5B 오픈 이미지 AI MOSS-Image, 긴 글 렌더링 96.3%

MOSI 인텔리전스와 중국 푸단대·상하이교통대 등이 참여한 연구진 MOSI.AI가 10월 16일 50억(5B) 파라미터 오픈웨이트 이미지 생성 모델 MOSS-Image를 공개했다. 연구진이 함께 낸 MOSS-Image 기술 보고서에 따르면 이 모델은 평균 1,340자 분량의 영어·중국어 긴 글을 이미지에 그려 넣는 시험에서 글자 재현율 96.3%를 기록해 공개 가중치 모델 가운데 가장 높은 점수를 냈다.

핵심 정리

• MOSS-Image는 처음부터 사전학습한 5B 디퓨전 트랜스포머로, 가중치를 Apache 2.0 라이선스로 공개했다.
• 긴 글 렌더링 벤치마크 LLTB에서 96.3%를 기록해 Qwen Image 2512(64.9%)를 31.4%포인트 앞섰다.
• 사람이 블라인드로 비교한 디자인 평가 RealLayoutArena에서는 GPT Image 2에 이어 2위에 올랐다.

MOSS-Image는 어떤 모델인가

MOSS-Image는 긴 문장과 복잡한 배치가 들어간 포스터·인포그래픽을 만드는 데 초점을 맞춘 생성형 AI 이미지 모델이다. 공개된 체크포인트는 기본 모델 MOSS-Image-Base와 선별 데이터로 추가 학습한 MOSS-Image-SFT 두 가지다. 프롬프트는 최대 4K 토큰까지 받고, 글자와 사물의 위치를 좌표로 지정한 JSON 레이아웃도 같은 입력 경로로 처리한다.

모델 가중치와 추론 코드는 OpenMOSS의 GitHub 저장소와 Hugging Face에 올라왔다. 실행하려면 CUDA를 지원하는 엔비디아 GPU와 Python 3.10, PyTorch 2.9 이상이 필요하다. ComfyUI 플러그인과 LoRA 파인튜닝 안내도 함께 제공한다.

긴 글자 렌더링 성능은 상용 모델과 얼마나 차이 나나

연구진이 새로 만든 LongLongTextBench(LLTB)는 영어·중국어 각 120개, 총 240개 과제로 구성되며 과제당 목표 텍스트가 평균 1,339.8자, 최장 2,863자에 이른다. 기존 LongTextBench의 평균 120.3자보다 10배 이상 긴 글을 그려야 하는 셈이다.

MOSS-Image는 상용 모델인 Qwen Image 3.0 Pro와 Seedream 5.0 Pro(55.3%)보다 높은 점수를 냈다. 다만 가장 긴 중국어 구간에서는 92.4%로 떨어져, 글이 길어질수록 누락이 늘어나는 한계도 드러났다.

디자인 품질 평가에서 몇 위였나

MOSS-Image는 61개 짧은 디자인 요청을 사람이 블라인드로 짝지어 비교한 RealLayoutArena에서 Elo 1698.70점으로 9개 시스템 가운데 2위를 기록했다. 1위는 OpenAI의 GPT Image 2(1844.35점)였고, 3위는 Seedream 5.0 Pro(1661.16점), 5위는 Nano Banana Pro(1590.19점)였다. 모든 모델에 같은 상세 프롬프트를 넣은 비교에서는 MOSS-Image 본체가 1807.3점으로 가장 높았다.

짧은 요청을 상세 설계도로 바꾸는 '프롬프트 강화' 모듈은 외부 언어 모델인 GPT-6를 기획자로 쓴다. 요청 유형에 맞는 작업 모듈을 고르고, 필요한 지식과 참고 이미지를 찾아 글자·요소·좌표를 담은 레이아웃을 만든다. 레이아웃 제어 시험 7Bench에서는 위치 정확도(mIoU) 0.88로 Ideogram 4(0.44)의 두 배를 기록했다.

걸러내지 않고 설명을 붙인 학습 데이터

MOSS-Image 학습 데이터는 ReLAION·DataComp 등 공개 이미지-텍스트 데이터셋에서 중복과 AI 생성 이미지를 걸러 약 50억 장을 30억 장으로 줄인 것이다. 연구진은 그 이후에는 품질 필터를 추가로 적용하지 않았다. 워터마크나 흐릿한 얼굴 같은 결함은 이미지를 빼는 대신 캡션에 적어 넣는 방식을 택했다.

오픈 이미지 모델 경쟁에 주는 의미

오픈웨이트 진영은 그동안 짧은 문구는 그려도 문단 단위 텍스트는 뭉개지는 한계가 있었다. 알리바바 큐원이 Qwen-Image-2.1을 상업 이용 제한 라이선스로 낸 것과 달리, MOSS-Image는 Apache 2.0을 택해 상업 활용 문턱이 낮다. 연구진은 현재 모델이 이미지 편집과 참고 이미지 입력을 지원하지 않는다고 밝혔고, 학습 레시피와 평가 도구를 추가로 공개하겠다고 했다.

자주 묻는 질문

MOSS-Image는 상업적으로 써도 되나?

Hugging Face 모델 카드에 따르면 MOSS-Image 가중치와 기본 추론 코드는 Apache 2.0 라이선스다. Apache 2.0은 상업적 이용을 허용한다. 다만 함께 쓰는 서드파티 구성 요소는 각자의 라이선스를 따로 확인해야 한다.

MOSS-Image로 한글 텍스트도 그릴 수 있나?

공식 자료가 밝힌 지원 언어는 영어와 중국어 두 가지다. 기술 보고서의 벤치마크도 두 언어로만 진행됐다. 한글 렌더링 성능은 공개된 수치가 없다.

MOSS-Image를 쓰려면 GPT-6가 꼭 필요한가?

이미지 생성 모델 자체는 GPT-6 없이 단독으로 실행된다. GPT-6는 짧은 요청을 상세 레이아웃으로 바꾸는 프롬프트 강화 단계에서 기획자로 쓰인다. 사용자가 상세 프롬프트나 JSON 레이아웃을 직접 쓰면 이 단계를 건너뛸 수 있다.