MOSS-Image vs FLUX 3: twee manieren om een bounding box in een prompt te zetten

Het meest interessante aan het vergelijken van M​OSS-Image met FLUX 3 is dat beide binnen de afgelopen maand tot dezelfde conclusie kwamen — dat de manier om een beeldmodel te besturen is door coördinaten in de prompt te schrijven — en het daarna oneens waren over het coördinatensysteem. Op 16 oktober 2026 bracht OpenMOSS M​OSS-Image-Base en M​OSS-Image-SFT uit onder Apache 2.0: een 5B-diffusietransformer, downloadbaar, met een JSON-layoutformaat dat elementen positioneert op basis van absolute pixelverschuivingen gemeten vanaf het midden van het canvas. Black Forest Labs was er eerder bij met F​lux 3 Image, live sinds 1 oktober met een gepubliceerde tariefkaart, dat elk kader opvat als [top, left, bottom, right] in gehele getallen van 0 tot 1000, ten opzichte van een vast raster. Hetzelfde idee, incompatibele grammatica, en slechts één van de twee geeft je een bestand dat je kunt bewaren.

Dat verschil — niet de beeldkwaliteit — is wat deze confrontatie voor de meeste teams beslist, en het beslist die sneller dan welke benchmark dan ook. De onderstaande vergelijking is daar dan ook rond opgebouwd. Elk cijfer van M​OSS-Image is van OpenMOSS zelf, overgenomen uit de release en het bijbehorende technische rapport, en niets ervan is door iemand gereproduceerd. Elk cijfer van F​lux 3 is afkomstig uit Black Forest Labs' eigen gepubliceerde tariefkaart en release-materiaal. Er is geen onafhankelijke rechtstreekse vergelijking tussen deze twee modellen, en die zal er voorlopig ook niet komen.

Wat elke partij daadwerkelijk heeft uitgebracht

M​OSS-Image bestaat uit twee checkpoints, M​OSS-Image-Base en M​OSS-Image-SFT, met gewichten en inference-code onder Apache 2.0, een ModelScope-mirror, een Gradio Space, een custom Diffusers-pipeline en een native ComfyUI-plugin. ComfyUI-ondersteuning in de core verscheen dezelfde dag als de gewichten. Er is geen gehost endpoint van OpenMOSS en geen gepubliceerde prijs, want er valt niets te prijzen — je draait het of je draait het niet.

F​lux 3 is de tegenovergestelde vorm. Black Forest Labs kondigde het in juli 2026 aan als één architectuur die getraind is op video, beeld en audio, en de tier voor stilstaande beelden — F​lux 3 Image — ging op 1 oktober van start met publieke pay-as-you-go-prijzen. De open-weight-tegenhanger, FLUX 3 Image Klein, volgde op 15 oktober onder de FLUX Kommunity License, die gratis commercieel gebruik alleen toestaat onder een omzetplafond. Dus B​FL biedt nu zowel een gehuurd pad als een downloadbaar pad, maar het zijn verschillende modellen met verschillende licenties, en de download is het kleinere broertje in plaats van het vlaggenschip.

Geen van beide modellen staat in onze eigen catalogus. OrcaRouter serveert meer dan 200 modellen en M​OSS-Image hoort daar niet bij, dus niets hier mag worden opgevat als dat wij het aanbieden — hetzelfde geldt voor F​lux 3. Waarvoor de router in deze vergelijking nuttig is, is de andere helft van de lus: wanneer je een zelfgehost checkpoint tegenover gehoste beeldmodellen wilt zetten met dezelfde prompts, is de gehoste kant bereikbaar via één API-sleutel, tegen de lijstprijs van de provider, zonder dat wij van onze kant een opslag toevoegen, met automatische failover tussen providers als een van hen tijdens de run achteruitgaat.

De boxgrammatica's, naast elkaar

Dit is waar de twee uiteenlopen op een manier die een configuratiebestand zal opmerken.

• Coördinatenruimte — MOSS-Image: absolute pixels gemeten vanaf het midden van het canvas, met bbox_coord_space: "abs_centralized", dus op een 1024×1024 canvas loopt elke as van −512 tot +512. Flux 3 Image: genormaliseerde gehele getallen 0 tot 1000 gemeten vanaf de linkerbovenhoek.

