免责声明：本站与 MOSS-Image 官方无关。
YuliusWiki
🌐 English Version发布日期:•最后更新:•yulius
Kromoss 是什么？MOSS-Image 社区微调版：和 SFT 的区别与 ComfyUI 用法
快速答案
Kromoss 是第三方对 MOSS-Image-Base 的全量微调，修发糊，可直接替换 SFT。
MOSS-Image 开源不到一周，社区已经卷出了微调版：lodestones 在 2026 年 10 月 19 日发布了 Kromoss——对 MOSS-Image-Base 的全量微调，主打修复 Base 版出图发糊的问题。注意：这是第三方社区作品，不是 OpenMOSS 官方出品。本文讲清 Kromoss 是谁做的、和官方 SFT 以及 8 步蒸馏版的区别，以及怎么在 ComfyUI 里用起来。
一、Kromoss 是什么（30 秒速览）
Kromoss 是 lodestones 在 2026 年 10 月 19 日发布的模型（来源：HuggingFace 页面 https://huggingface.co/lodestones/Kromoss，2026-10-21 已核实；Civitai 镜像页同步收录，5/5 分 101 条评价）。它是对 MOSS-Image-Base 的全量微调（full fine-tune），1024px 分辨率，70.4 万张训练图，当前 checkpoint 是 update 11000（EMA 权重）——模型还在持续训练，页面会不定期更新。
核心定位一句话：修复 Base 版出图发糊。架构、推理管线、文本编码器（Qwen3.5-9B）、VAE（FLUX.2 small decoder）都和 MOSS-Image-SFT 完全一致，仓库目录结构也一样，所以它是 SFT 的 drop-in replacement——你原来怎么用 SFT，换成 Kromoss 不用改任何流程。
必须先说清楚两点：第一，Kromoss 是第三方社区作品，不是 OpenMOSS 官方出品（页面明确写着 Built on MOSS-Image by the OpenMOSS Team，意思是基于官方模型做的）；第二，作者 lodestones 也是 Chroma 系列和 MOSS-Image 8 步蒸馏版的作者，在快速迭代模型领域口碑不错，但这不改变它的第三方身份。
二、Kromoss、SFT、蒸馏版三者怎么选
先看关系：SFT 是官方在 Base 上做的监督微调版（官方推荐直接拿来生成）；Kromoss 是第三方在 Base 上做的全量微调（目标是比 Base 更清晰）；8 步蒸馏版是第三方把 SFT 的 50 步采样蒸馏成 8 步的 LoRA（目标是更快）。三者解决的是不同问题。
怎么选看你的需求：要官方最稳的出图——用 SFT；觉得 Base 系出图偏糊、想要更清晰的——试 Kromoss（直接替换 SFT 的位置就行）；要速度、批量出草稿——用 8 步蒸馏 LoRA。注意蒸馏 LoRA 是叠加在 SFT 上用的，而 Kromoss 本身也可以再叠蒸馏 LoRA（作者提供了两个 8 步 turbo LoRA，dmd2 版推荐，PartiPrompts 上分数最高）。
一个容易混淆的点：lodestones 的 8 步蒸馏 LoRA 只支持 SFT，不支持 Base；但 Kromoss 因为和 SFT 同架构，作者明确说两个 turbo LoRA 都可以 transfer 到 Kromoss 上用。具体分数见第四节——但先提醒，那些是作者自测，标 preliminary。
三、ComfyUI 上手：下载与加载
ComfyUI 在当前 master 分支已原生支持 MOSS-Image，不需要装自定义节点（来源：HF 页面 ComfyUI 章节，2026-10-21 核实）。Kromoss 的单文件和 Comfy-Org 的 MOSS-Image 是同一版式，直接按下面放：
1）扩散模型（二选一）：kromoss_bf16.safetensors 放 models/diffusion_models/，用 Load Diffusion Model 加载；显存不够就用 kromoss_int8_convrot.safetensors（int8，5.4GB，ConvRot W8A8 量化）。
2）文本编码器：qwen3.5_9b_bf16.safetensors 放 models/text_encoders/，CLIP Loader 的类型选 moss_image。
3）VAE：flux2-vae_small.safetensors 放 models/vae/，Load VAE 加载。
4）采样设置：完整模型用 50 步、CFG 3、flow-matching Euler；如果要加速，把 8-steps-dmd2-lora.safetensors（推荐）或 8-steps-dmd-lora.safetensors 放 models/loras/，用 LoraLoaderModelOnly 以强度 1 加载，然后 KSampler 切 euler/simple、8 步、CFG 1。
注意：LoRA 不要 merge 进 bf16 权重（作者明确提醒，delta 接近 bf16 的舍入步长）；diffusers 用户可以用页面给的 apply_lora 代码片段动态加载。kromoss_bf16.safetensors 可以直接替换 Comfy-Org 工作流里的 moss_image_sft_bf16.safetensors。
四、分数怎么看（作者自测，preliminary）
