# Z-Image-Turbo-Anleitung: Was Z-Image ist und wie du es ausführst

> Z-Image ist das offene 6B-Bildmodell von Alibaba Tongyi. Was Z-Image Turbo ist, Lizenz, VRAM-Bedarf, offizielle Einstellungen und wie du es promptest.

Von Anna Krejcova | Veröffentlicht am: 2026-10-31T08:00:00Z

Kanonische URL: https://www.fanscreator.ai/de/blog/z-image-turbo-anleitung

- Z-Image ist eine offene Bildmodell-Familie mit 6 Milliarden Parametern vom Tongyi-Team von Alibaba. Z-Image Turbo erschien am 26. November 2025, das Basismodell Z-Image am 27. Januar 2026, beide unter Apache 2.0.
- Z-Image Turbo erzeugt ein Bild in 8 Schritten, passt auf Consumer-Grafikkarten mit 16 GB VRAM und läuft mit Guidance 0, sodass Negative Prompts dort nichts bewirken.
- Offizielle Turbo-Einstellungen: 9 Schritte in Diffusers (8 Modelldurchläufe), Guidance 0,0, 1024x1024. Das Basismodell braucht 28 bis 50 Schritte, Guidance 3,0 bis 5,0 und einen Negative Prompt.
- Prompte es mit langen, konkreten Beschreibungen auf Englisch oder Chinesisch, setze Text im Bild in doppelte Anführungszeichen und verzichte auf Tags wie 8K oder masterpiece.

**Z-Image** ist eine Familie von Open-Weight-Bildmodellen aus Alibabas Tongyi Lab, veröffentlicht unter dem Namen Tongyi-MAI. Die bekannteste Version, **Z-Image Turbo**, erzeugt ein Bild in 8 Schritten, passt auf Consumer-Grafikkarten mit 16 GB Videospeicher und steht unter der Lizenz Apache 2.0. Du kannst es von GitHub, Hugging Face oder ModelScope herunterladen, in einer offiziellen Online-Demo ausprobieren oder über die API von Alibaba Cloud aufrufen.

Jede Zahl unten stammt aus dem offiziellen GitHub-Repository, den Model Cards auf Hugging Face, dem technischen Bericht oder der Dokumentation von Alibaba Cloud, alles gelesen am 5. Oktober 2026.

## Was ist Z-Image?

Z-Image (造相 auf Chinesisch) ist ein Text-to-Image-Modell mit 6 Milliarden Parametern. Du schreibst eine Beschreibung und bekommst ein Bild zurück. Die [Projektseite](https://tongyi-mai.github.io/Z-Image-blog/) nennt als Urheber das „Z-Image Team, Tongyi MAI, Alibaba Group“. Auf [ModelScope](https://www.modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo), Alibabas Modell-Hub, trägt die Organisation Tongyi-MAI den chinesischen Namen 通义多模态交互, Tongyi Multimodal Interaction.

Der Kern von Z-Image ist seine Größe. Sein [technischer Bericht](https://arxiv.org/abs/2511.22699) merkt an, dass führende offene Modelle wie Qwen-Image, Hunyuan-Image-3.0 und FLUX.2 20 bis 80 Milliarden Parameter haben, was sie „für Inferenz und Fine-Tuning auf Consumer-Hardware unpraktikabel“ macht. Z-Image strebt ähnliche Qualität mit 6 Milliarden an. Laut Bericht dauerte das gesamte Training 314.000 H800-GPU-Stunden, etwa 630.000 US-Dollar.

Es nutzt eine Architektur, die das Team Scalable Single-Stream Diffusion Transformer (S3-DiT) nennt: Text- und Bilddaten gelangen als ein einziger Strom statt als zwei ins Modell. Der Text-Encoder im Hugging-Face-Repository ist ein Qwen3-Sprachmodell.

