MOSS-Image vs FLUX 3: Hai cách để đặt một bounding box vào prompt

Điều thú vị nhất khi so sánh M​OSS-Image với FLUX 3 là cả hai, trong vòng một tháng qua, đã đi đến cùng một kết luận — rằng cách để điều khiển một mô hình hình ảnh là viết tọa độ vào prompt — rồi sau đó lại bất đồng về hệ tọa độ. Vào ngày 16 tháng 10 năm 2026, OpenMOSS đã phát hành M​OSS-Image-Base và M​OSS-Image-SFT theo Apache 2.0: một diffusion transformer 5B, có thể tải xuống, với định dạng bố cục JSON định vị các phần tử bằng độ lệch pixel tuyệt đối được đo từ tâm khung vẽ. Black Forest Labs đã làm điều này trước với F​lux 3 Image, hoạt động từ ngày 1 tháng 10 với bảng giá đã công bố, lấy mọi hộp là [top, left, bottom, right] trong các số nguyên từ 0 đến 1000, tương đối so với một lưới cố định. Cùng một ý tưởng, ngữ pháp không tương thích, và chỉ một trong hai cho bạn một tệp bạn có thể giữ lại.

Sự khác biệt đó — không phải chất lượng hình ảnh — mới là thứ quyết định cuộc so tài này đối với hầu hết các đội, và nó quyết định nhanh hơn bất kỳ benchmark nào. Vì vậy, phần so sánh bên dưới được tổ chức xoay quanh điều đó. Mọi số liệu của MOSS-Image đều là của chính OpenMOSS, lấy từ bản phát hành và báo cáo kỹ thuật của họ, và chưa có ai tái lập bất kỳ phần nào trong đó. Mọi số liệu của Flux 3 đều là bảng giá và tài liệu phát hành do chính Black Forest Labs công bố. Không có cuộc đối đầu trực tiếp độc lập nào giữa hai mô hình này, và sẽ không có trong một thời gian.

Mỗi bên thực sự đã tung ra những gì

M​OSS-Image là một cặp checkpoint, M​OSS-Image-Base và M​OSS-Image-SFT, với trọng số và mã suy luận theo giấy phép Apache 2.0, một mirror ModelScope, một Gradio Space, một pipeline tùy chỉnh Diffusers và một plugin ComfyUI native. Hỗ trợ lõi ComfyUI đã ra mắt cùng ngày với trọng số. Không có endpoint được host nào từ OpenMOSS và không có giá được công bố, vì không có gì để định giá — bạn chạy nó hoặc không.

F​lux 3 có hình dạng ngược lại. Black Forest Labs đã công bố nó vào tháng 7 năm 2026 như một kiến trúc duy nhất được huấn luyện trên video, hình ảnh và âm thanh, và dòng ảnh tĩnh — F​lux 3 Image — đã mở bán với mức giá trả theo mức sử dụng công khai vào ngày 1 tháng 10. Bản tương ứng mở trọng số, FLUX 3 Image Klein, ra mắt sau đó vào ngày 15 tháng 10 theo Giấy phép FLUX Kommunity, loại giấy phép chỉ cho phép sử dụng thương mại miễn phí dưới một mức trần doanh thu. Vậy nên B​FL hiện cung cấp cả một con đường thuê và một con đường có thể tải xuống, nhưng chúng là những mô hình khác nhau với các giấy phép khác nhau, và bản tải xuống là người em nhỏ hơn chứ không phải là sản phẩm chủ lực.

Cả hai mô hình đều không nằm trong danh mục của chúng tôi. OrcaRouter phục vụ hơn 200 mô hình và MOSS-Image không phải là một trong số đó, nên không có gì ở đây nên được hiểu là chúng tôi đang cung cấp nó — điều tương tự cũng đúng với Flux 3. Điều mà router hữu ích trong so sánh này chính là nửa còn lại của vòng lặp: khi bạn muốn đặt một checkpoint tự lưu trữ lên đối chiếu với các mô hình hình ảnh được lưu trữ trên cùng các prompt, phía được lưu trữ có thể truy cập thông qua một khóa API, ở mức giá niêm yết của nhà cung cấp mà không có phụ phí nào từ phía chúng tôi, với tự động chuyển đổi dự phòng giữa các nhà cung cấp nếu một trong số họ suy giảm giữa chừng.

Các ngữ pháp hộp, đặt cạnh nhau

Đây là chỗ hai cái tách rời nhau theo một cách mà tệp cấu hình sẽ để ý thấy.

• Không gian tọa độ — MOSS-Image: pixel tuyệt đối được đo từ tâm canvas, sử dụng bbox_coord_space: "abs_centralized", vì vậy trên canvas 1024×1024, mỗi trục chạy từ −512 đến +512. Flux 3 Image: số nguyên đã chuẩn hóa từ 0 đến 1000 được đo từ góc trên bên trái.

