Z-Image Turbo — 6B 터보 모델로 이미지 생성, 실제로 써보니
처음 Z-Image Turbo(이하 ZIT)를 알게 된 건 무료 이미지 생성 모델을 비교하던 중이었다. Flux Schnell이나 Sana 1.5 같은 모델들을 돌려보다가, 속도가 압도적으로 빠른 녀석이 하나 있길래 호기심에 설치해봤는데…그게 벌써 몇 달 전 얘기다.
지금은 거의 메인 이미지 생성 모델로 쓰고 있다. YouTube Shorts 배경 이미지, 스타일 테스트, 빠른 시안 확인…속도가 빠르니까 자연스럽게 손이 가게 된다는 생각이 든다.
이게 뭔데
ZIT는 Tongyi-MAI(알리바바)가 만든 6B 파라미터 이미지 생성 모델이다. “Turbo”라는 이름답게 8 steps만에 이미지가 나온다. 일반적인 모델이 20~30 steps인 걸 생각하면 확실히 빠르다.
핵심 스펙:
- 모델 크기: 6B — 60억 개의 파라미터(가중치). bf16 형식으로 약 12GB. (bf16이란 숫자를 16비트로 저장하는 방식인데, 풀 정밀도(32비트)의 절반 용량으로 거의 같은 품질을 낸다)
- 생성 steps: 8 — AI가 노이즈에서 이미지를 만들어가는 반복 횟수. 보통 모델은 20~30번 반복하는데 ZIT는 8번이면 끝난다
- CFG: 1 — 프롬프트를 얼마나 강하게 따를지 정하는 값. 보통 7~12인데 ZIT는 1이다. (터보 모델이라 가이던스 없이 돌리는 게 설계 의도. cfg를 올리면 오히려 이미지가 깨진다)
- 스케줄러: euler + beta — 노이즈를 걷어내는 알고리즘과 순서. euler는 빠르고 안정적인 방식이고, beta는 ZIT에 최적화된 노이즈 스케줄
- CLIP: Qwen3-4B — 프롬프트(텍스트)를 AI가 이해할 수 있는 숫자로 변환해주는 텍스트 인코더. 쉽게 말해 “통역사” 역할
- VAE: ae.safetensors — AI가 만든 수학적 결과물을 우리 눈에 보이는 이미지로 변환하는 디코더. “현상소” 같은 역할
- 기본 해상도: 576×1024 (세로), 1024×1024 (정사각)
Flux 계열 아키텍처 기반이라 프롬프트 이해력이 꽤 괜찮다. 긴 프롬프트를 넣어도 잘 따라오는 편이다.
그리고 빼놓을 수 없는 게 Apache 2.0 라이센스다. 상업적 사용이 완전히 자유롭다. Flux Dev가 비상업 라이센스로 제약이 있고, Midjourney는 유료 구독이 필수인 것과 비교하면…무료 로컬 모델 중에서 라이센스까지 깔끔한 건 쉽게 만나기 어렵다는 생각이 든다.
어디서 돌릴 수 있나 — 사양 이야기
솔직히 가벼운 모델은 아니다. bf16이 12GB니까 VRAM(그래픽카드 전용 메모리)이 넉넉해야 쾌적하다.