### Zeitleiste der Z-Image-Veröffentlichungen

| Datum | Was passiert ist |
| :--- | :--- |
| 26. November 2025 | Z-Image Turbo auf Hugging Face und ModelScope veröffentlicht |
| 27. November 2025 | Erste Version des technischen Berichts auf arXiv veröffentlicht |
| 8. Dezember 2025 | Z-Image Turbo laut README auf Platz 8 insgesamt und auf Platz 1 unter den Open-Source-Modellen im Text-to-Image-Leaderboard von Artificial Analysis |
| 27. Januar 2026 | Z-Image, das vollständige Foundation-Modell, veröffentlicht |

## Die Varianten von Z-Image

Die [GitHub-README](https://github.com/Tongyi-MAI/Z-Image) listet vier Varianten auf. Zwei lassen sich herunterladen, die anderen beiden waren am 5. Oktober 2026 noch als „To be released“ markiert.

| Variante | Wofür sie gedacht ist | Schritte | Guidance (CFG) | Status am 5. Okt. 2026 |
| :--- | :--- | :--- | :--- | :--- |
| **Z-Image Turbo** | Schnelles, fotorealistisches Text-to-Image | 8 | Nein | Veröffentlicht |
| **Z-Image** | Foundation-Modell, Stile, Fine-Tuning | 28 bis 50 | Ja | Veröffentlicht |
| **Z-Image-Omni-Base** | Rohe Basis für Generierung und Bearbeitung | 50 | Ja | Noch nicht veröffentlicht |
| **Z-Image-Edit** | Bildbearbeitung mit Textanweisungen | 50 | Ja | Noch nicht veröffentlicht |

Turbo ist eine destillierte Version von Z-Image. Bei der Destillation lernt ein kleineres oder schnelleres Modell, ein langsameres nachzuahmen, und braucht dadurch weniger Schritte. Laut README „erreicht oder übertrifft Turbo führende Konkurrenten mit nur 8 NFEs“ (8 Durchläufen durch das Modell).

### Z-Image vs. Z-Image Turbo

Die [Model Card von Z-Image](https://huggingface.co/Tongyi-MAI/Z-Image) vergleicht die beiden veröffentlichten Modelle direkt:

| | Z-Image | Z-Image Turbo |
| :--- | :--- | :--- |
| **Schritte** | 28 bis 50 | 8 |
| **Guidance (CFG)** | Ja | Nein |
| **Negative Prompts** | Ja | Nein |
| **Fine-Tuning** | Ja | Nein |
| **Vielfalt zwischen Seeds** | Hoch | Niedrig |
| **Visuelle Qualität** | Hoch | Sehr hoch |

Kurz gesagt: Turbo ist für schnelle, ausgefeilte Bilder. Das Basismodell ist für Kontrolle, Abwechslung und das Training eigener Erweiterungen. Die offizielle Card kennzeichnet Turbo als nicht für Fine-Tuning gedacht und nennt das Basismodell „eine gute Basis für LoRA-Training“. Trainiere LoRAs also auf dem Basismodell. Community-Finetunes von Turbo gibt es trotzdem: Der Modellbaum auf der [Hugging-Face-Seite von Turbo](https://huggingface.co/Tongyi-MAI/Z-Image-Turbo) listete am 5. Oktober 2026 über 150 Finetunes und über 800 Adapter. Das sind keine offiziellen Releases.

## Die Lizenz von Z-Image

Beide Model Cards auf Hugging Face geben als Lizenz Apache 2.0 an, und das GitHub-Repository enthält die [Lizenzdatei Apache 2.0](https://github.com/Tongyi-MAI/Z-Image/blob/main/LICENSE). Apache 2.0 ist eine permissive Lizenz. Sie erlaubt kommerzielle Nutzung, Änderungen und Weitergabe, solange du die Lizenz und ihre Hinweise mit dem weitergibst, was du teilst.

Die Lizenz gilt für den Code und die Weights, nicht für die Personen auf deinen Bildern und nicht für die Regeln der Website, auf der du postest.

## Hardware: Was du für Z-Image Turbo brauchst

Die offiziellen Angaben sind knapp:

- **Videospeicher:** Laut README „passt Turbo bequem in Consumer-Geräte mit 16 GB VRAM“. Der technische Bericht nennt „weniger als 16 GB VRAM“.
- **Geschwindigkeit:** „Inferenzlatenz unter einer Sekunde“ auf einer H800, einer GPU für Rechenzentren. Eine Karte für zu Hause ist langsamer.
- **Präzision:** Der Beispielcode lädt das Modell in bfloat16.
- **Wenig Speicher:** Der Beispielcode enthält eine optionale Zeile für CPU-Offloading „für Geräte mit begrenztem Speicher“.
- **Speicherplatz:** Die Weight-Dateien im [Turbo-Repository](https://huggingface.co/Tongyi-MAI/Z-Image-Turbo/tree/main) ergeben zusammen etwa 33 GB.