• Coördinatenvolgorde — M​OSS-Image: bbox_format: "yxyx", wat betekent [y_min, x_min, y_max, x_max]. F​lux 3 Image: [boven, links, onder, rechts], dezelfde vier getallen in dezelfde volgorde onder een andere naam.

• Hoe het het model bereikt — MOSS-Image: één JSON-object dat als de promptstring wordt doorgegeven, met een samenvattingblok voor scène en stijl plus een items-array waarin elk element een label, een bijschrift en, voor tekstelementen, de letterlijke tekenreeks om weer te geven bevat. Flux 3 Image: een JSON-array van boxen die in een normale prompt worden geschreven, zonder dat een extra parameter nodig is.

• Resolutiekoppeling — de coördinaten van MOSS-Image zijn pixels, dus ze zijn alleen correct voor de breedte en hoogte die je hebt opgevraagd; verander de uitvoergrootte en je moet elke box opnieuw afleiden. Het 0–1000-raster van Flux 3 is per constructie resolutieonafhankelijk: [0, 0, 500, 500] is het linkerbovenste kwart van welk canvas je ook aanvraagt.

• Waarvoor het vak bedoeld is — MOSS-Image wordt in de eerste plaats gepresenteerd als generatieregeling, waarbij de leverancier opmerkt dat het aanpassen van het bijschrift van een element of het verplaatsen van het vak het desbetreffende deel van de compositie aanpast, wat als experimenteel wordt beschreven. Flux 3 Image combineert lay-out met vakgebonden multi-turn bewerken als een hoofdcapaciteit.

Dat laatste punt is de praktische scheidslijn. Het raster van Flux 3 overleeft een wijziging van de uitvoerresolutie; dat van MOSS-Image niet, maar MOSS-Image laat je de exacte tekenreeks opgeven die je in een tekstelement wilt laten renderen in plaats van die te beschrijven. Als je pipeline op verschillende afmetingen opnieuw rendert, is het raster een echt voordeel. Als je pipeline posters rendert met vaste afmetingen en specifieke tekst, zijn absolute pixels geen last.

Tekstweergave, waarbij de enige getallen die van de leverancier zijn

De belangrijkste capaciteit van MOSS-Image is leesbare tekst, en de leverancier bouwde twee benchmarks om die te meten. Op LongLongTextBench — 240 taken voor het weergeven van literaire tekst met een gemiddelde doellengte van ongeveer 1.340 tekens — scoort MOSS-Image 96,3 op Mean-6-tekstdekking, tegenover 64,9 voor Qwen-Image-2512. De rij erboven in dezelfde tabel is GPT Image 2 met 99,0 en Nano Banana Pro met 96,6, wat vermeldenswaard is: OpenMOSS publiceerde een tabel waarin concurrenten nog steeds winnen.

Black Forest Labs heeft voor F​lux 3 Image helemaal geen benchmark voor tekstweergave gepubliceerd. Er is geen getal om naast 96,3 te zetten, van geen van beide kanten, en het verzinnen van een vergelijking op basis van voorbeeldafbeeldingen zou iets zijn dat deze blog niet zou moeten doen. Wat wel gezegd kan worden, is dat de VAE van FLUX.2 degene is die M​OSS-Image gebruikt — de eigen modelcard van M​OSS-Image vermeldt dat deze de kleine decoder van FLUX.2 laadt — dus de twee families zijn op pixelniveau geen vreemden voor elkaar, ook al zijn de generatoren niet verwant.

Kosten: één getal tegenover vijf

• M​OSS-Image — gratis te downloaden, Apache 2.0, geen omzetdrempel en geen commerciële tier. De kosten zitten in de hardware: de SFT-repository bedraagt in totaal ongeveer 27,2 GB, waarvan ongeveer 16,8 GB verdeeld over vier shards de bevroren Qwen3.5-9B-tekstencoder is en ongeveer 10,2 GB verdeeld over drie shards de transformer is. Begroot de encoder, niet de badge.

