MOSS-Image vs Qwen Image 3.0: 한 연구소는 폐쇄형으로, 다른 연구소는 오픈형으로 갔다

Qwen Image 3.0과 MOSS-Image는 중국 연구소들이 8주 간격으로 내놓은 모델인데, 무엇을 만들 수 있는지를 결정하는 단 하나의 질문에 대해 정반대의 입장을 취했다. 알리바바는 2026년 7월 21일 Qwen Image 3.0을 출시하고 8월 5일 정식 버전(GA)으로 전환했다 — 클로즈드 방식으로, 가중치도, 모델 카드도, 기술 보고서도 없이, Pro와 Standard 에디션의 호스팅 API를 통해서만 접근할 수 있다. OpenMOSS는 2026년 10월 16일 MOSS-Image를 Apache 2.0 오픈 가중치로 공개했으며, 체크포인트와 독립 실행형 추론 파이프라인을 모두 포함한다. Qwen 쪽에는 무엇보다 먼저 알아둘 만한 이름 함정이 하나 있다: Qwen-Image 2.1은 2026년 9월 20일 출시되었으며 Qwen-Image 3.0보다 최신이고, 이 둘은 숫자만 공유하는 별개의 제품 라인이다.

그렇게 놓고 보면 이 비교는 개방 대 폐쇄 논쟁처럼 보이고, 실제로 어느 정도는 그렇다. 하지만 더 흥미로운 차이는 라이선스가 아니다. 그것은 Q​wen Image 3.0과 M​OSS-Image가 동일한 역량, 즉 텍스트와 레이아웃을 정확히 맞추는 것에 대해 가장 강력한 주장을 내세우면서도, 이를 위한 메커니즘은 전혀 다르다는 점이다. 그중 하나는 살펴볼 수 있고, 다른 하나는 그럴 수 없다.

Qwen Image 3.0이 실제로 주장하는 것

Qwen Image 3.0은 하나의 API를 통해 이미지 생성과 편집을 제공하는 폐쇄형 호스팅 모델이며, Standard와 Pro 에디션으로 제공됩니다. Alibaba의 출시 자료는 네 가지 구체적인 약속을 내세웁니다: 최대 약 4,500토큰의 프롬프트, 약 10픽셀까지 판독 가능한 이미지 내 텍스트, 20개 이상의 글꼴에 걸친 12개 언어 지원, 그리고 호출당 최대 6개 이미지로 최대 2048×2048 출력. 매개변수 수는 공개되지 않았으며, 널리 반복되는 약 20B MMDiT 수치는 Alibaba가 확인한 것이 아니라 보도된 것입니다.

가격은 Alibaba의 Model Studio에서 이미지당 약 $0.035이며, Artificial Analysis는 Standard의 경우 1,000개 이미지당 약 $30, Pro의 경우 1,000개 이미지당 $40으로 추산합니다. 측정된 순위는 선두라기보다 중위권입니다: 텍스트-투-이미지에서 Elo 1,077로 16위; 편집 부문 Pro 에디션에서 1,088로 14위; 편집 부문 Standard에서 1,048로 21위입니다. 이는 Artificial Analysis 수치이므로, 이 전체 비교에서 유일하게 독립적으로 산출된 숫자입니다 — MOSS-Image는 Artificial Analysis에 전혀 등재되어 있지 않습니다.

편집 동작에 관해 문서화된 내용은 세 가지뿐이며, 바로 그 희박함이 핵심이다. Pro는 1–3개의 입력 이미지를 지원한다. 문서화된 편집 경로는 로컬 재작성, 콘텐츠 확장, 스타일 전이, 멀티 카메라 앵글 생성을 아우르며, 공개된 마스크 기반 워크플로는 없다. 발표문에는 투명성에 관한 주장이 전혀 없다 — RGBA 생성도, 투명 레이어 편집도, 알파 채널로의 피사체 추출도 없다.

모든 A​libaba 페이지에서 눈에 띄게 빠져 있는 것은 레이아웃 정밀도에 관한 어떤 측정치입니다. Q​wen Image 3.0은 10픽셀에서 읽을 수 있는 텍스트를 주장하면서도, 그 텍스트가 어디에 자리 잡는지에 대해서는 아무 말도 하지 않습니다.

