MOSS Imageをレビュー：画像内テキストの精度とポーランド語テスト
OpenMOSSの画像生成モデルMOSS Imageを検証。ポーランド語の指示文10件で8.5点を記録し、中国語ネオンの文字も高精度でした。
👁 114閲覧数
MOSS Imageは、OpenMOSSチームが開発したオープンな画像生成モデルです。2026年10月16日にApache-2.0ライセンスで公開され、中国語と英語の文字描画を得意としています。2日後にはfal.aiで利用可能になりました。10月20日にポーランド語で検証したところ、指示文10件で8.5/10を記録し、FLUX 3 Kleinと同点でした。中国語のネオン看板はテストしたモデルの中で最も正確でしたが、ポーランド料理店のメニューでは「チーズ入りクレープ」が誤った表記になりました。
概要（2026年10月20日時点）
- 開発元：OpenMOSS Team。MOSS-Image-BaseとMOSS-Image-SFTの重みをHugging Faceで公開。ライセンスはApache-2.0で、商用利用も可能です。
- 得意分野：画像内の文字（中国語、英語）、自然文による指示、タグ、JSON形式のレイアウト。
- fal.aiでの料金：1メガピクセルあたり0.05 USD。画像の辺は512～2048ピクセルで、標準のステップ数は50です。
- テスト結果：ポーランド語の指示文10件で8.5/10。画像1枚あたり約0.06 USD、生成時間の中央値は53秒でした。
MOSS Imageの料金
fal.aiでは生成画像のピクセル数に応じて課金され、料金は1メガピクセルあたり0.05 USDです。テストで使った1280×832ピクセルの画像（1.06メガピクセル）は0.056 USDでした。2048×2048ピクセルの画像は0.20 USDです。比較すると、fal.aiのFLUX 3 Kleinは同程度の画像で約0.01 USD、Seedream 5.0 Flashは0.027 USDです。
モデルの重みは公開されているため、DiffusersやComfyUIを使って自分の環境で動かすこともできます。Hugging FaceのOpenMOSS Spaceでは無料で試せます。ローカル環境では検証しておらず、fal.ai APIのみを使いました。
MOSS Imageをポーランド語でテスト：指示文10件
同じ指示文をほかの6モデルにも入力しました（結果はfal.aiの新モデル比較を参照）。画像サイズは1280×832ピクセル、設定は標準、各指示文につき1回生成です。文字は画像をフル解像度で確認しました。テストはポーランド語で実施しており、以下の指示文は元のポーランド語を日本語に翻訳したものです。日本語で再テストした結果ではありません。
| 指示文（ポーランド語のテストを翻訳） | MOSS | FLUX 3 Klein | MOSSの評価メモ |
|---|---|---|---|
| 夜のクラクフ | 8.0 | 6.0 | 聖マリア教会を識別できる |
| 集合住宅のキッチン | 8.5 | 8.0 | グラスが編みかごに入っている |
| 「ジジシアのパン屋」という看板 | 9.5 | 10 | 正確だが、看板は小さい |
| 「そば蜂蜜」と書かれた瓶 | 9.5 | 8.5 | ラベルは正確 |
| 62歳の女性のポートレート | 9.0 | 9.0 | そばかす、自然な肌 |
| 手でピエロギを包む | 8.5 | 7.5 | 手の描写は正確 |
| ポーランドの大衆食堂のメニュー | 6.0 | 10 | 「チーズ入りクレープ」の語を誤記 |
| モルスキェ・オコ湖 | 6.0 | 6.5 | ドロミーティのように見える |
| 「ヴィスワ川沿いのジャズ」のポスター | 10 | 10 | 誤りなし |
| 中国語と英語のネオン | 10 | 9.5 | 最も読みやすい |
| 平均 | 8.5 | 8.5 | MOSSは53秒、Kleinは6秒 |
ポーランド語の文字描画
MOSSは短い文字を正確に描きました。たとえば「午前6時から揚げ菓子を販売」「ワンカ牧場」「ヴィスワ川沿い」「チケット価格89」といったポーランド語のテスト文字は、誤りなく生成されました。一方、4品目を載せたメニューのように文字量が増えると、2語を誤記しました。メニューではポーランド通貨の表記も正確に描写されましたが、Krea 3とSeedream 5.0 Flashは同じテストで正確に描けませんでした。引用する文字例は、ポーランド語で行ったテストを日本語に翻訳したものです。
写真のリアルさと場所の再現
肌のそばかす、指が5本ある手、暖色の光など、リアルな描写は良好でした。有名な場所の再現には弱さもあります。クラクフの中央広場は正しく描かれましたが、モルスキェ・オコ湖は、尖ったピンク色の峰がそびえるドロミーティの湖のように仕上がりました。
MOSS Imageのメリットとデメリット
メリット：
- テストで中国語の文字描写が最も優秀。短いポーランド語の文字も高精度でした。
- Apache-2.0ライセンスで重みを公開しており、商用利用やローカル実行が可能です。
- JSON形式でレイアウトを指定できます（この機能は未検証です）。
デメリット：
- fal.aiでの生成は遅く、画像1枚あたりの時間は中央値で53秒。テストした7モデルの中で最も遅い結果でした。
- 長いポーランド語の文字列には誤りがありました。
- 平均スコアが同じFLUX 3 Kleinと比べ、料金は5倍です。
MOSS Imageはどんな人におすすめ？
- 中国語の文字を含む、多言語のデザイン素材を作る方。
- 文字描写に強く、商用利用に制限のないライセンスのオープンモデルを探している方。
- ポーランド語の文字描写と生成速度を重視する場合は、FLUX 3 Kleinのほうが適しています（ローカルテスト）。
最近公開されたほかのオープンモデルはオープンAIモデルのまとめで、自分のパソコンで実行できるモデルはローカルAIのハブで紹介しています。
MOSS Imageについてよくある質問
MOSS Imageはポーランド語の文字を描けますか？
短い文字なら、ポーランド語特有の文字を含めて正確に描けました。4品目のメニューのように長い文字列では、単語に2つの誤りがありました。この検証はポーランド語で行ったもので、日本語での性能を示すものではありません。
MOSS Imageは無料ですか？
モデルの重みはApache-2.0ライセンスで公開されています。fal.aiでは1メガピクセルあたり0.05 USDがかかります。Hugging FaceのSpaceでは無料で試せます。
MOSSの開発元はどこですか？
Hugging FaceでMOSSモデルの重みを公開しているOpenMOSS Teamです。Base版とSFT版は2026年10月16日に公開されました。
Google · あなたの情報源GoogleでKiramesuをもっと上位に表示-ワンクリックで設定お気に入りの情報源に追加 →出典
- 独自テスト（2026年10月20日）：fal.ai APIで画像を10枚生成。合計0.56 USD。テストはポーランド語で実施。
- fal.ai：MOSS Imageのモデル情報と料金（2026年10月20日閲覧）。
- Hugging Face：OpenMOSS-Team/MOSS-Image-SFT（Apache-2.0ライセンス）。
Kiramesuの関連記事