Laut der Community-Liste in der README kann stable-diffusion.cpp, eine Inferenz-Engine in C++, Z-Image „mit nur 4 GB VRAM“ ausführen. Das ist ein Community-Tool, kein offizielles Release.

## So führst du Z-Image Turbo aus

### 1. Die Online-Demo ausprobieren

Am schnellsten siehst du Z-Image in der offiziellen Demo auf [Hugging Face Spaces](https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo). Auch ModelScope hostet eine. Keine Installation nötig.

In der Hugging-Face-Demo sind die Schritte auf 8 festgelegt, und der Regler „Time Shift“ steht standardmäßig auf 3,0. Die Auflösungs-Presets reichen von 1024x1024 bis 2048x1152, in Seitenverhältnissen von 1:1 bis 21:9. Der [Code](https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo/blob/main/app.py) der Demo prüft jeden Prompt auf unsichere Inhalte und lässt einen Safety Checker über das Ergebnis laufen. Es ist also ein Tool für ein allgemeines Publikum.

### 2. In Python mit Diffusers ausführen

Diesen Weg dokumentiert die [Model Card von Turbo](https://huggingface.co/Tongyi-MAI/Z-Image-Turbo) vollständig. Der Beispielcode läuft auf einer CUDA-Grafikkarte.

1. Installiere Diffusers aus dem Quellcode: `pip install git+https://github.com/huggingface/diffusers`. Die README erklärt, dass die Unterstützung für Z-Image über zwei Pull Requests kam, und verlangt deshalb den neuesten Code.
2. Lade die Weights herunter: `pip install -U huggingface_hub`, dann `hf download Tongyi-MAI/Z-Image-Turbo`.
3. Lade die `ZImagePipeline` in bfloat16 und verschiebe sie auf die GPU.
4. Generiere mit den offiziellen Einstellungen.

Der Kern des offiziellen Beispiels sieht so aus:

```python
image = pipe(
    prompt=prompt,
    height=1024,
    width=1024,
    num_inference_steps=9,  # This actually results in 8 DiT forwards
    guidance_scale=0.0,     # Guidance should be 0 for the Turbo models
).images[0]
```

Die Kommentare stammen vom Team selbst.

### 3. In ComfyUI ausführen

ComfyUI, die Node-basierte Open-Source-Oberfläche, ist ein üblicher Weg in der Community. Die Community-Liste der README enthält einen ComfyUI-Node, der die offiziellen Auflösungen von Z-Image einstellt. Die Beispielseite von ComfyUI selbst nennt drei Dateien für Z-Image Turbo: den Text-Encoder `qwen_3_4b`, das Diffusionsmodell `z_image_turbo_bf16` und das Flux-1-VAE. Du legst jede Datei in ihren ComfyUI-Modellordner und lädst dann den Beispiel-Workflow. Verwende dieselben Einstellungen wie unten: 8 Schritte und Guidance aus.

### 4. Den nativen PyTorch-Code ausführen

Klone das [GitHub-Repository](https://github.com/Tongyi-MAI/Z-Image), installiere es mit `pip install -e .` und führe dann `python inference.py` aus. Damit nutzt du den eigenen Code des Teams statt Diffusers.

### 5. Über Alibaba Cloud aufrufen

Alibaba Cloud Model Studio bietet `z-image-turbo` als gehostetes API-Modell an. Seine [Modellseite](https://help.aliyun.com/en/model-studio/z-image-turbo) nannte am 5. Oktober 2026 zwei Regionen, China (Peking) und Singapur, und ein Limit von 120 Anfragen pro Minute. Das passt für Apps ohne eigene GPU.

