Ana içeriğe geç
YeniSeedance 2.5 yayında→
ModelRunner
tongyi-mai avatarı

Z-Image Turbo API

tongyi-mai/z-image/turbo

Maliyet verimliliği ve hacim için optimize edilmiş, 6B parametreli yüksek hızlı text-to-image üretimi. Hızlı prototiplemeye uygun, 8 adımlı bir pipeline’da 4MP’ye kadar görsel üretir.

görsel megapikseli başına 0.005
OpenAPI

Model girdisi

Input

The prompt to generate an image from.

The size of the generated image. Use a preset string (e.g. '4_3_1k') or a custom {width, height} object.

Min: 1 - Max: 8

The number of inference steps to perform.

The same seed and the same prompt given to the same version of the model will output the same image every time.

Safety checker can only be disabled on API call

The format of the generated image.

The acceleration level to use.

Min: 1 - Max: 4

The number of images to generate. Each generated image is billed.

You need to be logged in to run this model and view results.
Log in

Model çıktısı

Output

Generated image output
Generated image output
Logs (1 lines)

Örnek istekler

Örnekler

Example output 1Example output 2Example output 3Example output 4Example output 5Example output 6

Z-Image Turbo API

Z-Image Turbo is a text-to-image AI model by tongyi-mai. On ModelRunner it runs through a REST API or via MCP from any AI assistant, at $0.005 per megapixel.

POST https://queue.modelrunner.run/tongyi-mai/z-image/turbo

cURL

# Submit a request to the queue. Input fields go at the top level of the
# body. The optional reserved "metadata" object holds your own flat string
# tags — stored on the request, never sent to the model; filter later with
# GET https://queue.modelrunner.run/requests?metadata=<url-encoded JSON>.
curl -X POST https://queue.modelrunner.run/tongyi-mai/z-image/turbo \
  -H "Authorization: Key $MRUN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "seed": 847291,
    "prompt": "A whimsical oil painting of a cozy library built inside a giant hollow oak tree, warm lantern light spilling onto woo…",
    "image_size": "landscape_16_9",
    "num_images": 2,
    "acceleration": "regular",
    "output_format": "jpeg",
    "num_inference_steps": 8,
    "enable_safety_checker": true,
    "metadata": {
      "project": "my-project"
    }
  }'
# → { "request_id": "...", "status_url": "...", "response_url": "..." }

# Poll status_url until "COMPLETED", then fetch the result
curl "https://queue.modelrunner.run/tongyi-mai/z-image/turbo/requests/$REQUEST_ID/status" \
  -H "Authorization: Key $MRUN_API_KEY"
curl "https://queue.modelrunner.run/tongyi-mai/z-image/turbo/requests/$REQUEST_ID" \
  -H "Authorization: Key $MRUN_API_KEY"

JavaScript

import { modelrunner } from "@modelrunner/client";

const result = await modelrunner.subscribe("tongyi-mai/z-image/turbo", {
  input: {
    "seed": 847291,
    "prompt": "A whimsical oil painting of a cozy library built inside a giant hollow oak tree, warm lantern light spilling onto woo…",
    "image_size": "landscape_16_9",
    "num_images": 2,
    "acceleration": "regular",
    "output_format": "jpeg",
    "num_inference_steps": 8,
    "enable_safety_checker": true
  },
});
console.log(result);

Python

import os
import requests

headers = {"Authorization": f"Key {os.environ['MRUN_API_KEY']}"}

submitted = requests.post(
    "https://queue.modelrunner.run/tongyi-mai/z-image/turbo",
    headers=headers,
    json={
      "seed": 847291,
      "prompt": "A whimsical oil painting of a cozy library built inside a giant hollow oak tree, warm lantern light spilling onto woo…",
      "image_size": "landscape_16_9",
      "num_images": 2,
      "acceleration": "regular",
      "output_format": "jpeg",
      "num_inference_steps": 8,
      "enable_safety_checker": true
    },
).json()

# Poll submitted["status_url"] until "COMPLETED", then:
result = requests.get(submitted["response_url"], headers=headers).json()