MOSS-Image가 주장하는 것, 그리고 종류의 차이

MOSS-Image는 5B 단일 스트림 확산 트랜스포머로, 42개의 조인트 블록, 은닉 너비 3,072, 128차원의 24개 헤드, 8,192-와이드 SiTU-GLU 피드포워드, 4축 로터리 위치 인코딩을 갖추고 있으며, 동결된 Qwen3.5-9B 텍스트 인코더와 FLUX.2-klein-4B에서 로드된 동결된 FLUX.2 VAE를 사용합니다. SFT 다운로드는 약 27.2GB이며, 그중 약 16.8GB가 인코더입니다.

능력의 차이는 정도의 문제가 아니다. Qwen Image 3.0의 텍스트 관련 주장은 가독성에 관한 것이다 — 모델이 읽을 수 있을 만큼 작은 문자를 렌더링할 수 있는가. MOSS-Image의 주장은 배치에 관한 것이다 — 지정된 좌표에 지정된 문자열을 놓을 수 있는가. 둘은 비슷하게 들리지만 전혀 다르다. 텍스트를 아름답게 렌더링하지만 제품 사진 위에 헤드라인을 걸쳐 놓는 모델은, 약간 더 흐릿한 글리프를 정확히 올바른 상자 안에 렌더링하는 모델과는 다른 과업에서 실패한 것이다.

M​OSS-Image의 배치 방식은 레이아웃을 데이터로 제공하는 것입니다. 프롬프트는 캔버스 중앙을 기준으로 측정한 절대 픽셀 좌표의 바운딩 박스, 리터럴 텍스트 문자열, 타이포그래피 관련 표기를 담은 JSON 객체일 수 있으며, bbox_format "yxyx" 형식입니다. 이러한 인터페이스가 왜 중요한지를 가장 명확하게 보여주는 것은 벤더 자체의 어블레이션(ablation)입니다. RealLayoutArena에서 JSON 레이아웃 프롬프트는 1,622.87점을 기록했으며, 같은 시스템에서 자연어 프롬프트는 1,506.20점을 기록했습니다. 보고서에서 함께 소개한 7Bench에서 M​OSS-Image는 평균 레이아웃 IoU 0.88, Layout AUC 0.70을 보고했는데, 같은 표에서 Q​wen Image 3.0 Pro는 0.31, field AUC는 0.16~0.20입니다.

이 비교에서 0.88 대 0.31은 가장 큰 단일 격차이며, 동시에 이 안에서 가장 신뢰하기 어려운 수치이기도 하다. OpenMOSS는 이 벤치마크를 작성하고 두 모델을 모두 여기에서 실행했으며 그 결과를 공개했다. Qwen Image 3.0의 저자들은 레이아웃 지표를 전혀 공개하지 않았기 때문에, 이를 검증할 대상이 없다 — 더 낮은 수치도, 이의 제기도, 아무것도 없다. 이 비대칭성은 짚고 넘어갈 가치가 있다: 한 연구소가 자체 작성한 테스트에서 얻은 우위가 다른 연구소의 침묵과 비교되고 있는 것이다.

치수, 나란히

• 출시 — Q​wen Image 3.0은 2026년 7월 21일 출시, 2026년 8월 5일 정식 출시(GA); M​OSS-Image는 2026년 10월 16일 출시

• 라이선싱 — Q​wen Image 3.0은 비공개이며, 가중치도, 명시된 라이선스도, 모델 카드도, 기술 보고서도 없습니다; M​OSS-Image는 가중치와 독립형 파이프라인 코드에 Apache 2.0이 적용되며, 매출 임계값은 없습니다

• 가격 — Q​wen Image 3.0은 Model Studio에서 이미지당 약 $0.035이며, Artificial Analysis는 Standard 1,000장당 약 $30, Pro 1,000장당 약 $40으로 추산합니다; M​OSS-Image는 약 27.2 GB로 무료 다운로드할 수 있고 자체 GPU 시간이 추가로 필요합니다

• 에디션 — Qwen Image 3.0은 서로 다른 편집 등급의 Standard와 Pro를 제공하며, MOSS-Image는 Base와 SFT 체크포인트를 제공합니다. 여기서 Base는 파인튜닝이 파고들 여지가 있도록 의도적으로 증류되지 않은 상태로 남겨집니다.

