MOSS-Image vs FLUX 3: 프롬프트에 바운딩 박스를 넣는 두 가지 방법

가장 흥미로운 점은, MOSS-Image와 FLUX 3를 비교해 보면 둘 다 지난 한 달 안에 같은 결론에 도달했다는 것입니다 — 이미지 모델을 제어하는 방법은 프롬프트에 좌표를 써넣는 것이라는 결론 — 그리고 나서 좌표계에 대해서는 서로 의견이 갈렸습니다. 2026년 10월 16일 OpenMOSS는 Apache 2.0으로 MOSS-Image-Base와 MOSS-Image-SFT를 공개했습니다: 5B 확산 트랜스포머로, 다운로드할 수 있으며, 캔버스 중앙에서 측정한 절대 픽셀 오프셋으로 요소를 배치하는 JSON 레이아웃 형식을 갖추고 있습니다. Black Forest Labs가 먼저 도달했는데, Flux 3 Image는 10월 1일부터 공개된 요금표와 함께 서비스 중이며, 모든 박스를 [top, left, bottom, right]로 받아들이는데, 이는 고정 그리드를 기준으로 한 0에서 1000까지의 정수입니다. 같은 아이디어, 호환되지 않는 문법, 그리고 둘 중 하나만이 여러분이 보관할 수 있는 파일을 제공합니다.

이미지 품질이 아니라 바로 그 차이가 대부분의 팀에게 이 맞대결의 승패를 가르는 요인이며, 어떤 벤치마크보다 더 빠르게 승패를 가릅니다. 그래서 아래 비교는 그 차이를 중심으로 구성했습니다. 모든 MOSS-Image 수치는 OpenMOSS 자체의 것으로, 릴리스와 기술 보고서에서 가져왔으며, 그중 어느 것도 아무도 재현한 적이 없습니다. 모든 Flux 3 수치는 Black Forest Labs가 자체 공개한 요금표와 릴리스 자료에 나온 것입니다. 이 두 모델 간에는 독립적인 직접 비교가 없으며, 당분간은 없을 것입니다.

양측이 실제로 출시한 것

M​OSS-Image는 두 개의 체크포인트, M​OSS-Image-Base와 M​OSS-Image-SFT로 이루어져 있으며, Apache 2.0 라이선스 하의 가중치와 추론 코드, ModelScope 미러, Gradio Space, Diffusers 커스텀 파이프라인, 그리고 네이티브 ComfyUI 플러그인을 제공합니다. ComfyUI 코어 지원은 가중치가 공개된 바로 그날 함께 반영되었습니다. OpenMOSS가 제공하는 호스팅 엔드포인트도, 공개된 가격도 없습니다. 가격을 매길 대상 자체가 없기 때문입니다 — 직접 실행하든지, 하지 않든지 둘 중 하나입니다.

Flux 3은 정반대 형태입니다. Black Forest Labs는 2026년 7월에 이를 영상, 이미지, 오디오 전반에 걸쳐 훈련된 단일 아키텍처로 발표했으며, 정지 이미지 등급인 Flux 3 Image는 10월 1일 공개 종량제 요금으로 출시되었습니다. 오픈 웨이트 대응 모델인 FLUX 3 Image Klein은 10월 15일 FLUX Kommunity License에 따라 뒤를 이었는데, 이 라이선스는 매출 상한선 이하에서만 무료 상업적 사용을 허용합니다. 따라서 BFL은 이제 임대 경로와 다운로드 경로를 모두 제공하지만, 이 둘은 서로 다른 라이선스를 가진 서로 다른 모델이며, 다운로드 버전은 플래그십이 아닌 더 작은 형제 모델입니다.

어느 모델도 우리 자체 카탈로그에는 없습니다. OrcaRouter는 200개 이상의 모델을 제공하며 M​OSS-Image는 그중 하나가 아니므로, 여기에서 우리가 이를 제공한다고 해석해서는 안 됩니다 — F​lux 3도 마찬가지입니다. 이 비교에서 라우터가 유용한 점은 루프의 나머지 절반입니다: 자체 호스팅 체크포인트를 동일한 프롬프트로 호스팅 이미지 모델과 비교하고 싶을 때, 호스팅 측은 하나의 API 키로 접근할 수 있으며, 제공업체 정가로, 우리 쪽에서 추가 마크업 없이, 제공업체 간 자동 페일오버와 함께 제공업체 중 하나가 실행 중에 성능이 저하될 경우.

박스 문법, 나란히

바로 이 지점에서 둘은 설정 파일이 알아챌 만한 방식으로 갈라진다.

