Z-Imageは、AlibabaのTongyi-MAIチームが2025年11月にオープンソースとして公開したテキスト画像生成モデルです。パラメータ数は60億、重みはApache 2.0ライセンス。蒸留版のTurboは、わずか8ステップのサンプリングで完成画像に到達します。BulkImagenの料金表では最も下の段に位置しており、だからこそ本当に長いZ-Imageの一括生成を回す価値があります。
1行に1つ——各行が別々のプロンプトになります。
Z-Imageはプロンプトからのみ生成するため、参照画像のアップロード欄はありません。
Z-ImageはBulkImagenで最大のモデルではなく、そうなろうともしていません。強みは比率、つまり小さなネットワークが必要な計算量に対してどれだけ返してくれるかです。ここにある多くのモデルとは、勝負の軸が違います。
Artificial Analysisは、登場当時のImage Arenaでオープンウェイトのテキスト画像生成モデルとしてZ-Image Turboを首位に置き、FLUX.2 [dev]やQwen-Imageを上回ると評価しました。Z-Imageの技術レポートも逆の側から同じ主張をしています。FLUX.2 devの32Bに対しておよそ5分の1のパラメータ数で、G+S Rate 87.4%を達成したというものです。
Z-Imageの論文が最も鋭い結果を示しているのが文字です。CVTG-2Kで単語正確率0.8671、LongText-Benchで英語0.935・中国語0.936を記録し、GPT-Image-1やQwen-Imageを上回ると報告されています。バッチに英語か中国語のキャプションが含まれるなら、このベンチマークこそがZ-Imageを検討する理由になります。
Z-Imageのモデルカードも論文も、まずフォトリアルな描写を前面に出しています。蒸留版のTurboは通常の数十ステップではなく8ステップで仕上がります。オープン版は16GBのカードに収まりますが、このページでは自分でGPUを用意する必要はありません。バッチはこちら側で実行します。
Z-Imageのアスペクト比、解像度の段階、プロンプトの長さ、クレジットのレートは、段落に書き込んで古くなるのを待つのではなく、稼働中の設定から直接取り出しています。
Z-Imageは、仕様として参照画像に対応していません。バッチを組む前に、下のFAQでその意味を確認してください。
Z-Imageが読むのは言葉だけなので、参照画像を使うモデルのページより手順が短く済みます。描写し、構図を決め、受け取る。それだけです。
画像入力がないため、欲しいディテールはすべてプロンプトに書く必要があります。またZ-Imageの論文は、60億パラメータでは世界知識に限りがあると率直に述べています。マイナーな被写体は、名前を認識してくれると期待せず、特徴を言葉で描写してください。
アスペクト比と、プロンプト1件あたりの生成枚数。フォームはこれだけです。このページはZ-Imageに固定されており、解像度の段階も1つだけだからです。最初のリクエストが送られる前に、確認画面で合計クレジットが表示されます。
結果は出来上がった順に届きます。Z-Image Turboのモデルカードは出力の多様性を低いと評価しているため、似た画像ばかり並ぶ場合は、プロンプト同士が近すぎた可能性があります。同じ行を再実行して祈るより、言い回しを書き直してください。
小さくて速く、文字に強いモデルには、おのずと得意な形があります。Z-Imageも例外ではありません。ここに挙げるのは、その形に逆らわず噛み合う仕事です。
英語や中国語の文字を載せたレイアウトは、Z-Imageのベンチマークがまさに想定しているケースです。画面一式やポスターのバリエーションを一度にまとめて作り、どれかに決める前に各画像の文字を読んで確かめましょう。
Tongyi-MAIがZ-Imageで前面に出すのはフォトリアルさで、このページが加えるのは量です。ライフスタイルの一コマ、ストック風のシーン、背景素材が、1枚ずつ丁寧に作るのではなく、ふるいにかけられるセットとして届きます。
Z-Imageをローカルに用意している方も、同じファミリーをGPUの順番待ちなしでここから使えます。ホスト版のTurboでプロンプト群を下書きして選別し、絞り込んだ分を自分の環境に持ち帰ることができます。
ほかにご質問があれば、こちらまでメールを: support@bulkimagen.com
プラットフォームで最も低価格の枠、日英の文字スコアが公表されているZ-Image、そして事前に用意する参照画像は不要。プロンプトを貼り付けて1つのバッチとして実行し、ZIPを受け取るだけです。