MOSS-Image：50亿参数开源模型强化中英长文本与版式生成

开源图像模型MOSS-Image采用50亿参数单流扩散Transformer，并以意图感知提示增强生成中英长文本与复杂版式图。报告称其在LLTB平均文字覆盖率96.3%，开源权重中领先；RLA端到端列第二。模型、训练方案与评测将发布，价格及国内可用性未知。

H1 个来源0.099219491730631271 小时前文生图开源模型扩散Transformer长文本版式生成MOSS-Image

要点

MOSS-Image从零预训练50亿参数单流扩散Transformer，并加入意图感知的智能体式提示增强，以改善中英长文本渲染和版式控制。
报告称其在LongLongTextBench平均文字覆盖率达96.3%，居开源权重模型前列；RealLayoutArena端到端系统比较排名第二，骨干在共享增强提示下排名第一。
作者计划发布模型、训练方案与评测框架，但价格、发布细节和国内可用性未知，目前未实测。

闭源图像系统已能生成信息密集图形，开源文生图仍常在密集文字和复杂版式上失准。MOSS-Image以50亿参数扩散Transformer和意图感知提示增强缩小这一差距，并公布长文本与版式评测结果。

面向需要中英长文本海报、信息图和复杂版式图像的研究者、开发者，以及关注开源文生图进展的社区。

技术报告称将发布模型、训练方案和评测框架，资料亦列出OpenMOSS-Team/MOSS-Image-Base；具体入口、价格和国内可用性均未知，本条未实测。

本站已实测

本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。

Matrix-Game 4.0 让轻量引擎负责规则和状态，视频模型将低多边形画面转成细致视觉，编码智能体则修改场景与玩法。论文报告 RTX 5090 上实现 480p、60 帧交互，按键到显示延迟为 112 毫秒，并宣布开放代码与资产。实时帧率需与响应延迟分开看。

BizAgentBench 将 789 份知识文档、601 项业务工具和 50 个长流程任务放进可执行环境，既核验最终目标，也检查中间步骤约束。论文显示只看任务完成会掩盖无效操作；HF 早期标题为 BizBench，arXiv 修订版已改名。同时还应记录任务过程中的工具调用成本。

UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。

爱范儿梳理 PHP2Shell 漏洞披露与紧急修补过程，介绍 OpenAI 安全研究在构造可复现证据中的作用。事件涉及底层软件广泛使用带来的连锁影响；具体风险取决于运行版本与部署条件，不能把使用 PHP 都等同于已经遭入侵。