Z-Image Turbo API by Alibaba
Z-Image-Turbo is a 6 billion parameter text-to-image model that generates photorealistic images in sub-second time. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
Eingabe
Ausgabe
InaktivJede Ausführung kostet $0.01. Für $10 können Sie ca. 1000 Mal ausführen.
Sie können fortfahren mit:
Codebeispiel
import requests
import time
# Step 1: Start image generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "z-image/turbo",
"prompt": "A beautiful landscape with mountains and lake",
"width": 512,
"height": 512,
"steps": 20,
"guidance_scale": 7.5,
}
generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]
# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
def check_status():
while True:
response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
result = response.json()
if result["data"]["status"] == "completed":
print("Generated image:", result["data"]["outputs"][0])
return result["data"]["outputs"][0]
elif result["data"]["status"] == "failed":
raise Exception(result["data"]["error"] or "Generation failed")
else:
# Still processing, wait 2 seconds
time.sleep(2)
image_url = check_status()Installieren
Installieren Sie das erforderliche Paket für Ihre Programmiersprache.
pip install requestsAuthentifizierung
Alle API-Anfragen erfordern eine Authentifizierung über einen API-Schlüssel. Sie können Ihren API-Schlüssel über das Atlas Cloud Dashboard erhalten.
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP-Header
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}Geben Sie Ihren API-Schlüssel niemals in clientseitigem Code oder öffentlichen Repositories preis. Verwenden Sie stattdessen Umgebungsvariablen oder einen Backend-Proxy.
Anfrage senden
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "your-model",
"prompt": "A beautiful landscape"
}
response = requests.post(url, headers=headers, json=data)
print(response.json())Anfrage senden
Senden Sie eine asynchrone Generierungsanfrage. Die API gibt eine Vorhersage-ID zurück, mit der Sie den Status prüfen und das Ergebnis abrufen können.
/api/v1/model/generateImageAnfragekörper
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateImage"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "z-image/turbo",
"input": {
"prompt": "A beautiful landscape with mountains and lake"
}
}
response = requests.post(url, headers=headers, json=data)
result = response.json()
print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")Antwort
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Status prüfen
Fragen Sie den Vorhersage-Endpunkt ab, um den aktuellen Status Ihrer Anfrage zu überprüfen.
/api/v1/model/prediction/{prediction_id}Abfrage-Beispiel
import requests
import time
prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
while True:
response = requests.get(url, headers=headers)
result = response.json()
status = result["data"]["status"]
print(f"Status: {status}")
if status in ["completed", "succeeded"]:
output_url = result["data"]["outputs"][0]
print(f"Output URL: {output_url}")
break
elif status == "failed":
print(f"Error: {result['data'].get('error', 'Unknown')}")
break
time.sleep(3)Statuswerte
processingDie Anfrage wird noch verarbeitet.completedDie Generierung ist abgeschlossen. Ergebnisse sind verfügbar.succeededDie Generierung war erfolgreich. Ergebnisse sind verfügbar.failedDie Generierung ist fehlgeschlagen. Überprüfen Sie das Fehlerfeld.Abgeschlossene Antwort
{
"data": {
"id": "pred_abc123",
"status": "completed",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.png"
],
"metrics": {
"predict_time": 8.3
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}
}Dateien hochladen
Laden Sie Dateien in den Atlas Cloud Speicher hoch und erhalten Sie eine URL, die Sie in Ihren API-Anfragen verwenden können. Verwenden Sie multipart/form-data zum Hochladen.
/api/v1/model/uploadMediaUpload-Beispiel
import requests
url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
with open("image.png", "rb") as f:
files = {"file": ("image.png", f, "image/png")}
response = requests.post(url, headers=headers, files=files)
result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")Antwort
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Eingabe-Schema
Die folgenden Parameter werden im Anfragekörper akzeptiert.
Keine Parameter verfügbar.
Beispiel-Anfragekörper
{
"model": "z-image/turbo"
}Ausgabe-Schema
Die API gibt eine Vorhersage-Antwort mit den generierten Ausgabe-URLs zurück.
Beispielantwort
{
"id": "pred_abc123",
"status": "completed",
"model": "model-name",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.png"
],
"metrics": {
"predict_time": 8.3
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}Atlas Cloud Skills
Atlas Cloud Skills integriert über 300 KI-Modelle direkt in Ihren KI-Coding-Assistenten. Ein Befehl zur Installation, dann verwenden Sie natürliche Sprache, um Bilder, Videos zu generieren und mit LLMs zu chatten.
