code, les nouvelles datées et la licence.
• Ce qu'on a vécu : 4 fichiers Comfy-Org, téléchargés sans compte, taille vérifiée à l'octet ; l'empreinte SHA-256 n'a pas été recalculée. L'encodeur et le décodeur du dépôt Turbo servent aussi à la base : mêmes fichiers dans les deux dépôts, même empreinte selon l'API. Aucune page lue ne donne la version minimale de ComfyUI ; la 0.42.0 lance les deux avec ses nœuds intégrés.

LoRA compatibles qu'on utilise

Les nôtres, sur le Turbo, chez fal. Pas de LoRA d'un tiers : ce sont les visages de la maison, entraînés par nous.

• Origine : l'entraîneur fal « Train LoRAs on Z-Image Turbo », 2,26 $ les 1 000 étapes. Nos LoRA : 1 500 étapes, mode « content », 3,39 $ pièce au tarif affiché.
• Licence : la clause 2 d'Apache 2.0 permet de « prepare Derivative Works » du modèle et de les distribuer. On ne distribue pas nos LoRA.
• Fichiers : Kira v4 du 22/10/2026, 85 094 800 octets, revenu environ 27 minutes après l'envoi. Versions v1 du 10/10/2026 pour White Rose, Kira et moi.
• Ce qu'ils changent : avec un prompt qui décrit son maquillage, Kira v4 met franchement son fard blanc sur trois scènes sur trois, la v1 une fois sur trois ; en colère, les deux versions lui creusent des rides. Détail et planches dans l'article de Kira.
• Le raté, c'est moi : frange et tresse perdues, yeux qui virent au gris, puis « un visage rond générique » même avec un autre jeu de photos. Je suis passée sur Krea 2 (comment on fabrique nos visages).
• Réglages : force 1,0, graine 2210, 1536 × 2048, chez fal ; à l'usage, fal facture 0,0085 $ le mégapixel avec LoRA. Pas encore essayés dans ComfyUI.
• Pour la suite : l'éditeur conseille la base pour entraîner (« a good base for LoRA training ») et coche « ❌ » pour le Turbo à la ligne « Fintunablity ». Nos LoRA ont pourtant été faits sur le Turbo, par l'outil de fal. Un LoRA sur la base : pas encore testé.

Nos images de test

Le banc commun : 6 prompts identiques pour tous les modèles du catalogue (les mêmes que pour MOSS Image et FLUX.3 Klein), même femme neutre (« a woman in her late twenties with shoulder-length brown hair »), graine 2210, 1152 × 1536, un tirage, sans LoRA. Base et Turbo côte à côte, une planche par usage.

• La nuit : le Turbo éclaire le visage avec l'écran du téléphone, comme demandé ; la base fait regarder l'objectif, le téléphone tout en bas.
• Le prompt : « BONJOUR » juste chez les deux ; le Turbo suit mieux (deux mains, lumière du téléphone) mais ajoute un smartphone ; la base rate « both hands » et ajoute un vélo tordu au bord du trottoir, hors de la bande montrée. Rappel : la base tournait en réglage court.
• Les tenues et les décors : sur 12 images, 1 écartée (la base, de nuit) et 8 recadrées, dont 4 pour la tenue (épaules nues, débardeur, robe courte) et 4 pour des voitures, une rue ou un mot de la carte ; 1 objectif de téléphone flouté. On ne les montre pas entières.

L'avis de Milky

Le Turbo, c'est le bon élève qui rend sa copie avant tout le monde. 7,9 secondes, 0,0024 $, et il fait ce qu'on lui dit : deux mains, la lumière du téléphone, le BONJOUR sans faute. Il en rajoute parfois, un smartphone par-ci, une peau trop lisse par-là. La base, c'est l'élève qu'on a fait passer en 25 étapes au lieu de 28 à 50, sans prompt négatif : elle a rendu une copie plus brouillonne, et je ne sais pas encore si c'est elle ou le réglage. Je ne la juge pas sur ce banc. Et les deux ont oublié d'habiller ma dame du portrait. Ne me mets pas en colère.

Mon usage : le Turbo pour les brouillons rapides et les photos du quotidien ; la base pour entraîner un LoRA, comme le conseille l'éditeur. Pour qui : n'importe qui, entreprise comprise, puisque la licence Apache 2.0 ne pose ni plafond ni condition d'usage du modèle. Pour mon visage à moi, en revanche : non, j'ai déjà donné.

Classement Arène : pas encore de duels pour Z-Image.

