OpenMOSS, 50억 파라미터 경량 이미지 생성 모델 'MOSS-Image' 오픈소스 공개

MOSS-Image는 OpenMOSS가 공개한 50억 파라미터(5B) 기반의 오픈소스 텍스트-투-이미지 모델입니다. 가벼운 용량에도 불구하고 정밀한 레이아웃 제어와 또렷한 텍스트 렌더링 기능을 갖춘 것이 특징입니다.

라이선스는 상업적 활용 제한이 거의 없는 Apache 2.0을 채택했으며, 코드와 모델 가중치가 모두 무료로 공개되었습니다.

무엇을 할 수 있나

기존 오픈소스 이미지 모델들은 복잡한 구도를 잡기 어렵고 글자가 뭉개지기 일쑤였습니다. MOSS-Image는 이 두 가지 문제를 집중적으로 해결했습니다.

가장 눈에 띄는 기능은 바운딩 박스를 활용한 레이아웃 제어입니다. 캔버스 위에 사각형 박스를 직접 그려 인물이나 배경 요소의 위치를 지정하면, 모델이 해당 영역에 맞춰 요소를 정확히 배치해 줍니다.

텍스트 렌더링 성능도 뛰어납니다. 영어 간판은 물론 메모지 위의 손글씨까지 깔끔하게 구현하며, 최대 4K 토큰의 긴 프롬프트를 인식할 수 있습니다. 덕분에 만화 컷 구성, 도표, 인포그래픽, 게임 콘셉트 아트 제작에 유용합니다.

실사 스타일부터 애니메이션 화풍까지 폭넓게 소화하며, 유튜브 리뷰에서는 Flux 3보다 콘텐츠 제약이 적어 자유도가 높다는 평가를 받았습니다. 다만 현재는 텍스트 입력 기반 생성만 가능하며, 자연어 대화로 기존 이미지를 직접 편집하는 기능은 지원하지 않습니다.

사양과 실행 방법

DiT 아키텍처로 설계되었으며 트랜스포머 가중치 크기가 약 10GB 수준에 불과해 일반 소비자용 그래픽카드에서도 무리 없이 구동됩니다.

모델은 두 가지 버전으로 제공됩니다. 파인튜닝과 도메인 맞춤 학습에 적합한 MOSS-Image-Base와, 시각적 완성도를 높인 지도 미세조정 버전인 MOSS-Image-SFT입니다. 단순히 이미지를 생성하는 것이 목적이라면 SFT 버전을 선택하면 됩니다.

출시 첫날부터 ComfyUI 최신 버전에서 별도 플러그인 없이 자체 로더로 구동할 수 있으며, vLLM-Omni와 SGLang 같은 고속 추론 엔진도 지원합니다.

파인튜닝 진입 장벽도 낮습니다. KohakuMossTrainer 도구를 활용하면 6GB VRAM 수준의 보급형 GPU에서도 LoRA 어댑터 학습이 가능합니다. 로컬 설치가 번거롭다면 MOSI API 플랫폼의 플레이그라운드에서 바로 사용해 볼 수도 있습니다.

왜 중요한가

웹툰 작가, 1인 게임 개발자, 그래픽 디자이너에게 MOSS-Image는 실질적인 작업 효율을 높여줄 도구입니다. 무거운 부가 컨트롤러를 여러 개 연결하지 않고도 사각형 박스만으로 구도를 잡고 문자까지 한 번에 뽑아낼 수 있기 때문입니다.

우리는 파라미터를 50억 개 수준으로 억제한 점이 매우 영리한 선택이라고 봅니다. 과도한 스펙 경쟁 대신 일반 PC 환경에서 손쉽게 생성과 추가 학습이 가능하도록 최적화에 집중했습니다.

자연어 기반의 부분 수정 기능이 없다는 점은 아쉽지만, 레이아웃이 정해진 홍보물이나 콘셉트 시안을 빠르게 뽑아내는 용도로는 지금 당장 내려받아 테스트해 볼 가치가 충분합니다.