• 프롬프트 상한 — Qwen Image 3.0 약 4,500 토큰; MOSS-Image는 최종 사전 학습 단계에서 4,096 토큰

• 텍스트 렌더링 — Qwen Image 3.0은 12개 언어와 20개 이상의 글꼴에 걸쳐 약 10픽셀까지 읽을 수 있는 텍스트를 제공한다고 주장합니다; MOSS-Image는 LongLongTextBench에서 96.3 Mean-6를 보고하며, 영어 97.1, 중국어 92.4로 나뉘고, 같은 표에서 Qwen-Image-2512의 64.9와 대비됩니다.

• 레이아웃 제어 — MOSS-Image는 절대 중심 기준 좌표로 JSON 레이아웃을 받아들이며, 7Bench에서 평균 IoU 0.88을 주장하는데, 여기서 Qwen Image 3.0 Pro는 0.31로 기재되어 있고; Alibaba는 레이아웃 지표를 공개하지 않는다.

• 참조 이미지 — Qwen Image 3.0 Pro는 1–3개의 입력 이미지와 호출당 최대 6개의 이미지를 문서화합니다; MOSS-Image의 참조 조건화는 위치 체계에서 예약된 축으로, 출시된 것이 아니라 미래지향적인 것으로 설명됩니다

• 편집 — Qwen Image 3.0은 로컬 리라이팅, 확장, 스타일 전이, 멀티 카메라 앵글 생성을 하나의 API로 아우른다; MOSS-Image의 보고서는 편집을 제품 표면으로 제시하지 않는다

• 투명도 — Qwen Image 3.0의 발표에는 투명도 관련 주장이 담겨 있지 않으며, MOSS-Image의 VAE는 32개의 잠재 채널을 사용하고 파이프라인이 잠재 표현을 노출하지만, RGBA 출력은 벤더가 내세우는 기능이 아닙니다.

• 독립 점수 — Artificial Analysis에 따르면 Qwen Image 3.0은 텍스트-이미지 부문에서 Elo 1,077로 16위, 편집 부문에서는 Pro가 1,088로 14위; MOSS-Image는 독립 점수가 없음

• 생태계 — Q​wen Image 3.0은 API를 가지고 있습니다; M​OSS-Image는 Diffusers 사용자 정의 파이프라인, Gradio 앱, ComfyUI Manager를 통해 설치할 수 있는 ComfyUI 플러그인, 그리고 아직 검토 중인 오픈 vLLM-Omni 풀 리퀘스트를 가지고 있습니다.

대부분의 팀을 결정짓는 논거

Q​wen Image 3.0은 약한 모델이 아니며, 비싸지도 않습니다. 4,500토큰 프롬프트 창, 2K 출력, 다중 이미지 호출을 지원하면서 이미지당 약 3.5센트라면, 오늘 오후에 제품 기능 뒤에 붙이는 것은 완전히 합리적인 일입니다. 요구사항이 "이 설명에 맞는 좋은 이미지를, 때로는 참조 이미지와 함께, 예측 가능한 단위당 비용으로 생성하는 것"이라면, 클로즈드 모델은 첫 요청까지 걸리는 시간에서 앞서고, 어쩌면 총비용에서도 앞섭니다. 엔지니어가 GPU를 전혀 건드릴 필요가 없기 때문입니다.

MOSS-Image는 다른 축에서 우위를 점하는데, 이는 가격과 상관없이 어떤 API도 제공할 수 없는 것입니다: 출력을 결정하는 대상을 직접 들여다볼 수 있습니다. 레이아웃 사양은 데이터입니다. 이는 여러분의 코드로 생성할 수 있고, 다른 모든 것과 같은 저장소에서 버전 관리할 수 있으며, 누군가 템플릿을 변경할 때 diff를 확인할 수 있고, 모델에 도달하기 전에 스키마에 대해 검증할 수 있으며, 단 한 픽셀도 렌더링되기 전에 구성을 승인하는 사람이 검토할 수 있습니다. 프롬프트에서 레이아웃으로의 매핑이 여러분이 들여다볼 수 없는 호스팅된 엔드포인트 내부에서 일어나는 경우에는 그 어느 것도 가능하지 않습니다.

