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.
Entrada
Salida
InactivoCada ejecución costará $0.01. Con $10 puedes ejecutar aproximadamente 1000 veces.
Puedes continuar con:
Ejemplo de código
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()Instalar
Instala el paquete necesario para tu lenguaje de programación.
pip install requestsAutenticación
Todas las solicitudes de API requieren autenticación mediante una clave de API. Puedes obtener tu clave de API desde el panel de Atlas Cloud.
export ATLASCLOUD_API_KEY="your-api-key-here"Encabezados HTTP
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}Nunca expongas tu clave de API en código del lado del cliente ni en repositorios públicos. Usa variables de entorno o un proxy de backend en su lugar.
Enviar una solicitud
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())Enviar una solicitud
Envía una solicitud de generación asíncrona. La API devuelve un ID de predicción que puedes usar para verificar el estado y obtener el resultado.
/api/v1/model/generateImageCuerpo de la solicitud
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']}")Respuesta
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Verificar estado
Consulta el endpoint de predicción para verificar el estado actual de tu solicitud.
/api/v1/model/prediction/{prediction_id}Ejemplo de polling
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)Valores de estado
processingLa solicitud aún se está procesando.completedLa generación está completa. Las salidas están disponibles.succeededLa generación fue exitosa. Las salidas están disponibles.failedLa generación falló. Verifica el campo de error.Respuesta completada
{
"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"
}
}Subir archivos
Sube archivos al almacenamiento de Atlas Cloud y obtén una URL que puedes usar en tus solicitudes de API. Usa multipart/form-data para subir.
/api/v1/model/uploadMediaEjemplo de carga
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}")Respuesta
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Schema de entrada
Los siguientes parámetros se aceptan en el cuerpo de la solicitud.
No hay parámetros disponibles.
Ejemplo de cuerpo de solicitud
{
"model": "z-image/turbo"
}Schema de salida
La API devuelve una respuesta de predicción con las URL de salida generadas.
Ejemplo de respuesta
{
"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 integra más de 300 modelos de IA directamente en tu asistente de codificación con IA. Un solo comando para instalar y luego usa lenguaje natural para generar imágenes, videos y chatear con LLM.
Clientes compatibles
Instalar
npx skills add AtlasCloudAI/atlas-cloud-skillsConfigurar clave de API
Obtén tu clave de API desde el panel de Atlas Cloud y configúrala como variable de entorno.
export ATLASCLOUD_API_KEY="your-api-key-here"Funcionalidades
Una vez instalado, puedes usar lenguaje natural en tu asistente de IA para acceder a todos los modelos de Atlas Cloud.
MCP Server
Atlas Cloud MCP Server conecta tu IDE con más de 300 modelos de IA a través del Model Context Protocol. Funciona con cualquier cliente compatible con MCP.
Clientes compatibles
Instalar
npx -y atlascloud-mcpConfiguración
Agrega la siguiente configuración al archivo de configuración de MCP de tu IDE.
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Herramientas disponibles
API Schema
Schema no disponiblePor favor inicia sesión para ver el historial de solicitudes
Necesitas iniciar sesión para acceder al historial de solicitudes del modelo.
Iniciar SesiónZ-Image Turbo - Generación de Texto a Imagen Ultrarrápida
NUEVOModelo de 6 Mil Millones de Parámetros de Alibaba TONGYIMAI
Z-Image Turbo es el modelo de texto a imagen de código abierto clasificado #1, superando a FLUX.2 [dev], HunyuanImage 3.0 y Qwen-Image en el Artificial Analysis Image Arena. Construido por el equipo Tongyi-MAI de Alibaba (una división separada de Qwen/Wan), este modelo de 6 mil millones de parámetros logra generación en menos de un segundo mediante destilación avanzada Decoupled-DMD mientras mantiene calidad fotorrealista. Con solo 8 pasos de inferencia, se ajusta a 16GB VRAM y entrega resultados profesionales optimizados para entornos de producción críticos en velocidad.
- Solo 8 pasos de inferencia (vs 20-50 de competidores)
- Generación en menos de un segundo en GPUs H800
- 1.31-1.41× más rápido que Qwen Image por paso
- Cabe en 16GB VRAM (RTX 3060/4090)
- Modelo de código abierto clasificado #1 en AI Arena
- Renderizado de texto bilingüe (inglés y chino)
- Adherencia robusta a instrucciones
- Supera a FLUX.1 [dev] y Qwen en todas las categorías
Portafolio Estratégico de Modelos de Alibaba
Alibaba ofrece tres sistemas especializados de generación de imágenes IA, cada uno optimizado para diferentes casos de uso
Z-Image Turbo
Equipo Tongyi-MAI
- ⚡ Más rápido: 8 pasos, generación en menos de un segundo
- 🏆 Modelo de código abierto clasificado #1
- 💰 Más rentable ($0.005/imagen)
- 🎯 Optimizado para iteración rápida
Qwen-Image
Equipo Qwen
- 🎨 Fotorrealismo y texturas de piel incomparables
- 💡 Interacciones de iluminación superiores
- ⏱️ Más lento (20s vs 5-10s para Z-Image)
- 🎯 Mejor para trabajo de producción de alta gama
Wan 2.5/2.6
Equipo Wan
- 🎬 Texto a Video + Imagen a Video
- 📹 Soporte multiresolución (480P-720P)
- 🔄 Sincronización audiovisual
- 🎯 Generación de contenido multimodal
Key Insight: Z-Image Turbo es 1.31-1.41× más rápido que Qwen-Image por paso, lo que lo hace ideal para aplicaciones que requieren generación rápida. Aunque Qwen-Image ofrece un fotorrealismo ligeramente mejor para renderizados finales, Z-Image Turbo proporciona el mejor equilibrio entre velocidad y calidad para entornos de producción.
Aspectos Técnicos Destacados
Adopta la arquitectura Single-Stream Diffusion Transformer (S3-DiT) que unifica el procesamiento de diversas entradas condicionales. Este diseño de 6 mil millones de parámetros logra resultados profesionales sin la sobrecarga computacional de modelos más grandes mientras mantiene calidad de vanguardia.
Algoritmo de destilación avanzado con mecanismos de CFG Augmentation y Distribution Matching permite inferencia de 8 pasos (vs 20-50 para competidores). Logra generación en menos de un segundo en GPUs H800 y funciona sin problemas en RTX 3060/4090 de consumo con 16GB VRAM.
Clasificado como modelo de código abierto #1 en Artificial Analysis Image Arena, superando a FLUX.2 [dev], HunyuanImage 3.0 y Qwen-Image. Destaca en renderizado de texto bilingüe (inglés y chino), generación fotorrealista y seguimiento robusto de instrucciones. Lanzado bajo licencia Apache 2.0 para uso comercial.
Perfecto Para
Por Qué Elegir Z-Image Turbo
Resultados Instantáneos
Generación en menos de un segundo con latencia de arranque en frío cero. Obtén tus imágenes inmediatamente sin esperar.Rentable
Precio asequible de $0.005 por imagen. Escala tus proyectos creativos sin romper el presupuesto.API Lista para Usar
Integración simple de REST API. Comienza a generar imágenes en minutos con nuestra documentación completa.Especificaciones Técnicas
Comienza a Crear con Z-Image Turbo
Experimenta generación de imágenes fotorrealistas ultrarrápida hoy. Sin configuración requerida, solo llama a nuestra API y comienza a crear.
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.
