Z-Image Turbo++ — Research reference¶

Development line: project:z-image-turbo-plus-plus · thread research-reference
Last event: 2026-06-17 · 1 dated since 2026-06-17 · Researched: 2026-09-05 · confidence: medium

What it is¶

Z-Image Turbo++ — исследовательская text-to-image модель для команд, проверяющих двухшаговую генерацию вместо восьмишагового Z-Image Turbo. — Distribution-Aligned Adversarial Learning: использует изображения учителя как GAN-таргет. — Step-Decoupled Parameterization: разделяет параметры двух денойзинговых шагов. — End-to-End Training with Iterative Regularization: передаёт финальную оценку качества в первый шаг. 2 шага вместо 8 у учителя; отдельный готовый checkpoint не подтверждён в изученных первичных источниках. Вердикт: это ориентир для воспроизведения исследования, а для рабочего запуска сегодня подтверждён только Z-Image-Turbo.

Development line¶

• 2026-06-17 — Z-Image Turbo++ paper reference linked. On 2026-06-17, a Hugging Face Papers page, identified as paper 2606.12575, was linked in the Z-Image Turbo++ development line. The dated link establishes a research reference for the project, but does not establish the paper's title, technical claims, or release status. This history event records the reference itself rather than any unverified capabilities.

What changed¶

2026-06-17 — Z-Image Turbo++ описан как двухшаговая дистилляция от восьмишагового Z-Image Turbo; отличие — число шагов, а не подтверждённый отдельный релиз весов.

How to use this¶

From 2026-06-17, practitioners should treat the linked Hugging Face Papers record as a research reference to investigate, not as evidence of unverified technical claims or a product release.

1. Для исследовательского воспроизведения реализовать два независимых денойзинговых шага, обучая их на изображениях восьмишагового учителя и сохраняя вспомогательный loss первого шага. — https://arxiv.org/abs/2606.12575
2. Для практической генерации не маркировать запуск как Turbo++: использовать отдельно опубликованный восьмишаговый Tongyi-MAI/Z-Image-Turbo. — https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
3. Для Z-Image-Turbo загрузить ZImagePipeline в bfloat16 на CUDA, задать num_inference_steps=9, что даёт 8 DiT-проходов, и guidance_scale=0.0. — https://huggingface.co/Tongyi-MAI/Z-Image-Turbo

Best practices¶

• Разделять результаты Turbo++ и Z-Image-Turbo в экспериментах: статья определяет Turbo++ как 2-step, а официальная карточка Turbo — как 8-step. — https://arxiv.org/abs/2606.12575
• Для опубликованного Turbo не повышать guidance_scale: карточка модели задаёт 0.0. — https://huggingface.co/Tongyi-MAI/Z-Image-Turbo
• Использовать bfloat16 на поддерживаемом GPU; CPU offload включать только при дефиците памяти, принимая более медленный запуск. — https://huggingface.co/Tongyi-MAI/Z-Image-Turbo

Superseded by this¶

• 2026-06-10 — исследовательское ограничение линии Z-Image только диапазоном 4–8 шагов: работа демонстрирует двухшаговую дистилляцию.

Still unknown¶

• Отдельные официальные веса, код, model card или совместимый runtime для Turbo++ не подтверждены среди изученных первичных источников; отсутствие на проверенных страницах не доказывает, что их не существует.
• В аннотации Turbo++ нет численных таблиц качества или скорости; для решения о внедрении нужен воспроизводимый бенчмарк с теми же промптами и железом.

Sources¶

Agent brief¶

• Subject: project:z-image-turbo-plus-plus, thread research-reference, 1 dated events 2026-06-17 → 2026-06-17.
• Practical note: From 2026-06-17, practitioners should treat the linked Hugging Face Papers record as a research reference to investigate, not as evidence of unverified technical claims or a product release.
• Confidence: medium. Dated supersedes above are the authority for what is obsolete.