作者在 HF 页面公布了一组 PartiPrompts 分数（100 个 prompt，CLIP ViT-L/14 打分，测的是 update 11000 的 checkpoint）：MOSS-Image-Base 50 步 27.19；Base + dmd-lora 8 步 27.53；Base + dmd2-lora 8 步 27.59；Kromoss 50 步 27.90；Kromoss + dmd-lora 8 步 27.99；Kromoss + dmd2-lora 8 步 28.13（最高）。
怎么解读：第一，这是作者自测，不是第三方独立评测，标 preliminary；第二，测的是训练中途的 checkpoint（update 11000），模型还在训练，分数会变；第三，趋势上 Kromoss 全面高于 Base，dmd2 版 LoRA 最好——和“修复发糊”的定位一致。但 CLIP 分只反映图文对齐，不代表审美和细节，实际效果还是要看样张。页面放了 50 步 / 8 步+dmd / 8 步+dmd2 三组同一 prompt 的对比图，可以自己去看。
五、商用说明：Apache-2.0
HF 页面明确：权重和自带的推理代码（pipeline_moss_image.py，源自 MOSS-Image-SFT）都是 Apache License 2.0 发布，允许商用，无收入门槛。这和 MOSS-Image 官方的开源协议一致。注意这是模型权重的协议，你用它生成的图片的版权归属按常规理解归你，但具体商用前建议看一眼 Apache-2.0 的完整条款（主要是署名和专利授权部分）。
六、热度与更新节奏
截至 2026-10-21，HuggingFace 页面显示 11,608 次下载、196 个点赞（HF API 数据）；Civitai 镜像页 5/5 分（101 条评价），社区讨论活跃（vibingtalk 等论坛有多篇实测帖）。页面最后更新是 2026-10-20——作者还在持续训练，checkpoint 会不定期往前推。用之前建议先看一眼 HF 页面的最新说明，因为更新很频繁，今天的 update 11000 明天可能就不是最新的了。
七、参考来源与免责声明
来源清单：1）https://huggingface.co/lodestones/Kromoss（2026-10-21 核实页面存在）：模型介绍、ComfyUI 用法、PartiPrompts 分数、训练细节、Apache-2.0 协议；2）HuggingFace API（2026-10-21）：下载量 11,608、点赞 196、最后更新 2026-10-20；3）https://civitai.com/models/3009368/kromoss（第三方镜像）：5/5 分 101 条评价、2026-10-19 发布；4）vibingtalk.com（2026-10，第三方社区讨论）：用户实测反馈与更新讨论。免责声明：Kromoss 是第三方社区作品，与 OpenMOSS 官方无关；PartiPrompts 分数为作者自测（preliminary），非独立评测；本站与 lodestones / OpenMOSS 无关，本文仅作信息介绍，各模型版权归其权利人所有。
Kromoss vs 官方 SFT vs 8 步蒸馏版对照表
| 维度 | Kromoss（第三方微调） | SFT 原版（官方） | 8 步蒸馏 LoRA（第三方） |
|---|---|---|---|
| 出品方 | lodestones（社区），持续训练中 | OpenMOSS 官方 | lodestones（社区），WIP |
| 形态 | 完整权重（Base 全量微调） | 完整权重（监督微调版） | LoRA，叠加在 SFT 上 |
| 解决的问题 | 修复 Base 出图发糊 | 官方推荐的生成版本 | 把 50 步加速到 8 步 |
| 采样设置 | 50 步 CFG 3；+LoRA 可 8 步 | 50 步，CFG 3 | 8 步，无 CFG |
| 可替换性 | 与 SFT 同架构，可直接替换 | 基准 | 只支持 SFT，不支持 Base |
| 协议 | Apache 2.0，可商用 | Apache 2.0，可商用 | Apache 2.0（跟随底座） |
| 适用 | 想要更清晰的 Base 系出图 | 正式出图、商用交付 | 快速草稿、批量试想法 |
常见问题解答 (FAQ)
Kromoss 是官方出的吗？
不是。它是第三方 lodestones 在 HuggingFace 发布的社区微调作品，基于 OpenMOSS 的 MOSS-Image-Base。OpenMOSS 官方目前只有 Base 和 SFT 两个版本。用之前先看 HF 页面的最新说明，因为模型还在持续训练、更新频繁。
Kromoss 和 8 步蒸馏版是什么关系？
是两个不同的东西：Kromoss 是完整权重（Base 的全量微调），直接替换 SFT 用；8 步蒸馏版是 LoRA，叠加在 SFT（或 Kromoss）上把 50 步加速到 8 步。作者提供的两个 turbo LoRA（dmd/dmd2）都可以 transfer 到 Kromoss 上用，dmd2 版分数最高。
本地跑 Kromoss 要什么显卡？
和 SFT 同架构，显存需求相近：bf16 完整版建议 24GB 级别显卡；显存不够用 int8 量化版（5.4GB 文件），配合文本编码器 offload，12GB 左右的卡可以跑。具体看你的出图分辨率，1024×1024 是基准。
Kromoss 的分数可信吗？
页面上的 PartiPrompts 分数是作者自测（update 11000 的 checkpoint，模型还在训练），标 preliminary，仅供参考。CLIP 分只反映图文对齐。建议结合页面上的实拍对比图和社区实测帖一起看。