• 좌표 공간 — MOSS-Image: 캔버스 중심에서 측정한 절대 픽셀, 사용: bbox_coord_space: "abs_centralized", 따라서 1024×1024 캔버스에서 각 축은 −512에서 +512까지입니다. F​lux 3 Image: 왼쪽 위 모서리에서 측정한 0에서 1000까지의 정규화된 정수입니다.

• 좌표 순서 — M​OSS-Image: bbox_format: "yxyx", 즉 [y_min, x_min, y_max, x_max]. F​lux 3 Image: [top, left, bottom, right], 이는 동일한 네 개의 숫자를 다른 이름으로 같은 순서로 나타낸 것입니다.

• 모델에 전달되는 방식 — MOSS-Image: 하나의 JSON 객체를 프롬프트 문자열로 전달하며, summary 블록에는 장면과 스타일이 들어가고, items 배열에서는 각 요소가 레이블과 캡션을, 텍스트 요소의 경우 렌더링할 리터럴 문자열을 담습니다. Flux 3 Image: 별도의 매개변수 없이 일반 프롬프트에 작성되는 JSON 박스 배열입니다.

• 해상도 연동 — MOSS-Image의 좌표는 픽셀이므로, 요청한 너비와 높이에 대해서만 정확합니다. 출력 크기를 바꾸면 모든 박스를 다시 도출해야 합니다. Flux 3의 0–1000 그리드는 구조상 해상도 독립적입니다: [0, 0, 500, 500] — 요청하는 캔버스가 무엇이든 그 왼쪽 위 1/4입니다.

• 박스의 용도 — MOSS-Image는 우선 생성 제어 기능으로 제시되며, 공급업체는 요소의 캡션을 편집하거나 해당 박스를 이동하면 구성의 그 부분이 조정된다고 설명하면서 이를 실험적이라고 덧붙입니다. Flux 3 Image는 레이아웃과 박스 범위 다중 턴 편집을 대표 기능으로 내세웁니다.

마지막 불릿이 실질적인 구분점입니다. Flux 3의 그리드는 출력 해상도가 바뀌어도 유지되지만, MOSS-Image의 그리드는 그렇지 않습니다. 다만 MOSS-Image는 텍스트 요소 안에 렌더링되기를 원하는 정확한 문자열을 설명하는 대신 지정할 수 있게 해줍니다. 파이프라인이 다양한 크기로 다시 렌더링한다면 그리드는 실질적인 이점입니다. 파이프라인이 고정된 치수와 특정 문구로 포스터를 렌더링한다면 절대 픽셀은 부담이 아닙니다.

텍스트 렌더링, 여기서 유일한 숫자는 공급업체의 것입니다.

MOSS-Image의 대표적인 강점은 판독 가능한 텍스트이며, 공급업체는 이를 측정하기 위해 두 가지 벤치마크를 구축했다. 평균 목표 길이가 약 1,340자인 240개의 문학 텍스트 렌더링 과제로 이루어진 LongLongTextBench에서 MOSS-Image는 Mean-6 텍스트 커버리지 96.3점을 기록했고, Qwen-Image-2512는 64.9점에 그쳤다. 같은 표에서 그 위 행은 GPT Image 2가 99.0, Nano Banana Pro가 96.6인데, 이는 주목할 만하다. OpenMOSS는 경쟁사들이 여전히 이기는 표를 공개한 것이다.

Black Forest Labs는 F​lux 3 Image에 대한 텍스트 렌더링 벤치마크를 전혀 공개하지 않았다. 96.3 옆에 놓을 숫자가 어느 쪽에서도 없으며, 샘플 이미지로 비교를 만들어내는 것은 이 블로그가 해서는 안 될 일이다. 말할 수 있는 것은 FLUX.2의 VAE가 M​OSS-Image가 사용하는 그것이라는 점이다 — M​OSS-Image 자체의 모델 카드에는 FLUX.2 small 디코더를 로드한다고 적혀 있다 — 따라서 생성기들이 서로 무관하더라도 두 제품군은 픽셀 수준에서 낯선 사이가 아니다.

비용: 하나의 숫자 대 다섯 개

• M​OSS-Image — 무료로 다운로드할 수 있고, Apache 2.0이며, 매출 임계값도 상용 등급도 없습니다. 비용은 하드웨어입니다: SFT 리포지토리는 총 약 27.2GB이고, 그중 4개의 샤드에 걸쳐 약 16.8GB는 동결된 Qwen3.5-9B 텍스트 인코더이며, 3개에 걸쳐 약 10.2GB는 트랜스포머입니다. 예산은 배지가 아니라 인코더에 맞추세요.