## Empfohlene Einstellungen für Z-Image

Das sind die Einstellungen aus den offiziellen Model Cards.

| Einstellung | Z-Image Turbo | Z-Image (Basis) |
| :--- | :--- | :--- |
| **Schritte** | 9 in Diffusers (8 Modelldurchläufe) | 28 bis 50 |
| **Guidance Scale** | 0,0 | 3,0 bis 5,0 |
| **Negative Prompt** | Nicht verwendet | „Dringend empfohlen“ |
| **Auflösung** | 1024x1024 im Beispiel; Demo-Presets bis 2048x1152 | 512x512 bis 2048x2048 Gesamtpixelfläche, beliebiges Seitenverhältnis |
| **CFG-Normalisierung** | Nicht verwendet | False für stilisierte Arbeiten, True für Realismus |
| **Scheduler-Shift (Repository-Konfiguration, 5. Okt. 2026)** | 3,0 | 6,0 |

Guidance auf 0 ist fürs Prompten wichtig. Erst die Guidance lässt einen Negative Prompt wirken, bei Turbo hat ein Negative Prompt also nichts, worauf er wirken kann. Schreib stattdessen alles, was du willst, in den Haupt-Prompt.

## So promptest du Z-Image

Z-Image versteht lange, schlichte Beschreibungen auf Englisch oder Chinesisch. Die offiziellen Beispiele sind ganze Absätze, keine Tag-Listen. Der beste Leitfaden dafür, was das Modell mag, ist der Prompt-Enhancer des Teams, eine [Vorlage in der Demo](https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo/blob/main/pe.py), die kurze Prompts zu vollständigen umschreibt. Aus dem Chinesischen übersetzt arbeitet sie in dieser Reihenfolge:

1. **Den Kern festlegen.** Motiv, Anzahl der Personen oder Objekte, Handlung, Zustand, Farben und jeder genannte Text bleiben genau wie verlangt.
2. **Die Fotodetails ergänzen.** Bildaufbau, Licht und Stimmung, Materialien und Textur, Farbschema und Tiefenebenen.
3. **Text in Anführungszeichen setzen.** Wörter, die im Bild erscheinen sollen, kommen in englische doppelte Anführungszeichen, exakt geschrieben. Bei Postern und Speisekarten beschreibst du auch Schrift und Layout.
4. **Konkret bleiben.** Keine Metaphern, keine emotionale Sprache und keine Meta-Tags wie „8K“ oder „masterpiece“ (Meisterwerk).

Ein so aufgebauter Prompt liest sich wie die Beschreibung eines echten Fotos:

> Photo of a woman in her thirties reading at a café window, soft morning light from the left, white ceramic cup on a wooden table, shallow depth of field, street blurred behind the glass, a chalkboard sign on the wall that says "OPEN 8-6", muted warm colours.
>
> (Foto einer Frau in ihren Dreißigern, die an einem Café-Fenster liest, weiches Morgenlicht von links, weiße Keramiktasse auf einem Holztisch, geringe Schärfentiefe, unscharfe Straße hinter der Scheibe, an der Wand eine Kreidetafel mit der Aufschrift "OPEN 8-6", gedämpfte warme Farben.)

Drei weitere Tipps ergeben sich aus den Model Cards:

- **Nutze Text.** Die README hebt die „zweisprachige Textdarstellung (Englisch & Chinesisch)“ hervor. Schilder, Etiketten und Poster sind eine Stärke, also nenne die Wörter in Anführungszeichen.
- **Variiere den Prompt, nicht nur den Seed.** Die Card des Basismodells bewertet die Vielfalt von Turbo als niedrig. Ein neuer Seed liefert meist ein ähnliches Bild. Ändere also die Formulierung, wenn du einen anderen Bildaufbau willst.
- **Beschreiben statt verbieten.** Da es bei Turbo keinen Negative Prompt gibt, schreib „natural skin texture with visible pores“ (natürliche Hautstruktur mit sichtbaren Poren), statt aufzuzählen, was du nicht willst.

Eine vollständige Methode mit Begriffen für Kamera, Objektiv und Licht findest du in [Prompt Engineering für realistische KI-Fotos](/de/blog/prompt-engineering-nsfw-ki-fotos).