실제 테스트 환경
| 항목 | 스펙 |
|---|---|
| GPU | NVIDIA RTX 5060 Ti 16GB |
| VRAM | 16GB |
| RAM | 32GB |
| ComfyUI | v0.19.0 |
| PyTorch | 2.9.1+cu130 |
| Python | 3.11.9 |
이 환경에서 576×1024 한 장 생성에 약 8~10초 정도 걸린다. SageAttention 2.2.0을 적용하면 체감상 더 빨라진다. (SageAttention이란 AI가 이미지를 만들 때 “어디를 주목할지” 계산하는 어텐션 연산을 최적화해주는 도구다. 기존 방식인 FlashAttention2 대비 ~3배 빠르다는 게 공칭 스펙)
VRAM별 가이드
| VRAM | 가능 여부 | 비고 |
|---|---|---|
| 8GB | 어려움 | fp8 양자화 버전 필요, 품질 저하 감수 |
| 12GB | 가능 | bf16 올라가지만 다른 작업과 병행 힘듦 |
| 16GB | 쾌적 | bf16 + 여유 VRAM으로 다른 작업 가능 |
| 24GB | 여유 | I2V(LTX-2.3) 등과 번갈아 사용 가능 |
(8GB에서 돌리려면 양자화 버전을 써야 한다. 양자화란 모델의 숫자 정밀도를 낮춰서 용량을 줄이는 기술인데…bf16(16비트) → fp8(8비트) → Q4(4비트)로 갈수록 가벼워지지만 그만큼 품질이 떨어진다. 마치 고화질 사진을 압축하는 것과 비슷하다고 보면 될 것 같다..^^:)
시작하기 — ComfyUI 세팅
필요한 파일
| 파일 | 용도 | 용량 | 다운로드 |
|---|---|---|---|
z_image_turbo_bf16.safetensors | 메인 모델 (두뇌) | ~12GB | Comfy-Org |
qwen_3_4b.safetensors | 텍스트 인코더 (통역사) | ~8GB | Comfy-Org |
ae.safetensors | VAE (현상소) | ~300MB | Comfy-Org |
ComfyUI Manager에서 ZIT 워크플로우를 로드하면 missing 모델을 자동으로 감지해서 다운로드 안내해주기도 한다. 수동으로 받을 경우 위 링크에서 받아서 ComfyUI 폴더에 넣으면 된다:
ComfyUI/models/diffusion_models/ ← 메인 모델
ComfyUI/models/text_encoders/ ← CLIP (또는 models/clip/)
ComfyUI/models/vae/ ← VAE
공식 레포: Tongyi-MAI/Z-Image-Turbo (원본, diffusers 형식) ComfyUI용: Comfy-Org/z_image_turbo (safetensors 분리, 바로 사용 가능)
워크플로우 핵심 구조
ComfyUI에서 노드를 연결하는 순서를 간단히 보면 이렇다:
- UNET (두뇌) — 이미지를 실제로 만드는 핵심 모델
- KSampler (실행기) — steps, cfg, 스케줄러를 정해서 생성을 시작하는 노드
- CLIP (통역사) — 프롬프트를 AI가 이해하는 언어로 변환
- 빈 캔버스 — 576×1024 크기의 빈 공간에서 시작
- VAE (현상소) — 수학적 결과를 눈에 보이는 이미지로 변환 → 저장
결국 두뇌 + 통역사 + 캔버스 + 현상소가 한 팀으로 일한다는 거다. ComfyUI에서 이 네 가지를 노드로 연결하면 된다.
LoRA — 모델에 새 기술을 가르치는 플러그인
LoRA(Low-Rank Adaptation)는 기본 모델에 추가로 얹는 작은 학습 파일이다. 모델 전체를 다시 학습시키지 않고도 특정 스타일이나 캐릭터를 가르칠 수 있다. 게임으로 치면 “모드(MOD)“와 비슷하다는 생각이 든다. 기본 게임은 그대로인데 플러그인 하나 얹으면 새로운 경험이 되는 것처럼..
속도 부스트 — SageAttention
SageAttention 2.2.0 + Triton(GPU 연산을 최적화해주는 엔진)을 설치하면 속도가 확 올라간다. Windows에서는 DazzleML 인스톨러가 복잡한 설정을 자동으로 잡아주니 설치가 간편하다.
ComfyUI-KJNodes의 PathchSageAttentionKJ 노드를 워크플로우에 추가하면 끝. 한 번 설치하면 모든 생성에 자동 적용된다.