• Thứ tự tọa độ — M​OSS-Image: bbox_format: "yxyx", nghĩa là [y_min, x_min, y_max, x_max]. F​lux 3 Image: [top, left, bottom, right], tức là cùng bốn con số đó theo cùng thứ tự dưới một tên gọi khác.

• Cách nó đến được với mô hình — M​OSS-Image: một đối tượng JSON được truyền dưới dạng chuỗi prompt, với một khối summary cho bối cảnh và phong cách, cùng với một mảng items trong đó mỗi phần tử mang một nhãn, một chú thích, và đối với các phần tử văn bản là chuỗi ký tự nguyên văn cần hiển thị. F​lux 3 Image: một mảng JSON gồm các hộp được viết vào một prompt thông thường, không cần tham số bổ sung.

• Khớp nối độ phân giải — tọa độ của MOSS-Image là pixel, nên chúng chỉ đúng với chiều rộng và chiều cao mà bạn yêu cầu; thay đổi kích thước đầu ra là bạn phải tính lại mọi hộp. Lưới 0–1000 của Flux 3 vốn độc lập với độ phân giải theo thiết kế: [0, 0, 500, 500] là một phần tư phía trên bên trái của bất kỳ khung vẽ nào bạn yêu cầu.

• Khung dùng để làm gì — MOSS-Image được giới thiệu trước hết như một cơ chế kiểm soát tạo sinh, với việc nhà cung cấp lưu ý rằng chỉnh sửa chú thích của một phần tử hoặc di chuyển khung của nó sẽ điều chỉnh phần đó của bố cục, được mô tả là mang tính thử nghiệm. Flux 3 Image kết hợp bố cục với chỉnh sửa nhiều lượt theo phạm vi khung như một khả năng chủ đạo.

Gạch đầu dòng cuối cùng đó chính là sự phân tách thực tế. Lưới của Flux 3 vẫn trụ được khi thay đổi độ phân giải đầu ra; còn của MOSS-Image thì không, nhưng MOSS-Image cho phép bạn chỉ định chính xác chuỗi mà bạn muốn được hiển thị bên trong một phần tử văn bản thay vì mô tả nó. Nếu pipeline của bạn kết xuất lại ở các kích thước khác nhau, lưới là một lợi thế thực sự. Nếu pipeline của bạn kết xuất poster với kích thước cố định và nội dung chữ cụ thể, pixel tuyệt đối không phải là gánh nặng.

Kết xuất văn bản, nơi những con số duy nhất là của nhà cung cấp

Khả năng chủ đạo của MOSS-Image là văn bản rõ ràng, dễ đọc, và nhà cung cấp đã xây dựng hai bộ benchmark để đo lường điều này. Trên LongLongTextBench — 240 tác vụ kết xuất văn bản văn học với độ dài mục tiêu trung bình khoảng 1.340 ký tự — MOSS-Image đạt 96,3 điểm về độ phủ văn bản Mean-6, so với 64,9 của Qwen-Image-2512. Hàng ngay phía trên nó trong cùng bảng là GPT Image 2 với 99,0 và Nano Banana Pro với 96,6, một chi tiết đáng chú ý: OpenMOSS đã công bố một bảng mà trong đó các đối thủ vẫn giành chiến thắng.

Black Forest Labs hoàn toàn không công bố bất kỳ benchmark kết xuất văn bản nào cho F​lux 3 Image. Không có con số nào để đặt cạnh 96,3, từ phía nào đi nữa, và việc bịa ra một so sánh từ các ảnh mẫu sẽ đúng là kiểu điều mà blog này không nên làm. Điều có thể nói là VAE của FLUX.2 chính là cái mà M​OSS-Image dùng — model card của chính MOSS-Image ghi rõ rằng nó nạp bộ giải mã nhỏ FLUX.2 — cho nên hai dòng họ này không hề xa lạ với nhau ở cấp độ điểm ảnh, dẫu rằng các bộ sinh thì không liên quan gì đến nhau.

Chi phí: một con số so với năm

• MOSS-Image — tải xuống miễn phí, Apache 2.0, không có ngưỡng doanh thu và không có gói thương mại. Chi phí nằm ở phần cứng: kho lưu trữ SFT có tổng dung lượng khoảng 27,2 GB, trong đó khoảng 16,8 GB trải trên bốn shard là bộ mã hóa văn bản Qwen3.5-9B đóng băng và khoảng 10,2 GB trải trên ba shard là transformer. Hãy dự trù ngân sách cho bộ mã hóa, không phải cho huy hiệu.

• Flux 3 Image — $0.041 ở 768×768, $0.048 ở khoảng 1 megapixel, $0.07 ở 1.5K, $0.10 ở 2K và $0.607 ở 4K, mỗi ảnh, theo bảng giá của chính Black Forest Labs. Chương trình giảm giá 50% khi ra mắt kéo dài từ ngày 1 tháng 10 đến ngày 8 tháng 10 và đã hết hạn, vì vậy bất kỳ mô hình chi phí nào được xây dựng dựa trên mức đó đều cần thêm một dòng ở mức giá đầy đủ.