## Stärken und Grenzen von Z-Image Turbo

**Stärken, wie die offiziellen Quellen sie beschreiben:**

- Fotorealismus. Laut README „glänzt Turbo bei der fotorealistischen Bildgenerierung“.
- Text in Bildern, auf Englisch und Chinesisch.
- „Robuste Befolgung von Anweisungen“, in den Worten der README.

**Grenzen, mit denen du planen solltest:**

- **Keine Negative Prompts und keine Guidance.** Du steuerst Turbo nur über den Haupt-Prompt.
- **Geringe Vielfalt.** Die eigene Bewertung der Model Card. Gut für einen einheitlichen Stil, weniger gut, um Ideen zu erkunden.
- **Nicht für Fine-Tuning gedacht.** So kennzeichnet die offizielle Card Turbo; trainiere LoRAs auf dem Basismodell Z-Image.
- **Noch kein offizielles Bearbeitungsmodell.** Z-Image-Edit und Z-Image-Omni-Base standen am 5. Oktober 2026 noch als „To be released“ in der Liste.
- **Kein Gedächtnis für eine Person.** Wie bei jedem Text-to-Image-Modell beginnt jede Generierung neu. Dieselbe Figur verändert sich also von Bild zu Bild, wenn du keine Methode für Konsistenz ergänzt.
- **Ein Release für ein allgemeines Publikum.** Laut technischem Bericht wurden die Trainingsdaten beim Filtern auf NSFW-Content bewertet, und die offizielle Demo prüft Prompts.

## Z-Image für Creator, die als eine Person posten

Die letzten beiden Grenzen zählen am meisten, wenn du Content verkaufst, denn Abonnenten folgen einem Gesicht. Methoden, um ein Gesicht stabil zu halten, vom LoRA-Training bis zu Referenzbildern, vergleicht [LoRA-Training vs. Multi-Angle-Prompting](/de/blog/lora-training-vs-multi-angle-prompting).

FansCreator führt Z-Image unter den Modellen, die es ausführt, und hält Gesicht und Körper eines Creators über Bilder und Videos hinweg gleich.

Für Adult-Creator sind der [NSFW-KI-Bildgenerator](/nsfw-ai-image-generator) und die [Z-Image-Seite](/z-image-nsfw) von FansCreator für Adult-Content mit Einwilligungsregeln gebaut. Du lädst das Ergebnis herunter und postest es selbst.

Egal welches Tool du nutzt, die Regel zur Einwilligung ist dieselbe: nur dein eigenes Gesicht, deine eigene KI-Persona oder ein Gesicht, dessen Inhaber eine Einwilligung gegeben hat, die du nachweisen kannst. Die [Nutzungsbedingungen](/terms) von FansCreator verbieten alles andere. Prüfe dann, wohin das Bild geht:

- **OnlyFans** erlaubt KI-Content nur, wenn er „eindeutig den verifizierten Creator zeigt“ und gekennzeichnet ist, zum Beispiel mit #ai ([OnlyFans-Hilfecenter](https://onlyfans.com/help/196/205/211)). Sein [Moderationsleitfaden](https://onlyfans.com/help/196/205/206) führt Content, der „vollständig KI-generiert“ ist oder „stark bearbeitete Bilder enthält“, unter dem auf, was entfernt wird. Eine von Grund auf erstellte Persona gehört nicht dorthin.
- **Fanvue** erlaubt vollständig KI-generierte Creator mit einer klaren KI-Offenlegung in der Bio, in der Bildunterschrift oder per Wasserzeichen ([Fanvue-Hilfecenter](https://help.fanvue.com/en/articles/9538738-is-ai-content-allowed-on-fanvue)).
- **MYM** erlaubt KI-Content mit der Kennzeichnung „Virtual Image“, #AI oder #AIgenerated und vergibt ein Badge „AI profile“ ([MYM-Support](https://support.mym.fans/hc/en-us/articles/14997634314524-AI-Generated-Content-on-MYM-What-You-Need-to-Know)).
- **Fansly** erlaubt keinen fotorealistischen KI-Content, auch nicht mit Kennzeichnung ([Fansly-Hilfecenter](https://help.fansly.com/en/articles/12315578-ai-generated-content-on-fansly)).