Unterstützte Clients
Installieren
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI-Schlüssel einrichten
Erhalten Sie Ihren API-Schlüssel über das Atlas Cloud Dashboard und setzen Sie ihn als Umgebungsvariable.
export ATLASCLOUD_API_KEY="your-api-key-here"Funktionen
Nach der Installation können Sie natürliche Sprache in Ihrem KI-Assistenten verwenden, um auf alle Atlas Cloud Modelle zuzugreifen.
MCP-Server
Der Atlas Cloud MCP-Server verbindet Ihre IDE mit über 300 KI-Modellen über das Model Context Protocol. Funktioniert mit jedem MCP-kompatiblen Client.
Unterstützte Clients
Installieren
npx -y atlascloud-mcpKonfiguration
Fügen Sie die folgende Konfiguration zur MCP-Einstellungsdatei Ihrer IDE hinzu.
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Verfügbare Werkzeuge
API-Schema
Schema nicht verfügbarAnmelden, um Anfrageverlauf anzuzeigen
Sie müssen angemeldet sein, um auf Ihren Modellanfrageverlauf zuzugreifen.
AnmeldenZ-Image Turbo - Blitzschnelle Text-zu-Bild-Generierung
NEU6-Milliarden-Parameter-Modell von Alibaba TONGYIMAI
Z-Image Turbo ist das #1-gerankte Open-Source-Text-zu-Bild-Modell und übertrifft FLUX.2 [dev], HunyuanImage 3.0 und Qwen-Image in der Artificial Analysis Image Arena. Dieses von Alibabas Tongyi-MAI-Team (eine von Qwen/Wan separate Abteilung) entwickelte 6-Milliarden-Parameter-Modell erreicht durch fortschrittliche Decoupled-DMD-Destillation eine Generierung in unter einer Sekunde bei gleichzeitig fotorealistischer Qualität. Mit nur 8 Inferenzschritten passt es in 16 GB VRAM und liefert professionelle Ergebnisse, die für geschwindigkeitskritische Produktionsumgebungen optimiert sind.
- Nur 8 Inferenzschritte (vs. 20-50 bei Konkurrenten)
- Generierung in unter einer Sekunde auf H800 GPUs
- 1.31-1.41× schneller als Qwen Image pro Schritt
- Passt in 16 GB VRAM (RTX 3060/4090)
- #1 geranktes Open-Source-Modell in der AI Arena
- Zweisprachiges Text-Rendering (Englisch & Chinesisch)
- Robuste Anweisungsbefolgung
- Schlägt FLUX.1 [dev] und Qwen in allen Kategorien
Alibabas Strategisches Modell-Portfolio
Alibaba bietet drei spezialisierte KI-Bildgenerierungssysteme, jedes für unterschiedliche Anwendungsfälle optimiert
Z-Image Turbo
Tongyi-MAI Team
- ⚡ Am schnellsten: 8 Schritte, Generierung in unter einer Sekunde
- 🏆 #1 geranktes Open-Source-Modell
- 💰 Kosteneffizientestes ($0.005/Bild)
- 🎯 Optimiert für schnelle Iteration
Qwen-Image
Qwen Team
- 🎨 Unvergleichlicher Fotorealismus & Hauttexturen
- 💡 Überlegene Lichtinteraktionen
- ⏱️ Langsamer (20s vs. 5-10s für Z-Image)
- 🎯 Optimal für High-End-Produktionsarbeiten
Wan 2.5/2.6
Wan Team
- 🎬 Text-zu-Video + Bild-zu-Video
- 📹 Multi-Auflösungs-Unterstützung (480P-720P)
- 🔄 Audio-visuelle Synchronisation
- 🎯 Crossmodale Inhaltsgenerierung
Key Insight: Z-Image Turbo ist 1.31-1.41× schneller als Qwen-Image pro Schritt und damit ideal für Anwendungen, die schnelle Generierung erfordern. Während Qwen-Image für finale Renderings etwas besseren Fotorealismus bietet, liefert Z-Image Turbo das beste Gleichgewicht zwischen Geschwindigkeit und Qualität für Produktionsumgebungen.
Technische Highlights
Nutzt die Single-Stream Diffusion Transformer (S3-DiT)-Architektur, die die Verarbeitung verschiedener bedingter Eingaben vereinheitlicht. Dieses 6-Milliarden-Parameter-Design erzielt professionelle Ergebnisse ohne den Rechenaufwand größerer Modelle bei gleichzeitig modernster Qualität.