• FLUX 3 Image Klein — 0,008 đô-la ở 768×768, tăng lên 0,036 đô-la ở 4K, và tạo ảnh từ văn bản với chỉnh sửa có cùng mức giá. Nó rẻ hơn đáng kể so với bản tải xuống 5B mà nó cạnh tranh về mặt nhân công, nếu không nói là về giấy phép.

Cách đặt vấn đề trung thực là đây không phải là cùng một giao dịch mua. M​OSS-Image đổi tiền lấy giờ GPU và công sức kỹ thuật; F​lux 3 Image đổi tiền lấy việc người khác vận hành stack và được tính giá theo từng ảnh được giao, với mức giá tăng vọt theo độ phân giải.

Điều mà cả hai bên đều chưa công bố

Không có bất kỳ đánh giá độc lập nào về MOSS-Image. Flux 3 Image cũng vậy — không có đánh giá độc lập nào. BFL đã tung ra dòng sản phẩm hình ảnh này mà không kèm bất kỳ con số so sánh nào với bất kỳ mô hình hình ảnh nào khác, dù do nhà cung cấp tự chạy hay từ bất kỳ nguồn nào khác. Cả hai mô hình đều không có một dòng nào trên bảng xếp hạng trung lập mà ai đó có thể chỉ tay vào. Khi cả hai phía của một phép so sánh đều thiếu bằng chứng, kết luận đúng đắn không phải là chúng tốt ngang nhau; mà là hiện tại bạn không thể phân định được, và yếu tố phá thế cân bằng phải là thứ bạn thực sự đo đếm được — giấy phép, định dạng, độ trễ trên chính phần cứng của bạn, và liệu ngữ pháp hộp có khớp với đoạn mã bạn đang có hay không.

Hai điều sẽ thay đổi cục diện đó. Một lần chạy độc lập LongLongTextBench hoặc RealLayoutArena do bất kỳ ai không phải OpenMOSS thực hiện sẽ là bằng chứng thực sự đầu tiên cho tuyên bố cốt lõi của M​OSS-Image. Một so sánh kiểm soát bố cục từ bên thứ ba trên lưới B​FL cũng sẽ làm điều tương tự cho F​lux 3 Image. Hiện chưa có điều nào trong hai điều đó tồn tại.

Bạn thực sự sẽ chọn cái nào

Hãy dùng MOSS-Image nếu sản phẩm bàn giao là một trang được bố cục — poster, infographic, bản mockup sản phẩm — nơi văn bản cụ thể phải nằm đúng những vị trí cụ thể và nơi bạn muốn trọng số nằm trong hạ tầng của chính mình. Giấy phép Apache 2.0 giúp việc rà soát thương mại diễn ra nhanh gọn, Base checkpoint được cố ý để nguyên không chưng cất để huấn luyện LoRA có thứ mà bám vào, và bố cục JSON là phần của mô hình được nhà cung cấp đo lường cẩn thận nhất. Hãy dự trù ngân sách cho encoder và chuẩn bị cung cấp JSON có cấu trúc thay vì văn xuôi: thử nghiệm ablation của chính nhà cung cấp cho thấy các prompt bố cục JSON đạt 1622,87 Elo so với 1506,20 cho ngôn ngữ tự nhiên trên cùng hệ thống, một khoảng cách lớn và là tín hiệu rõ ràng nhất trong bản phát hành.

Hãy chọn Flux 3 Image nếu bạn cần một endpoint có thể gọi được ngay hôm nay, nếu kết quả đầu ra của bạn khác nhau về độ phân giải, hoặc nếu bạn muốn chỉnh sửa theo vùng chọn qua nhiều lượt như một tính năng được hỗ trợ chính thức thay vì một tính năng thử nghiệm. Lưới 0–1000 không phụ thuộc vào độ phân giải, bảng giá được công khai, và ngay bên cạnh đó có một biến thể open-weight giá rẻ nếu mức trần giấy phép là chấp nhận được.

Điều cần lưu ý là ngữ pháp hộp. Quy ước nào mà công cụ của bạn áp dụng trước sẽ là quy ước bạn giữ lại, và hiện tại hai quy ước này không tương thích — các pixel tuyệt đối tương đối so với tâm theo thứ tự yxyx ở một bên, còn các số nguyên chuẩn hoá ở góc trên bên trái ở bên kia. Một hàm adapter nhỏ chuyển đổi giữa chúng. Lý do nó quan trọng là đây là phần duy nhất của phép so sánh này có thể biết đầy đủ ngay hôm nay.

Các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này được tập hợp trong OrcaRouter AI Incident Archive, trong đó mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.