Wenn du eine originale Persona für Fanvue oder MYM aufbaust, führt dich [So erstellst du einen KI-Influencer](/how-to-create-an-ai-influencer) durch die Schritte.

## Turbo oder Basismodell: Welches Z-Image du wählen solltest

Nutze **Z-Image Turbo**, wenn du schnell realistische Bilder willst: 8 Schritte, Guidance auf 0, etwa 1024x1024 und ein langer, konkreter Prompt. Nutze das **Basismodell Z-Image**, wenn du Negative Prompts, abwechslungsreichere Bildaufbauten oder eine Basis für LoRA-Training brauchst, und nimm dafür 28 bis 50 Schritte in Kauf. Beide stehen unter Apache 2.0, und keines hält eine Person von sich aus konsistent.

## Häufig gestellte Fragen

### Wer entwickelt Z-Image?

Z-Image stammt von Alibaba. Die Projektseite nennt das Z-Image Team, Tongyi MAI, Alibaba Group, und die Modelle werden unter dem Namen Tongyi-MAI auf GitHub, Hugging Face und ModelScope veröffentlicht.

### Was ist der Unterschied zwischen Z-Image und Z-Image Turbo?

Z-Image Turbo ist eine destillierte, auf Geschwindigkeit ausgelegte Version von Z-Image: 8 Schritte, keine Guidance, keine Negative Prompts und sehr hohe visuelle Qualität, aber wenig Abwechslung zwischen Seeds. Das Basismodell Z-Image braucht 28 bis 50 Schritte, unterstützt Guidance und Negative Prompts, liefert abwechslungsreichere Ergebnisse und ist das Modell zum Fine-Tuning.

### Wie viel VRAM braucht Z-Image Turbo?

Laut der offiziellen README passt Z-Image Turbo bequem in 16 GB VRAM auf Consumer-Geräten, und der technische Bericht nennt weniger als 16 GB. Der Beispielcode bietet für Karten mit weniger Speicher außerdem CPU-Offloading, auf Kosten der Geschwindigkeit.

### Darf ich Z-Image kommerziell nutzen?

Ja. Z-Image und Z-Image Turbo stehen beide unter der Lizenz Apache 2.0, die kommerzielle Nutzung, Änderungen und Weitergabe erlaubt, solange du die Lizenz und die Hinweise beibehältst. Die Lizenz setzt weder die Rechte der Personen auf deinen Bildern noch die Regeln der Plattform außer Kraft, auf der du postest.

### Was sind die besten Einstellungen für Z-Image Turbo?

Die Model Card verwendet 9 Inferenzschritte in Diffusers, was 8 Durchläufen durch das Modell entspricht, eine Guidance Scale von 0,0, bfloat16-Präzision und eine Auflösung von 1024x1024. Ändere den Prompt statt der Guidance, um das Ergebnis zu steuern.

## Quellen

- https://github.com/Tongyi-MAI/Z-Image
- https://github.com/Tongyi-MAI/Z-Image/blob/main/LICENSE
- https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
- https://huggingface.co/Tongyi-MAI/Z-Image-Turbo/tree/main
- https://huggingface.co/Tongyi-MAI/Z-Image
- https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo
- https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo/blob/main/app.py
- https://huggingface.co/spaces/Tongyi-MAI/Z-Image-Turbo/blob/main/pe.py
- https://www.modelscope.cn/models/Tongyi-MAI/Z-Image-Turbo
- https://tongyi-mai.github.io/Z-Image-blog/
- https://arxiv.org/abs/2511.22699
- https://help.aliyun.com/en/model-studio/z-image-turbo
- https://onlyfans.com/help/196/205/211
- https://onlyfans.com/help/196/205/206
- https://help.fanvue.com/en/articles/9538738-is-ai-content-allowed-on-fanvue
- https://support.mym.fans/hc/en-us/articles/14997634314524-AI-Generated-Content-on-MYM-What-You-Need-to-Know
- https://help.fansly.com/en/articles/12315578-ai-generated-content-on-fansly

Schlüsselwörter: z image, z-image, z image turbo, z-image turbo einstellungen, z-image turbo anleitung, tongyi z-image