Kromoss: Fine-Tune von MOSS-Image mit 8-Step-Turbo-LoRAs
Kromoss ist ein Full-Fine-Tune von MOSS-Image-Base bei 1024 px und kommt mit zwei LoRAs, die die Generierung auf 8 Schritte verkürzen.
Worum es geht
lodestones hat Kromoss veröffentlicht, ein Full-Fine-Tune von MOSS-Image-Base bei 1024 px. Es ist ein Drop-in-Ersatz für MOSS-Image-SFT und nutzt dieselbe Pipeline, denselben Text-Encoder und denselben VAE.
Die wichtigsten Fakten
- 5,1 Mrd. Parameter, Lizenz Apache-2.0, Library diffusers.
- Text-Encoder Qwen3.5-9B, VAE FLUX.2 small decoder.
- Checkpoint: Update 11000 (EMA-Gewichte), trainiert mit 704k Bildern.
- Zwei 8-Step-LoRAs (CFG 1, ohne Negativ-Branch): DMD und DMD2, wobei DMD2 empfohlen wird (mehr Kontrast und Detail).
- Standard: 50 Schritte, CFG 3.
- ComfyUI-Dateien in bf16 sowie int8 ConvRot (5,4 GB); Konvertierungsskripte liegen bei.
- Benötigt diffusers ≥0.38 und
trust_remote_code=True.
Einordnung
Für Bastler mit ComfyUI oder diffusers ist das eine leicht testbare Alternative zu MOSS-Image-SFT, besonders mit den schnellen 8-Step-LoRAs. Objektive Qualitätsvergleiche zu anderen Modellen fehlen im Auszug. Die Quelle sind Community-Gewichte, kein offizielles Release.
🧪 Selbst ausprobieren: Kromoss
| Hugging Face | lodestones/Kromoss |
|---|---|
| Größe | 5.1 Mrd. Parameter |
| VRAM (4-bit, geschätzt) | ~4.6 GB |
| Lizenz | apache-2.0 |
| Typ | image-gen · text-to-image |
☁️ Google Colab
Notebook herunterladen- colab.research.google.com öffnen
- Datei → Notebook hochladen →
colab.ipynb - Laufzeit → Laufzeittyp ändern → GPU (T4)
- Laufzeit → Alle ausführen
Die Skripte sind automatisch erzeugt. Vor dem Ausführen kurz reinschauen – und die Model Card lesen, manche Modelle brauchen spezielle Versionen.