MOSS-Image：用坐标框精确控制文字排版的图像生成模型

MOSS-Image 是 OpenMOSS 开源的图像生成模型，骨干为 5B 参数的 DiT，通过 layout JSON 用坐标框明确指定文字和物体的位置，文本提示支持最长 4K token。