그건 실제 아키텍처 차이이고, 마케팅은 잘 되지 않습니다. 왜냐하면 '프롬프트를 단위 테스트할 수 있다'는 건 누구도 영상으로 찍을 만한 데모가 아니니까요. 하지만 그건 실패를 디버깅할 수 있는 파이프라인과 실패가 지원 티켓을 만들어내는 파이프라인의 차이입니다. M​OSS-Image가 헤드라인을 잘못된 위치에 놓으면, 보낸 JSON을 읽고 잘못된 좌표를 확인할 수 있습니다. 호스팅 모델이 그렇게 하면, 멀쩡해 보였던 프롬프트와 그렇지 않은 이미지가 남습니다.

어느 벤더도 앞세우지 않는 두 번째 구별되는 사실이 있습니다. Qwen Image 3.0이 침묵하는 영역은 일관됩니다. 파라미터 수, 아키텍처, 훈련 데이터 설명, 벤치마크 표, 기술 보고서, 레이아웃 지표가 모두 없습니다. 이와 비교하면 MOSS-Image의 보고서는 지나치게 상세합니다. 단계 수가 명시된 점진적 해상도 훈련 단계, 약 50억 장에서 30억 장으로 줄인 ReLAION 파생 코퍼스, 두 체크포인트에서 AdamW보다 동일한 손실에 도달하는 데 필요한 단계 수가 각각 33.2%와 28.6% 적다는 어블레이션 결과를 보여주는 하이브리드 Muon–AdamW 옵티마이저가 그렇습니다. 그 세부 사항 중 일부는 모델이 오픈되어 있기 때문에에만 알 수 있는 것이지만, 보고서는 선택에 따라 작성된 것이며, 이는 제품과 출판물의 차이입니다.

개방성 주장에 한계가 있는 곳

MOSS-Image의 개방성에 관해서는 가정하기보다 확인해야 할 세 가지가 있습니다.

첫 번째는 실운용 가능한 것입니다. 병합된 서빙 경로가 없는 공개 가중치는 그것이 있는 공개 가중치와는 전혀 다른 이야기입니다. 스킵 레이어 가이던스와 함께 MOSS-Image를 추가하는 vLLM-Omni 풀 리퀘스트 — [Model] Add MOSImage text-to-image with SLG — 는 10월 14일에 열렸으며 25개 파일에 걸쳐 3,605줄이 추가되었고, 리뷰어가 고정된 참조 구현에 대한 출력 동등성 증거를 요구하면서 여전히 열려 있는 상태입니다. vLLM-Omni의 최신 공개 릴리스는 10월 6일자 v0.31.0rc1입니다. 출시된 어떤 버전에도 이 모델은 포함되어 있지 않으며, 출시 당일 퍼졌던 "Day 0 지원"이라는 표현은 설치할 수 있는 패키지가 아니라 직접 빌드할 수 있는 브랜치를 가리키는 것입니다.

두 번째는 보고서에서 가장 강력한 결과가 단일 모델이 아니라는 점입니다. 프롬프트 향상 모듈인 LayoutPE는 추론 시 모듈식 작업 지침과 함께 GPT-6을 사용한다고 명시되어 있으며, 번들로 제공되는 prompt-enhancer 스킬은 GPT-6 계열 에이전트용으로 설계되었다고 설명됩니다. 따라서 대표적인 엔드투엔드 Elo 1,698.70은 — GPT Image 2의 1,844.35에 이어 두 번째입니다 — 명세 절반이 다른 누군가의 API인 두 모델 파이프라인에서 산출된 것입니다. 생성기 자체만의 척도로 읽으면, 그 수치는 부풀려져 있습니다.

세 번째는 파인튜닝이다. 베이스는 의도적으로 증류되지 않은 상태로 남겨졌다 — 모델 카드에는 "CFG와 같은 추론 파라미터에 대한 사후 학습이나 증류를 거치지 않았다"고 명시되어 있는데, 이는 특히 LoRA가 실제로 파고들 여지를 남겨두기 위한 것이며, 라이선스 제스처라기보다 진정한 약속이다. 그러나 학습 레시피는 공개된 데이터가 아니라 문서에 가깝고, 지금까지의 파인튜닝 지침은 구체적인 지시 사항(텍스트 인코더는 동결 상태로 유지하라; 파인튜닝하지 말라)과 캡셔닝 프롬프트에 불과하다. 단순한 SFT가 참조 기반 생성과 GIF 출력을 가능하게 한다는 주장에는 "지켜봐 달라"는 단서가 붙어 있다.