Fortschrittlicher Destillationsalgorithmus mit CFG Augmentation und Distribution Matching-Mechanismen ermöglicht 8-Schritt-Inferenz (vs. 20-50 bei Konkurrenten). Erreicht Generierung in unter einer Sekunde auf H800 GPUs und läuft reibungslos auf Consumer-RTX 3060/4090 mit 16 GB VRAM.
Als #1 Open-Source-Modell in der Artificial Analysis Image Arena gerankt, schlägt es FLUX.2 [dev], HunyuanImage 3.0 und Qwen-Image. Hervorragend bei zweisprachigem Text-Rendering (Englisch & Chinesisch), fotorealistischer Generierung und robuster Anweisungsbefolgung. Veröffentlicht unter Apache 2.0-Lizenz für kommerzielle Nutzung.
Perfekt Für
Warum Z-Image Turbo Wählen
Sofortige Ergebnisse
Generierung in unter einer Sekunde mit null Kaltstart-Latenz. Erhalten Sie Ihre Bilder sofort ohne Wartezeit.Kosteneffizient
Erschwinglicher Preis von $0.005 pro Bild. Skalieren Sie Ihre kreativen Projekte ohne das Budget zu sprengen.Einsatzbereite API
Einfache REST API-Integration. Beginnen Sie in Minuten mit der Bildgenerierung mit unserer umfassenden Dokumentation.Technische Spezifikationen
Beginnen Sie mit Z-Image Turbo zu Erstellen
Erleben Sie heute blitzschnelle, fotorealistische Bildgenerierung. Keine Einrichtung erforderlich, rufen Sie einfach unsere API auf und beginnen Sie zu erstellen.
Z-Image-Turbo — 6B-parameter, ultra-fast text-to-image
Z-Image-Turbo is a 6B-parameter text-to-image model from Tongyi-MAI, engineered for production workloads where latency and throughput really matter. It uses only 8 sampling steps to render a full image, achieving sub-second latency on data-center GPUs and running comfortably on many 16 GB VRAM consumer cards.
Ultra-fast generation with production-ready quality
Where many diffusion models need dozens of steps, Z-Image-Turbo is aggressively optimised around an 8-step sampler. That keeps inference extremely fast while still delivering photorealistic images and reliable on-image text, making it a strong fit for interactive products, dashboards, and large-scale backends—not just offline batch jobs.
Why it looks so good?
- Photorealistic output at speed Generates high-fidelity, realistic images that work for product photos, hero banners, and UI visuals without multi-second waits.
- Bilingual prompts and text Understands prompts in English and Chinese, and can render multilingual text directly in the image—helpful for cross-market campaigns, posters, and screenshots.
- Low-latency, low-step design Only 8 function evaluations per image deliver extremely low latency, ideal for chatbots, configuration tools, design assistants, and any “click → image” experience.
- Friendly VRAM footprint Runs well in 16 GB VRAM environments, reducing hardware costs and making local or edge deployments more realistic.
- Scales for bulk generation Its efficiency makes large jobs—catalogues, continuous feed images, or auto-generated thumbnails—practical without blowing up compute budgets.
- Reproducible generations A controllable seed parameter lets you recreate a previous image or generate small, controlled variations for brand safety and experimentation.
How to use
- prompt – natural-language description of the scene, style, and any on-image text (English or Chinese).
- size (width / height) – choose the output resolution; supports square and rectangular images up to high resolutions (for example, 1536 × 1536).
- seed – set to -1 for random results, or use a fixed integer to make outputs reproducible.
Pricing
Simple per-image billing:
- Without prompt rewriting (prompt_extend=false): $0.015 per generated image
- With prompt rewriting (prompt_extend=true): $0.03 per generated image
Try more models and see their difference!
- Nano Banana Pro – Text-to-Image – Google’s Nano Banana Pro (Gemini 3.0 Pro Image family) delivers high-quality multi-image generation with extremely low cost per image, ideal for large-scale applications.
- Seedream V4 – Text-to-Image – ByteDance’s high-resolution text-to-image model with rich detail and diverse styles, well suited for creative illustration and commercial visuals.
- FLUX.2 [dev] – Text-to-Image – A lightweight FLUX.2-based base model hosted by AtlasCloud, optimised for efficient inference and LoRA-friendly training.