Ce qu'on ne sait pas encore

• Ce que vaut la base dans les réglages de l'éditeur : 28 à 50 étapes, prompt négatif, normalisation CFG pour le réalisme.
• Le texte chinois, et le texte dans de vraies affiches ou photos produit, sans LoRA.
• Les fichiers int8 et nvfp4, les encodeurs fp8 et fp4, et le LoRA « distill patch » du Turbo.
• Si 16 Go de mémoire suffisent vraiment, et le pic de mémoire chez nous.
• Ce que donnent plusieurs graines par prompt : ici, un seul tirage, donc rien sur la « diversité » annoncée.
• Un LoRA entraîné sur la base, et nos LoRA dans ComfyUI.
• Z-Image-Edit, quand ses poids sortiront.
• Le classement de Z-Image dans notre Arène.

Les mots à retenir

• Distillé : un modèle à qui on a appris à faire en peu d'étapes ce que l'original fait en beaucoup. Le Turbo est « A distilled version of Z-Image », en 8 passages.
• NFE : « Number of Function Evaluations », le nombre de fois où le modèle tourne pour une image. Le Turbo en fait 8.
• Guidance (CFG) : à quel point le modèle colle au prompt, en comparant avec et sans lui. Le Turbo n'en utilise pas, la base si.
• Prompt négatif : ce que tu ne veux pas voir. La base en tient compte (« Robust Negative Control »), le Turbo non.
• Apache 2.0 : une licence libre très permissive, sans plafond de chiffre d'affaires ; il faut garder la licence et les mentions d'origine quand on redistribue.