라우팅, 과장 없이 표현한

이 비교에 등장하는 두 모델 중 어느 것도 우리 카탈로그에 없으며, 아닌 척할 생각도 없습니다. Qwen Image 3.0은 Alibaba의 Model Studio에 있고, Qwen 이미지 라인의 나머지 제품들과 마찬가지로 OrcaRouter가 서비스하는 대상이 아닙니다. MOSS-Image는 다운로드 방식입니다. 여기서 경계는 명확합니다. 우리는 둘 다 호스팅하지 않습니다.

에 있는 것은우리 카탈로그 이 두 모델이 견주어지는 나머지 경쟁 모델들, 즉 자체 호스팅 MOSS-Image를 벤치마크할 때 기준이 되는 호스팅 이미지 모델들입니다. 이들은 하나의 API 키로 제공업체 정가에 0% 마크업으로 접근할 수 있어, 호스팅 모델의 공급업체 가격이 바뀌면 다음 계약 갱신 때가 아니라 같은 날 여기에 반영됩니다. Qwen 쪽은 이미지당 과금되고 MOSS 쪽은 GPU 시간으로 과금되는 이와 같은 비교에서, 라우팅 레이어가 제공하는 유용한 것은 할인이 아니라 실시간 호스팅 가격을 읽을 수 있는 단일 지점과, 평가 도중 업스트림 하나가 성능이 저하될 때 제공업체 전반에 걸쳐 페일오버할 수 있는 단일 엔드포인트입니다. 그것이 주장의 전부이며, 우리가 운영하지 않는 모델을 제공하는 것까지는 나아가지 않습니다.

순서대로 결정하는 방법

이것들을 순서대로 하나씩 풀어 보면 보통 세 번째 질문쯤에서 답이 나온다.

• GPU가 있습니까, 아니면 GPU 시간으로 전환할 수 있는 예산이 있습니까? 그렇지 않다면, 이 비교는 끝났으며 Qwen Image 3.0이 이미지당 약 $0.035에 답입니다.

• 레이아웃이 생성 전에 알 수 있는가 — 템플릿, 그리드, 좌표 집합이 있는가? 그렇다면 M​OSS-Image의 JSON 인터페이스는 이번 맞대결에서 당신의 문제를 직접 다루는 유일한 메커니즘이며, 0.88 대 0.31 격차가 그에 대한 증거입니다. 다만 이는 벤더가 작성한 것이긴 합니다.

• 미세 조정, 양자화, 또는 에어갭 환경에서의 실행이 필요한가? 그렇다면 폐쇄형 모델은 어떤 가격에도 후보가 아니다. 그리고 4스텝 DMD LoRA와 8스텝 증류 변형이 출시 후 약 하루 만에 등장했다는 사실이 바로 당신이 받아들이는 전제다.

• 법률 검토가 문서로 마무리되어야 합니까? Apache 2.0과 라이선스 미기재의 대비는 이 비교에서 가장 짧은 부분입니다.

• 측정의 독립성이 요구 사항인가? 그렇다면 추가 작업 없이는 둘 중 어느 쪽도 선택하지 마세요. Q​wen Image 3.0의 유일한 독립적 수치는 Artificial Analysis의 Elo 순위뿐이며, 이는 이를 최상위권이 아니라 중간권에 위치시킵니다. M​OSS-Image의 대표 결과는 모두 자체 저자들이 구축한 벤치마크에서 나온 것입니다.

답을 가장 빠르게 바꿔 줄 것은 아직 존재하지 않으며, 두 모델 모두에게 그것은 같은 것입니다: 각각이 가장 잘하는 테스트를 독립적으로 한 번 실행하는 것. Q​wen Image 3.0의 경우, A​libaba가 레이아웃 측정을 하나도 공개하지 않았으므로 누구든 레이아웃 측정을 한 번 해 주면 됩니다. M​OSS-Image의 경우, OpenMOSS가 아닌 누군가가 LongLongTextBench, RealLayoutArena 또는 7Bench를 실행하는 것입니다. 그때까지는, 무엇을 결정하든, 검증된 품질이 아니라 아키텍처, 라이선스, 메커니즘을 두고 결정하는 것입니다 — 이는 폐쇄형 API와 오픈 체크포인트 간의 정면 대결에서 어쨌든 올바른 기준이라고 할 만합니다.

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.