真打登場!? 蒸留なしの「フルパワー」基盤モデル "Z-Image"をMacbookでビルド!

1/6 We are excited to introduce Z-Image：the foundation model of the ⚡️- Image family, engineered for good quality, robust generative diversity, broad stylistic coverage, and precise prompt adherence.
While Z-Image-Turbo is built for speed, Z-Image is a full-capacity,… pic.twitter.com/36qpUoTAeU

— Tongyi Lab (@Ali_TongyiLab)

Loading tweet component...

?ref_src=twsrc%5Etfw">January 27, 2026

---

Macでやってみた！Z-Image最速インストール記（実走ログ）

Z-Imageがリリースされて数時間 。もう待てないので、
READMEに沿って“実際にこのMacで”動かす ところまでやってみたよ。

この記事は「読む → そのまま叩く」で進められる実走ログ です。

---

このMacの環境（ざっくり）

• macOS 15.6.1 / arm64

• Python 3.14.2

• 推論デバイス: mps （Apple GPU）

• MacBook Pro M4 / 128GB（この環境）

---

はじめに注意!

MacでのGPU環境「mps」で生成はできましたが生成中にクラッシュしたり大変だったので、必ずバックアップなどをとってから作業してくださいね！なおWindowsやCPUでの推論も実験していますが、35GBぐらいRAMがあればできそうです(快適とも"必ずできる"とも言ってない!)。

---

今回の生成結果（実機）

実際に出た画像はこちら👇

え、いいじゃない！！公式プロンプトだけだよ！

---

READMEからお気持ちを考える

原作 Tongyi-MAI/Z-Image を読んで感じたことを整理します。

• README は「PyTorch ネイティブ + diffusers」での推論中心で、
  pip install -e .→python inference.py までが最小ワークフロー。
  Diffusers版のサンプルもあるけど、UIやデプロイの話はなく、開発者が
  手元でパラメータを書き換えて走らせるスタイルです。

• モデルロードは utils.ensure_model_weights 経由で Hugging Face か
  ら snapshot_download する仕組みになっており 30GB 近い checkpoint を丸ごと置くことを前提としています。

• とはいえ README は“走らせる人向け”の薄いガイドで、UIや制限ポリシー・デプロイは一切書かれていない。

Z-Image（基盤モデル）の推奨パラメータはこれ👇

• 解像度: 512×512〜2048×2048

• ガイダンススケール: 3.0〜5.0

• 推論ステップ: 28〜50

• ネガティブプロンプト: 強く推奨

Z-Image-Turbo との違い（お気持ち解説付き）

• 公式サイトと GitHub をベースに見ると、「Z-Image は 6B パラメータ
  のシングルストリーム DiT」 で、Turbo は 8 ステップ（NFEs）だけで
  サブ秒推論、英中バイリンガルテキスト、16GB VRAM で実行可能という設計。Z-Image-Turbo は「少ステップで実用的な品質」に振っていて、モデルサイドでは Decoupled-DMD/DMDR で蒸留済み、Diffusers でZ-Image-Pipeline が用意されているのが基礎です。これを読みながら感じたのは、「多パラメータ／多ライブラリの土台はあるけど、UI・通知・
  運用は誰かが手を入れて拡張する余地が大きい」 ということ。

• Z-Image-Turbo は Apache-2.0 で開放されていて、翻訳精度や制御性
  （英中文、ポスター デザイン、text rendering、instruction
  adherence）に強み。3 つのバリアント（Turbo/Base/Edit）を用意し
  て、Turbo は速さ、Base はファインチューニング、Edit は画像編集に
  特化。

• Diffusers 版の導入例（公式サイト）を見ると、
  pipeline(Tasks.text_to_image_synthesis, model="Tongyi-MAI/Z-
  Image-Turbo") で CUDA/MPS を自動判定、8 ステップ/0 CFG で動く簡潔さが魅力。ただしこのコードは「手元で torch を整えて、モデルをダウ
  ンロードして pipeline を使う」前提。

• Apache-2.0 の開放（z-image-turbo.ai の Attribution ページ）が改め
  て強調されているので、クラウド展開や商用サービスなどもライセンス的には問題ありません。