• F​lux 3 Image — Black Forest Labs 자체 요금표 기준으로 이미지당 768×768에서 $0.041, 약 1메가픽셀에서 $0.048, 1.5K에서 $0.07, 2K에서 $0.10, 4K에서 $0.607입니다. 50% 출시 할인은 10월 1일부터 10월 8일까지 진행되었고 이미 만료되었으므로, 이를 기반으로 구축한 비용 모델은 정가 기준의 두 번째 라인을 필요로 합니다.

• FLUX 3 Image Klein — 768×768에서 $0.008, 4K에서는 $0.036까지 오르며, 텍스트-투-이미지와 편집 비용은 동일합니다. 이는 라이선스 측면에서는 그렇지 않더라도 노동 비용 측면에서는 경쟁하는 5B 다운로드보다 훨씬 저렴합니다.

솔직히 말하자면, 이 둘은 같은 구매가 아니다. M​OSS-Image는 돈으로 GPU 시간과 엔지니어링을 사고, F​lux 3 Image는 다른 누군가가 대신 스택을 운영해 주는 것을 돈으로 사며, 전달된 이미지당 가격이 책정되는데 그 요율은 해상도가 높아질수록 가파르게 상승한다.

어느 쪽도 공개하지 않은 것

MOSS-Image에 대한 독립적인 벤치마크는 없습니다. Flux 3 Image에 대한 독립적인 벤치마크도 없습니다 — BFL은 다른 어떤 이미지 모델과의 비교 수치도 없이 이미지 티어를 출시했으며, 그 수치가 벤더가 실행한 것이든 아니든 마찬가지입니다. 어느 모델도 누구나 가리킬 수 있는 중립적인 리더보드에 행이 없습니다. 비교의 양측 모두 증거가 없을 때, 올바른 결론은 둘이 똑같이 좋다는 것이 아니라, 현재로서는 판단할 수 없다는 것이며, 결정을 내리는 기준은 실제로 측정할 수 있는 것이어야 합니다 — 라이선스, 포맷, 자체 하드웨어에서의 레이턴시, 그리고 박스 문법이 이미 보유한 코드와 일치하는지 여부입니다.

두 가지가 그것을 바꿀 것이다. OpenMOSS가 아닌 누구든 LongLongTextBench나 RealLayoutArena를 독립적으로 실행하는 것이 M​OSS-Image의 핵심 주장에 대한 첫 번째 실제 증거가 될 것이다. B​FL 그리드에서의 제3자 레이아웃 제어 비교도 F​lux 3 Image에 대해서도 같은 역할을 할 것이다. 둘 다 아직 존재하지 않는다.

실제로 어떤 걸 고르시겠어요?

결과물이 포스터, 인포그래픽, 제품 목업처럼 특정 텍스트가 특정 위치에 정확히 들어가야 하고 가중치를 자체 인프라에 두고 싶은 합성 페이지라면 M​OSS-Image를 선택하라. Apache 2.0 라이선스는 상업적 검토를 짧게 만들고, Base 체크포인트는 LoRA 학습이 파고들 대상이 있도록 의도적으로 증류되지 않은 채 남겨졌으며, JSON 레이아웃은 벤더가 가장 세심하게 측정한 모델의 부분이다. 인코더 예산을 배정하고 산문이 아니라 구조화된 JSON을 제공할 것으로 예상하라: 벤더 자체의 ablation에서 동일 시스템의 자연어가 1506.20 Elo인 데 반해 JSON 레이아웃 프롬프트는 1622.87 Elo를 기록했는데, 이는 큰 격차이자 이번 릴리스에서 가장 명확한 신호다.

오늘 바로 호출 가능한 엔드포인트가 필요하다면, 출력물의 해상도가 제각각이라면, 또는 여러 턴에 걸친 박스 범위 편집을 실험적 기능이 아닌 정식 지원 기능으로 원한다면 F​lux 3 Image를 선택하세요. 0–1000 그리드는 해상도 독립적이고, 요금표는 공개되어 있으며, 라이선스 상한이 감당 가능하다면 그 옆에 저렴한 오픈 웨이트 변형도 있습니다.

주목해야 할 것은 박스 문법입니다. 여러분의 도구가 어떤 관례를 먼저 채택하든 그것이 계속 유지하게 될 관례이며, 지금으로서는 두 관례가 서로 호환되지 않습니다 — 한쪽은 절대 중심 기준 픽셀을 yxyx 순서로, 다른 쪽은 정규화된 좌상단 정수로 사용합니다. 작은 어댑터 함수가 이 둘 사이를 변환합니다. 이것이 중요한 이유는 이것이 오늘날 완전히 알 수 있는 이 비교의 유일한 부분이기 때문입니다.

이번과 같은 릴리스의 배경이 되는, 문서화된 AI 실패 및 에이전트 사건들은 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이의 제기 플래그가 포함되어 있습니다.