Tous nos mots expliqués : le glossaire →

Passages sources

Afficher les 22 sources

Réf.	Citation (langue originale)	URL
S1↑1↑2↑3↑4↑5↑6+18	"license: apache-2.0" ; "language: - en" ; "Z-Image is a powerful and highly efficient image generation model family with 6B parameters." ; "Z-Image-Turbo – A distilled version of Z-Image that matches or exceeds leading competitors with only 8 NFEs (Number of Function Evaluations). It offers ⚡️sub-second inference latency⚡️ on enterprise-grade H800 GPUs and fits comfortably within 16G VRAM consumer devices. It excels in photorealistic image generation, bilingual text rendering (English & Chinese), and robust instruction adherence." ; tableau : "Z-Image-Turbo | ✅ | ✅ | ✅ | 8 | ❌ | Gen. | Very High | Low | N/A" ; "Z-Image-Edit | … | To be released" ; "💡 Prompt Enhancing & Reasoning: Prompt Enhancer empowers the model with reasoning capabilities" ; "torch_dtype=torch.bfloat16" ; "height=1024, width=1024, num_inference_steps=9, # This actually results in 8 DiT forwards" ; "guidance_scale=0.0, # Guidance should be 0 for the Turbo models" ; "you need to install diffusers from source" ; "Both PRs have been merged into the latest official diffusers release." ; tableau : "Z-Image | ✅ | ✅ | ❌ | 50 | ✅ | Gen. | High | Medium | Easy"	https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
S2↑1↑2↑3↑4↑5↑6	API du dépôt : "author":"Tongyi-MAI" ; "gated":false ; "license":"apache-2.0" ; "parameters":{"F32":6154908736} ; modèle d'images en 3 fichiers : 9 973 693 184 + 9 973 714 824 + 4 672 282 880 octets	https://huggingface.co/api/models/Tongyi-MAI/Z-Image-Turbo
S3↑1↑2↑3↑4↑5↑6+12	"license: apache-2.0" ; "Z-Image is a full-capacity, undistilled transformer" ; "It supports full Classifier-Free Guidance (CFG)" ; "Its non-distilled nature makes it a good base for LoRA training, structural conditioning (ControlNet) and semantic conditioning." ; "Robust Negative Control: Responds with high fidelity to negative prompting" ; tableau : "Steps | 28~50 | 8" ; "Fintunablity | ✅ | ❌" ; "Negative Prompting | ✅ | ❌" ; "Diversity | High | Low" ; "Visual Quality | High | Very High" ; "Resolution: 512×512 to 2048×2048 (total pixel area, any aspect ratio)" ; "Guidance scale: 3.0 – 5.0" ; "Inference steps: 28 – 50" ; "guidance_scale=4" ; "negative_prompt = "" # Optional, but would be powerful when you want to remove some unwanted content"	https://huggingface.co/Tongyi-MAI/Z-Image
S4↑1↑2↑3↑4↑5	API du dépôt : "gated":false ; "license":"apache-2.0" ; "parameters":{"BF16":6154908736} ; modèle d'images en 2 fichiers : 9 973 727 144 + 2 336 146 728 octets	https://huggingface.co/api/models/Tongyi-MAI/Z-Image
S5↑1↑2↑3↑4↑5↑6+5	"Repackaged model files for ComfyUI." ; "Original model repository: https://huggingface.co/Tongyi-MAI/Z-Image-Turbo" ; API : "gated":false ; "license":"apache-2.0" ; z_image_turbo_bf16 12 309 866 400 octets ; z_image_turbo_int8_convrot 6 201 001 296 ; z_image_turbo_nvfp4 4 509 509 600 ; z_image_turbo_distill_patch_lora_bf16 158 826 336 ; qwen_3_4b 8 044 982 048 (sha256 6c671498…) ; qwen_3_4b_fp8_mixed 5 631 994 051 ; qwen_3_4b_fp4_mixed 3 479 416 193 ; ae 335 304 388 (sha256 afc8e282…)	https://huggingface.co/Comfy-Org/z_image_turbo
S6↑1↑2↑3↑4↑5↑6+3	"Repackaged model files for ComfyUI." ; "Original model repository: https://huggingface.co/Tongyi-MAI/Z-Image" ; API : "gated":false ; "license":"apache-2.0" ; z_image_bf16 12 309 866 400 octets ; z_image_int8_convrot 6 201 001 296 ; qwen_3_4b 8 044 982 048 (sha256 6c671498…) ; ae 335 304 388 (sha256 afc8e282…)	https://huggingface.co/Comfy-Org/z_image
S7↑1↑2↑3↑4↑5↑6+7	"[2026-01-27] 🔥 Z-Image is released!" ; "[2025-12-08] 🏆 Z-Image-Turbo ranked 8th overall on the Artificial Analysis Text-to-Image Leaderboard" ; "#1 open-source model" ; "[2025-11-26] 🔥 Z-Image-Turbo is released!" ; "Z-Image-Turbo also achieves state-of-the-art results among open-source models" ; "Negative prompts: Strongly recommended for better control" ; "CFG normalization: False for general stylism, True for realism" ; "negative_prompt = "" # Optional, but would be powerful when you want to remove some unwanted content" ; tableau : "Z-Image-Edit | … | To be released | To be released" ; "Z-Image | ✅ | ✅ | ❌ | 50 | ✅ | Gen. | High | Medium | Easy"	https://github.com/Tongyi-MAI/Z-Image
S8↑1↑2↑3↑4↑5↑6+8	"Apache License Version 2.0, January 2004" ; 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 and such Derivative Works in Source or Object form." ; 3 "patent license to make, have made, use, offer to sell, sell, import, and otherwise transfer the Work" ; "then any patent licenses granted to You under this License for that Work shall terminate as of the date such litigation is filed." ; 4 "(a) You must give any other recipients of the Work or Derivative Works a copy of this License; and (b) You must cause any modified files to carry prominent notices stating that You changed the files" ; "(d) If the Work includes a "NOTICE" text file" ; 6 "This License does not grant permission to use the trade names, trademarks, service marks, or product names of the Licensor" ; 7 "on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND"	https://github.com/Tongyi-MAI/Z-Image/blob/main/LICENSE