Input parameters

Input parameters of Z-Image Turbo
NameTypeRequiredDescription
promptstringyesThe prompt to generate an image from.
image_sizeenumnoThe size of the generated image. Use a preset string (e.g. '4_3_1k') or a custom {width, height} object. One of: 1_1_512, 1_1_1k, 1_1_2k, 1_1_4k, 16_9_512, 16_9_1k, 16_9_2k, 16_9_4k, 9_16_512, 9_16_1k, 9_16_2k, 9_16_4k, 4_3_512, 4_3_1k, 4_3_2k, 4_3_4k, 3_4_512, 3_4_1k, 3_4_2k, 3_4_4k, 3_2_512, 3_2_1k, 3_2_2k, 3_2_4k, 2_3_512, 2_3_1k, 2_3_2k, 2_3_4k, 4_5_512, 4_5_1k, 4_5_2k, 4_5_4k, 5_4_512, 5_4_1k, 5_4_2k, 5_4_4k, 4_1_512, 4_1_1k, 4_1_2k, 4_1_4k, 1_4_512, 1_4_1k, 1_4_2k, 1_4_4k, 8_1_512, 8_1_1k, 8_1_2k, 8_1_4k, 1_8_512, 1_8_1k, 1_8_2k, 1_8_4k, 21_9_512, 21_9_1k, 21_9_2k, 21_9_4k. Default: "4_3_1k".
num_inference_stepsintegernoThe number of inference steps to perform. Default: 8.
seedintegernoThe same seed and the same prompt given to the same version of the model will output the same image every time.
enable_safety_checkerbooleannoIf set to true, the safety checker will be enabled. Default: true.
output_formatenumnoThe format of the generated image. One of: jpeg, png, webp. Default: "png".
accelerationenumnoThe acceleration level to use. One of: none, regular, high. Default: "regular".
num_imagesintegernoThe number of images to generate. Each generated image is billed. Default: 1.

Machine-readable: OpenAPI schema · llms.txt

Use Z-Image Turbo from Claude & Cursor (MCP)

Point Claude Code, Claude Desktop, Cursor, or any MCP client at the ModelRunner MCP server and Z-Image Turbo becomes a tool your assistant can call directly — it authorizes via OAuth (no API key in config) and runs this model with the run_model tool using the endpoint tongyi-mai/z-image/turbo.

MCP client config (Claude Desktop, Cursor)

{
  "mcpServers": {
    "modelrunner": {
      "command": "npx",
      "args": ["-y", "mcp-remote", "https://mcp.modelrunner.run/mcp"]
    }
  }
}

Claude Code

claude mcp add --transport http modelrunner https://mcp.modelrunner.run/mcp

Then ask your assistant, for example: “Run tongyi-mai/z-image/turbo on ModelRunner to generate image”. MCP setup guide.

Model Detayları

Model Detayları

Tongyi-MAI’nin Z-Image Turbo modeli, hız ve ekonomik ölçeklenebilirlik için tasarlanmış, sadeleştirilmiş bir text-to-image üretim modelidir. 6 milyar parametreli bir mimari üzerine kuruludur ve temel görsel tutarlılıktan ödün vermeden throughput’u önceler. Diffusion sürecini en fazla 8 inference adımına sıkıştırdığından, genellikle 20 ila 50 adım gerektiren standart mimarilere kıyasla üretim süresini belirgin biçimde kısaltır.

### Yetenekler ve Özellikler

Bu model özellikle yüksek hacimli üretim ortamları için ayarlanmıştır. 4 megapiksele kadar çözünürlükte, kareden geniş yatay formata kadar farklı en-boy oranlarında görseller üretebilirsiniz. 8 adımlı pipeline tümüyle yapılandırılabilir: ultra hızlı thumbnail üretimi için adım sayısını 1’e kadar düşürebilir ya da nihai üretim çıktıları için 8 adımın tamamını kullanabilirsiniz.

**Öne çıkan avantajlar:**

* **Hızlı yineleme:** İstek başına 4 görsele kadar batch desteği, prompt’ları ve seed’leri yan yana hızlıca karşılaştırmanızı sağlar. * **Esnek çıktı:** Görsel boyutlarını standart preset’lerle (ör. `4_3_1k`) ya da belirli piksel sayılarıyla özelleştirin; JPEG, PNG ve WebP desteklenir. * **Uygun maliyetli ölçeklenme:** Hafif mimarisi onu, dinamik içerik üretimi ya da A/B testi görselleri gibi binlerce görsel gerektiren uygulamalar için ideal kılar.

### Bu modeli ne zaman kullanmalı

Hız ve hacim birincil kısıtsa Z-Image Turbo’yu seçin. Hızlı prototipleme, storyboard ve piksel başına maliyetin kritik olduğu içerik varyasyonları üretmede başarılıdır. Prompt uyumu güçlü olsa da, piksel hassasiyetinde fotogerçekçilik ya da karmaşık uzamsal muhakeme gerekiyorsa daha büyük ve daha yavaş modeller tercih edilebilir.

ModelRunner javascript client ile çalıştırmak için aşağıdaki kodu kullanın:

```javascript import { modelrunner } from "@modelrunner/client";

const result = await modelrunner.subscribe('tongyi-mai/z-image/turbo', { input: { prompt: "Cinematic shot of a futuristic cyberpunk street, neon lights, rain on pavement, highly detailed", image_size: "16_9_1k", num_inference_steps: 8, num_images: 1, enable_safety_checker: true, output_format: "png" } }); ```