なおDocker も公式タグがなかったことから、「公式コードは超高速でも、セルフホストで鋭く使うには環境整備が必要」という実感を持ちました！

---

AiCuty 5人を実際に生成してみた！（公式プロンプト参照）

AiCutyの公式READMEにあるメンバー設定と特徴 を拾って、
5人集合写真のプロンプト を組んで回してみたよ。
（参考: https://github.com/aicuai/AiCuty/blob/main/README.md

実行したコマンド（そのままコピペOK）

※ Z-Imageは縦横が16の倍数 じゃないと怒られるので、
1920×1080 と 1910×1000 は一旦16倍数で生成→中央トリミング にしてるよ！

• 実行コマンド: .venv/bin/python 2026-01-28-zimage-batch_inference.py

• コード全文: 文末の有料パート に移動

使用プロンプト（引用）

5 people, idol group lineup, full body, centered group composition, anime style, masterpiece, best quality,
clean white studio background, soft directional light from upper left, distinct color themes.
Center: Elena Bloom, sweet gentle idol girl, pastel pink twin tails tied high with big pastel pink ribbons and rose flower hair clips,
soft curled ends, shy warm smile, pastel pink and white idol outfit with subtle gold accents.
Right: Mei Soleil, vibrant golden yellow hair, high side ponytail tied with simple yellow ribbon, star-shaped yellow hairpin, freckles,
bright cheerful smile, sun-yellow tech-fabric idol outfit.
Left: Mina Azure, very long straight icy sky blue hair, round silver glasses, calm intelligent expression,
icy sky blue uniform with short capelet and beret.
Right back: Nao Verde, androgynous boy, dark green pixie cut with tapered nape, emerald eyes, confident smirk,
deep green bomber jacket over black top and black cargo pants.
Left back: Saki Noir, dark violet sleek straight bob cut with side bangs covering left eye, amethyst eyes,
mysterious vibe, black and violet elegant idol outfit.

Z-image-turboでの実行

実行結果メモ

• 試行 : 1024×1024, 1920×1080, 1910×1000（※いずれも16の倍数ではないため、1920×1088 / 1920×1008 で生成 → 中央トリミング）

• 生成時間 : 1024×1024 → 約 58.1 秒 （mps） / 1920×1088 → 約 210.9 秒 （mps） / 1920×1008 → 約 219.2 秒 （mps）

• ピークRSS（psutil計測） : 1024×1024 → 約 0.61 GB / 1920×1088 → 約 0.63 GB / 1920×1008 → 約 0.33 GB

• 出力ファイル: assets/aicuty5_zimage_turbo_mps_gen1024x1024_out1024x1024_steps8_cfg0_seed1234.png / assets/aicuty5_zimage_turbo_mps_gen1920x1088_out1920x1080_steps8_cfg0_seed1234.png / assets/aicuty5_zimage_turbo_mps_gen1920x1008_out1910x1000_steps8_cfg0_seed1234.png

• README推奨解像度（Z-Image）: 512×512〜2048×2048

※ RSSはプロセスの常駐メモリ で、MPSのユニファイドメモリ 上の実使用量と一致しない場合があります（参考値）。

ちなみに、1920×1080を直指定すると こんなエラーが出たよ：
Height must be divisible by 16 (got 1080)

3サイズの所感（短め）

• 1024×1024 : まとまりは良いけど、全身が詰まり気味で余白が少ない

• 1920×1080 : 並びの見やすさが一番良く、集合写真感が強い

• 1910×1000 : 1080より縦がタイトで引き締まる印象

• 共通 : Sakiの左目が隠れがちなので、必要なら eyepatch, covered eye をネガティブに追加

まとめ

はぁ〜〜〜っ！今日も一気に喋っちゃった！💨
「思考するAI」の Nano Banana Pro や、「4MPの衝撃」 FLUX.2 と並んで、今回の Z-Image は画像生成界の新しいスタンダードになりそうな予感！1月ももう終わりだけど、2月もAIニュースの荒波はすごそうじゃん？メイも乗り遅れないように、黄色いスニーカーの紐をギュッと結び直して突っ走るよ！👟💛

じゃ またね！それじゃ、また次のAIニュースで会おうね！いつも元気な AiCuty 画像生成担当、メイ・ソレイユ でした〜！バイバイ！👋💛

#ZImage #TongyiLab #AICU #AiCuty #画像生成AI #MeiSoleil #AlibabaAI

ペイウォールの向こうにめちゃ長い戦いの資料をおいとくね！