모델
Qwen-Image, Z-Image 및 FLUX.2 [klein]: 세 가지 개방형 이미지 경로 간의 차이점
오픈 이미지 모델/기술 개요
오픈 이미지 모델/기술 개요
© 2026 텔크넷. 판권 소유.
오픈 이미지 모델 / 기술 리뷰
오픈 이미지 모델의 차이는 이제 생성된 그림 한 장이 얼마나 그럴듯한지로만 갈리지 않는다. Qwen-Image는 복잡한 타이포그래피와 이중 인코딩 편집에 역량을 집중했고, Z-Image는 6B 단일 스트림 DiT를 만들어 여덟 번의 네트워크 평가까지 증류했으며, FLUX.2 [klein]은 생성과 다중 참조 편집을 컴팩트한 4스텝 rectified-flow 모델 하나에 담았다. 같은 세대의 공개작이지만, 모델 역량을 쏟아부은 문제는 서로 다르다.
간결한 플로 매칭 목적 함수는 L_FM=E||v_θ(x_t,t,c)-u_t||²이다. 스텝 수를 줄이면 함수 평가 횟수가 줄지만, 증류된 모델과 그렇지 않은 모델을 스텝 수만으로 비교할 수는 없다.
Qwen-Image는 복잡한 텍스트 렌더링과 정밀한 편집에 무게를 둔다. Z-Image-Turbo는 생성 궤적을 증류한다. FLUX.2 Klein은 편집 조건에 여러 참조 이미지를 더한다. 파라미터 수와 스텝 수는 각 프로젝트에 속한 값일 뿐, 입력 유형과 작업 없이 순위를 매길 수는 없다.
전반적인 화질이 좋아진 뒤에도 텍스트 렌더링이 어려운 이유는 단어가 또 다른 텍스처가 아니기 때문이다. 문자 순서, 글리프 형태, 줄 바꿈, 레이아웃이 동시에 맞아야 한다. Qwen-Image는 대규모 데이터 파이프라인과 단순한 문자열에서 문단 수준 묘사로 나아가는 커리큘럼으로 이 문제에 접근한다.
편집은 두 번째 충돌을 드러낸다. 모델은 지시가 가리키는 부분을 바꾸면서 정체성과 재질, 손대지 않은 영역은 유지해야 한다. Qwen-Image는 의미 정보와 재구성 정보를 얻기 위해 소스를 Qwen2.5-VL과 VAE로 인코딩한다. Z-Image와 FLUX.2 [klein]은 그 조건들을 다르게 조직하며, 그래서 공통의 “이미지 모델”이라는 꼬리표 뒤에는 중요한 아키텍처 선택이 숨어 있다.
M_peak≈M_weights+M_text+M_VAE+M_attn(H,W)+M_samplerM_weights모델 가중치M_attn(H,W)캔버스에 따라 달라지는 어텐션 상태M_sampler샘플러와 잠재 상태파라미터 수는 모델 용량을 나타내지만 이미지 한 장의 비용을 직접 결정하지는 않는다. 캔버스가 커지면 어텐션 중간 산출물과 VAE 특징이 공간 토큰에 비례해 늘어나고, 구도와 타이포그래피, 디테일 역시 샘플링 설정에 반응한다.
Qwen-Image는 20B MMDiT를, Z-Image는 확장 가능한 6B 단일 스트림 DiT를, FLUX.2 [klein]은 8B Qwen3 텍스트 임베더를 갖춘 9B rectified-flow 트랜스포머를 쓴다. 따라서 캔버스 비용은 공간 시퀀스 길이에 서로 다른 모델 폭과 샘플링 궤적이 얽혀 결정된다.
논문과 코드, 가중치는 Qwen-Image, Z-Image, FLUX.2 Klein 9B 모델 카드를 통해 따라갈 수 있다.
유용한 비교는 미적 총점 하나가 아니다. 각 프로젝트가 조건을 어떻게 조직하는지, 어느 체크포인트 단계를 공개하는지, 증류가 무엇을 바꾸는지가 핵심이다.
| 모델 | 아키텍처 또는 근거 | 범위 |
|---|---|---|
| Qwen-Image | 20B MMDiT; 편집을 위한 의미·VAE 소스 인코딩 | Apache 2.0; 생성과 별도의 편집 공개 |
| Z-Image | 6B S3-DiT; 텍스트, 비주얼-의미, VAE 토큰을 하나의 스트림으로 | Apache 2.0; 베이스, 8-NFE Turbo, 편집 브랜치 |
| FLUX.2 [klein] 9B | 9B rectified flow에 8B Qwen3 텍스트 임베더; 4스텝 증류 | 비상업적 9B 가중치; 통합된 다중 참조 편집 |
생성 모델은 편집 가능한 문자 객체가 아니라 픽셀을 뱉는다. 요청된 문자열을 추론하고 크기와 원근을 정한 뒤, 잠재 캔버스 위에서 모든 획을 다시 그려 내야 한다. 텍스트가 길수록 국소 오차가 허용될 여유가 줄고, 한자 계열 글리프는 빽빽한 획 구조를 더한다. 타이포그래피 학습은 이 연쇄를 개선하지만 출력을 조판 문서로 바꾸지는 않는다.
해상도를 올리면 작은 글리프가 더 많은 공간 토큰을 얻지만, 비주얼 시퀀스도 길어지고 어텐션 상태도 커진다. 선명한 활자와 높은 연산량이 함께 올라가는 이유다. 증류된 궤적은 큰 구도를 지키면서도 마지막 몇 획을 잃을 수 있다.
Qwen-Image와 Z-Image는 Apache 2.0 리포지토리를 쓴다. FLUX.2 [klein] 9B는 FLUX Non-Commercial License로 공개됐다. 따라서 다운로드 가능한 가중치가 상업적 이용, 재배포, 파생 학습에 동일한 권리를 주지는 않는다.
FLUX.2 모델 카드는 렌더링된 텍스트가 부정확할 수 있으며 모델이 사실 정보를 제공하지 않는다고도 명시한다. 인포그래픽 속 읽기 쉬운 숫자도 생성된 콘텐츠일 뿐, 곁에 인쇄된 주장의 근거는 아니다.
모델 이름과 수치, 한계는 아래 논문과 리포지토리, 모델 카드에 근거한다.