• Flux 3 Image — $0,041 bij 768×768, $0,048 bij ongeveer 1 megapixel, $0,07 bij 1,5K, $0,10 bij 2K en $0,607 bij 4K, per afbeelding, volgens de eigen prijslijst van Black Forest Labs. Er liep een introductiekorting van 50% van 1 oktober tot 8 oktober en die is verlopen, dus elk kostenmodel dat daarop is gebaseerd, heeft een tweede regel tegen het volledige tarief nodig.

• FLUX 3 Image Klein — $0,008 bij 768×768, oplopend tot $0,036 bij 4K, en tekst-naar-afbeelding en bewerken kosten hetzelfde. Het is drastisch goedkoper dan de 5B-download waarmee het concurreert, qua arbeid zo niet qua licentie.

De eerlijke manier om het te stellen is dat dit niet dezelfde aankopen zijn. MOSS-Image ruilt geld voor GPU-uren en engineering; F​lux 3 Image ruilt geld voor iemand anders die de stack draait en wordt per geleverde afbeelding geprijsd tegen een tarief dat steil stijgt met de resolutie.

Wat geen van beide partijen heeft gepubliceerd

Er bestaat geen onafhankelijke benchmark van MOSS-Image. Er bestaat ook geen onafhankelijke benchmark van Flux 3 Image — BFL bracht de image-tier uit zonder vergelijkingscijfers met welk ander beeldmodel dan ook, of die nu door de leverancier waren uitgevoerd of niet. Geen van beide modellen heeft een regel op een neutrale ranglijst waar iemand naar kan wijzen. Wanneer beide kanten van een vergelijking niet onderbouwd zijn, is de juiste conclusie niet dat ze even goed zijn; ze is dat je het op dit moment niet kunt vaststellen, en dat de beslissende factor iets moet zijn dat je daadwerkelijk kunt meten — licentie, formaat, latentie op je eigen hardware, en of de box-grammatica overeenkomt met de code die je al hebt.

Twee dingen zouden dat veranderen. Een onafhankelijke run van LongLongTextBench of RealLayoutArena door iemand anders dan OpenMOSS zou het eerste echte bewijs vormen voor de centrale claim van M​OSS-Image. Een layoutcontrolvergelijking door een derde partij op het B​FL-raster zou hetzelfde doen voor F​lux 3 Image. Geen van beide bestaat nog.

Welke zou je nou echt kiezen?

Kies MOSS-Image als het op te leveren resultaat een samengestelde pagina is — poster, infographic, productmockup — waarbij specifieke tekst op specifieke plekken moet belanden en waarbij je de gewichten in je eigen infrastructuur wilt hebben. De Apache 2.0-licentie maakt een commerciële beoordeling kort, het Base-checkpoint is bewust ongedistilleerd gelaten zodat LoRA-training iets heeft om op te bijten, en de JSON-layout is het onderdeel van het model dat de leverancier het nauwkeurigst heeft gemeten. Begroot de encoder en verwacht gestructureerde JSON aan te leveren in plaats van proza: de eigen ablatie van de leverancier zette JSON-layoutprompts op 1622,87 Elo tegen 1506,20 voor natuurlijke taal op hetzelfde systeem, wat een groot verschil is en het duidelijkste signaal in de release.

Kies Flux 3 Image als je vandaag een aanroepbaar endpoint nodig hebt, als de resolutie van je outputs varieert, of als je box-scoped bewerkingen over meerdere turns wilt als een ondersteunde functie in plaats van een experimentele. Het 0–1000-raster is resolutieonafhankelijk, de tariefkaart is openbaar, en er is een goedkope open-weight variant ernaast als het licentieplafond acceptabel is.

Waar je op moet letten, is de box-grammatica. Welke conventie je tooling ook het eerst aanneemt, is degene die je zult behouden, en op dit moment zijn de twee conventies incompatibel — absolute, middenrelatieve pixels in yxyx-volgorde aan de ene kant, genormaliseerde gehele getallen met linksboven als oorsprong aan de andere kant. Een kleine adapterfunctie converteert tussen beide. De reden dat het ertoe doet, is dat het het enige onderdeel van deze vergelijking is dat vandaag volledig te kennen is.

De gedocumenteerde AI-fouten en incidenten met agents achter releases zoals deze worden verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwistingsmarkering bevat.