품질은 어때
솔직한 평가
ZIT의 포지션은 “빠르고 괜찮은” 모델이다. “최고 품질”은 아니다.
Midjourney v7이나 Codex(gpt-image-2)와 비교하면 디테일에서 차이가 있다. 특히 손가락, 텍스트, 복잡한 구도에서 한계가 보인다. (하지만 8 steps에 10초도 안 걸리는 모델한테 Midjourney급 품질을 기대하는 건 좀 무리라는 생각이 든다..^^:)
그렇지만 용도에 따라서는 충분하다:
| 용도 | ZIT 적합도 | 이유 |
|---|---|---|
| 빠른 시안·아이디어 검토 | 매우 높음 | 10초면 나오니까 |
| YouTube Shorts 배경 | 높음 | Remotion 후합성이면 충분 |
| 스타일 탐색·프롬프트 테스트 | 매우 높음 | 빠른 반복이 핵심 |
| 상업용 최종 결과물 | 낮음 | Midjourney나 gpt-image-2가 나음 |
| 캐릭터 일관성 | 중간 | LoRA 학습하면 가능 |
다른 모델과 체감 비교
| 모델 | 속도 | 품질 | 비용 | 비고 |
|---|---|---|---|---|
| ZIT bf16 | 8~10초 | 중상 | 무료 (로컬) | 우리 메인 |
| Flux Schnell | 15~20초 | 중상 | 무료 (로컬) | ZIT보다 느림 |
| Sana 1.5 | 5~8초 | 중 | 무료 (로컬) | 빠르지만 품질 아쉬움 |
| Midjourney v7 | 30~60초 | 최상 | 유료 ($30/월~) | API 없음 |
| gpt-image-2 | 10~30초 | 상 | 유료 (~$0.20/장) | 4K까지 가능 |
(이 비교는 우리 RTX 5060 Ti 16GB 환경 기준이다. 더 좋은 GPU라면 당연히 더 빠르다)
스타일 갤러리 — 17종 프롬프트 + 샘플
ZIT에서 스타일 제어를 테스트해봤다. 같은 주제(드래곤 + 성 + 기사)로 17가지 스타일을 돌려본 결과다.
핵심 발견: 스타일 키워드를 프롬프트 맨 앞에 넣는 게 가장 효과적이다. 275종 스타일 셀렉터도 써봤는데, 프롬프트 직접 제어가 훨씬 확실했다.
클래식 스타일
Line Art
line art style, black ink on white paper, clean linework, minimal shading, hand drawn illustration
흑백 라인이 잘 살아난다. ZIT에서 가장 확실하게 반응하는 스타일 중 하나.
Watercolor
watercolor painting style, soft washes of color, wet on wet technique, delicate brushstrokes, paper texture visible
Oil Painting
oil painting style, thick brushstrokes, rich saturated colors, classical painting technique, canvas texture
Anime
anime illustration style, vibrant colors, cel shading, clean outlines, japanese animation aesthetic
Photorealistic
photorealistic, ultra detailed photograph, 8k resolution, natural lighting, shot on Canon EOS R5
Pixel Art
pixel art style, 16-bit retro game aesthetic, limited color palette, blocky pixels
Cinematic
cinematic film still, dramatic lighting, anamorphic lens flare, color graded, movie scene
Minimalist
minimalist flat design, simple geometric shapes, limited color palette, clean vector art
Miniature
miniature tilt-shift photography style, shallow depth of field, tiny detailed diorama
Paper Craft
paper craft style, cut paper layers, papercut art, dimensional paper sculpture, origami inspired
2026 트렌드 스타일
2026 AI 이미지 트렌드의 핵심은 “의도된 불완전함 + 감성”이라고 한다. 너무 완벽한 AI 이미지보다 빈티지·수작업 느낌이 더 주목받고 있다는 게 흥미롭다.
Hyper-Surrealism
hyper-surrealism, photorealistic impossible scene, crystal forest growing from clouds, floating architecture
Retro Film
vintage film photography, kodak portra 400, film grain, light leaks, faded warm color palette, 1970s analog
“AI가 만들었다”는 느낌을 줄이고 싶을 때 유용하다.