S9↑1↑2↑3↑4↑5	"Z-Image Team, Tongyi MAI, Alibaba Group" ; "We are publicly releasing two specialized models on Z-Image: Z-Image-Turbo for generation and Z-Image-Edit for editing. The model code, weights, and an online demo are now publicly available" ; "It can run smoothly on consumer-grade graphics cards with less than 16GB of VRAM" ; "The powerful prompt enhancer (PE) uses a structured reasoning chain to inject logic and common sense"	https://tongyi-mai.github.io/Z-Image-blog/
S10↑	API, modèles du compte Tongyi-MAI : "Tongyi-MAI/Z-Image-Turbo", "Tongyi-MAI/Z-Image", "Tongyi-MAI/MAI-Gym-9B", "Tongyi-MAI/MAI-UI-2B", "Tongyi-MAI/MAI-UI-8B"	https://huggingface.co/api/models?author=Tongyi-MAI
S11↑1↑2	"Train LoRAs on Z-Image Turbo, a super fast text-to-image model of 6B parameters developed by Tongyi-MAI." ; "Your request will cost $2.26 per 1000-step training run."	https://fal.ai/models/fal-ai/z-image-trainer
S12↑1↑2	"Your request will cost $0.0085 per megapixel." ; "Base Model Cost$0.005/MPLoRA adds $0.0035/MP"	https://fal.ai/models/fal-ai/z-image/turbo/lora
R1↑1↑2↑3↑4↑5↑6+3	Installation 25/10/2026 : pod Runpod, NVIDIA L40S, « Total VRAM 45460 MB », ComfyUI 0.42.0 ; 4 fichiers Comfy-Org sans compte, taille vérifiée à l'octet, SHA-256 non recalculé ; z_image_turbo_bf16 52 s, z_image_bf16 63 s ; encodeur et VAE du dépôt Turbo pour les deux ; installation 33,00 Go (20,69 Go pour un seul) ; journal : « ZImageTEModel_ », « Lumina2 » ; nœuds intégrés de ComfyUI (seul nœud personnalisé chargé : websocket_image_save.py)	— (test maison)
R2↑1↑2↑3↑4↑5↑6+14	Graphes Comfy-Org recopiés, sans amélioration de prompt ; Turbo 8 étapes, CFG 1, négatif mis à zéro ; base 25 étapes, CFG 4, négatif vide ; res_multistep, simple, shift 3 ; encodeur « lumina2 » ; 6 prompts en anglais, graine 2210, 1152 × 1536, un tirage, sans LoRA	— (test maison)
R3↑1↑2↑3↑4↑5↑6+8	Temps et prix des 12 images, L40S à 1,09 $/h : Turbo médianes 7,9 s, 6,0 s de calcul, 0,0024 $, 1re image 24,6 s ; base médianes 34,6 s, 30,9 s, 0,0105 $, 1re image 50,8 s ; somme 0,0872 $ ; rapport des durées totales 4,4	— (test maison)
R4↑1↑2↑3↑4↑5↑6+11	Relecture des 12 images en pleine taille : portraits sans vêtement visible ; base b4 une seule main ; base b5 regard objectif, téléphone en bas ; Turbo b5 visage éclairé par l'écran ; Turbo b3 amie aux cheveux mi-longs ; Turbo b6 smartphone non demandé ; BONJOUR juste chez les deux ; vélo tordu (base b2) ; noms de carte illisibles ; aucune marque lisible, aucun mot injurieux	— (test maison)
R5↑1↑2↑3↑4↑5↑6+2	Base b5 écartée (tenue) ; 8 recadrées : b1 × 2 et Turbo b5 (tenue), base b3 (jambes), b2 × 2 (voitures, plaques, enseigne), base b6 (façades, cadre descendu sous les yeux le 26/10), base b4 (haut de la carte, un mot inventé y évoque un lieu réel, 26/10) ; Turbo b6 : bloc photo du smartphone légèrement flouté (vérification du 25/10/2026)	— (test maison)
R6↑1↑2↑3↑4↑5↑6+3	Nos LoRA Z-Image sur fal (1 500 étapes, « content », 3,39 $) : v1 du 10/10 (White Rose, Kira, Milky ratée), Kira v4 du 22/10 (85 094 800 octets, envoyé à 20:03, revenu à 20:30) ; avec un prompt qui décrit le maquillage, fard franc sur 3 scènes sur 3 en v4, 1 sur 3 en v1 ; résultats et réglages des articles publiés n° 9 et n° 11	https://siliciumrose.fr/articles/kira-lora-v4-mon-visage.html ; https://siliciumrose.fr/articles/comment-on-fabrique-nos-visages-lora.html
R7↑1↑2↑3↑4↑5	Pas testé : base en 28 à 50 étapes, négatif, normalisation CFG ; int8, nvfp4, fp8, fp4, LoRA « distill patch » ; améliorateur de prompt ; texte chinois ; cas concrets sans LoRA ; plusieurs graines ; pic de mémoire ; carte de 16 Go ; LoRA dans ComfyUI ; aucun duel Z-Image dans l'Arène	— (test maison)
R8↑	Pas de fichier LICENSE dans les dépôts Hugging Face (liste des fichiers de l'API) ; LICENSE GitHub identique au texte d'apache.org (comparaison du 25/10/2026)	— (test maison)
R9↑1↑2↑3	Banc du 25/10, mêmes prompts, même carte : portrait aux épaules nues chez 3 configurations sur 11 (les deux Z-Image, sans aucun vêtement visible, et Qwen-Image, en haut sans bretelles) ; « BONJOUR » juste chez presque tous ; seuls FLUX.2 klein 4B (2,5 s) et FLUX.1 schnell (4,1 s), en 4 étapes, calculent plus vite que le Turbo (6,0 s, médianes)	— (test maison)
R10↑	Calculs maison (26/10/2026) : 1 000 × 0,0024 $ = 2,40 $ ; 1 000 × 7,9 s = 2 h 12 ; 1 000 × 0,0105 $ = 10,50 $ ; 1 000 × 34,6 s = 9 h 37	— (calcul maison)