Retro-Futurism
retro-futurism, atomic age aesthetic, 1960s space age design, ray-gun gothic, chrome and pastel colors
Mixed-Media Collage
mixed media collage, magazine cutout style, layered paper textures, editorial layout, scrapbook aesthetic
Isometric 3D
isometric 3D render, clay render style, soft pastel colors, miniature diorama, low poly geometric
Stained Glass
stained glass art style, colorful glass panels with lead lines, cathedral window design, translucent colors
Ukiyo-e
ukiyo-e japanese woodblock print style, flat color areas, bold outlines, traditional japanese art, by Hokusai
스타일별 효과 요약
| 스타일 | ZIT 반응 | 활용도 |
|---|---|---|
| Line Art | 강함 | 높음 |
| Watercolor | 중간 | 중간 |
| Oil Painting | 강함 | 중간 |
| Anime | 강함 | 높음 |
| Photorealistic | 중간 | 중간 |
| Pixel Art | 약함 | 낮음 |
| Cinematic | 강함 | 높음 |
| Minimalist | 약함 | 낮음 |
| Miniature | 중간 | 중간 |
| Paper Craft | 중간 | 중간 |
| Hyper-Surreal | 중간 | 높음 |
| Retro Film | 강함 | 높음 |
| Retro-Futurism | 중간 | 중간 |
| Mixed-Media | 약함 | 낮음 |
| Isometric | 중간 | 중간 |
| Stained Glass | 강함 | 중간 |
| Ukiyo-e | 중간 | 중간 |
써본 사람의 한마디
몇 달 동안 써보면서 느낀 건, ZIT의 가치는 “품질”보다 **“속도가 주는 자유”**에 있다는 것이다.
10초면 한 장이 나오니까 프롬프트를 마구 실험할 수 있다. “이건 어떨까?” 하고 바로 돌려보고, 아니면 바로 다음 시도. 이 반복 속도가 창작에서 꽤 큰 차이를 만들어준다는 생각이 든다.
반면 한계도 명확하다. 손가락이 카메라를 향하는 포즈에서 뮤테이션이 잘 생기고, 텍스트 렌더링은 사실상 불가능하다. 복잡한 다인물 구도도 어렵다. (이건 대부분의 로컬 모델이 공유하는 한계이긴 하다..^^:)
추천하는 사용 패턴:
- 아이디어 단계에서는 ZIT로 빠르게 시안 뽑기
- 마음에 드는 방향이 잡히면 gpt-image-2나 Midjourney로 최종 품질 올리기
- 스타일 키워드는 프롬프트 맨 앞에 배치
- SageAttention은 무조건 설치 (체감 속도 차이가 크다)
돌이켜보면 ZIT에 정착하기까지 나름의 여정이 있었다. RTX 5060 Ti 16GB라는 사양에서 돌릴 수 있는 모델을 찾다 보니, 12B급은 양자화 없이 못 올리고, 그렇다고 1~2B급 경량 모델은 품질이 아쉽고…6B bf16이 16GB VRAM에서 원본 품질로 쾌적하게 돌아가는 딱 그 지점이었다.
거기에 Apache 2.0이라 라이센스 걱정 없이 콘텐츠에 쓸 수 있고, 8 steps 터보라 속도까지 빠르고. 퍼포먼스, 품질, 라이센스, 사양 적합성…다 따져봤을 때 현재 우리 환경에서 이만한 조합은 없었다는 생각이 든다.
결국 도구는 자기 환경에서 가장 잘 돌아가는 걸 찾는 게 정답이라는…당연하지만 직접 겪어봐야 실감나는 결론에 다시 도달하게 된다..ㅎㅎ..