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.
INPUT
OUTPUT
MenungguPermintaan Anda akan dikenakan biaya $0.01 per eksekusi. Dengan $10 Anda dapat menjalankan model ini sekitar 1000 kali.
Berikut yang dapat Anda lakukan selanjutnya:
Contoh kode
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()Instalasi
Instal paket yang diperlukan untuk bahasa pemrograman Anda.
pip install requestsAutentikasi
Semua permintaan API memerlukan autentikasi melalui API key. Anda bisa mendapatkan API key dari dasbor Atlas Cloud.
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP Headers
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}Jangan pernah mengekspos API key Anda di kode sisi klien atau repositori publik. Gunakan variabel lingkungan atau proxy backend sebagai gantinya.
Kirim permintaan
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())Kirim Permintaan
Kirim permintaan pembuatan asinkron. API mengembalikan prediction ID yang dapat Anda gunakan untuk memeriksa status dan mengambil hasil.
/api/v1/model/generateImageIsi Permintaan
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']}")Respons
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Periksa Status
Polling prediction endpoint untuk memeriksa status permintaan Anda saat ini.
/api/v1/model/prediction/{prediction_id}Contoh 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)Nilai Status
processingPermintaan masih diproses.completedPembuatan selesai. Output tersedia.succeededPembuatan berhasil. Output tersedia.failedPembuatan gagal. Periksa field error.Respons Selesai
{
"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"
}
}Unggah File
Unggah file ke penyimpanan Atlas Cloud dan dapatkan URL yang dapat Anda gunakan dalam permintaan API Anda. Gunakan multipart/form-data untuk mengunggah.
/api/v1/model/uploadMediaContoh Unggah
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}")Respons
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
Parameter berikut diterima di isi permintaan.
Tidak ada parameter yang tersedia.
Contoh Isi Permintaan
{
"model": "z-image/turbo"
}Output Schema
API mengembalikan respons prediction dengan URL output yang dihasilkan.
Contoh Respons
{
"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 mengintegrasikan 300+ model AI langsung ke asisten pengkodean AI Anda. Satu perintah untuk menginstal, lalu gunakan bahasa alami untuk menghasilkan gambar, video, dan mengobrol dengan LLM.
Klien yang Didukung
Instalasi
npx skills add AtlasCloudAI/atlas-cloud-skillsAtur API Key
Dapatkan API key dari dasbor Atlas Cloud dan atur sebagai variabel lingkungan.
export ATLASCLOUD_API_KEY="your-api-key-here"Kemampuan
Setelah diinstal, Anda dapat menggunakan bahasa alami di asisten AI Anda untuk mengakses semua model Atlas Cloud.
MCP Server
Atlas Cloud MCP Server menghubungkan IDE Anda dengan 300+ model AI melalui Model Context Protocol. Berfungsi dengan klien apa pun yang kompatibel dengan MCP.
Klien yang Didukung
Instalasi
npx -y atlascloud-mcpKonfigurasi
Tambahkan konfigurasi berikut ke file pengaturan MCP di IDE Anda.
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Alat yang Tersedia
Schema API
Schema tidak tersediaSilakan masuk untuk melihat riwayat permintaan
Anda perlu masuk untuk mengakses riwayat permintaan model Anda.
MasukZ-Image Turbo - Generasi Teks ke Gambar Secepat Kilat
BARUModel 6 Miliar Parameter dari Alibaba TONGYIMAI
Z-Image Turbo adalah model teks ke gambar open source peringkat #1, melampaui FLUX.2 [dev], HunyuanImage 3.0, dan Qwen-Image di Artificial Analysis Image Arena. Dibangun oleh tim Tongyi-MAI Alibaba (divisi terpisah dari Qwen/Wan), model 6 miliar parameter ini mencapai generasi di bawah satu detik melalui distilasi Decoupled-DMD canggih sambil mempertahankan kualitas fotorealistik. Dengan hanya 8 langkah inferensi, muat dalam VRAM 16GB dan memberikan hasil profesional yang dioptimalkan untuk lingkungan produksi yang kritis terhadap kecepatan.
- Hanya 8 langkah inferensi (vs 20-50 untuk kompetitor)
- Generasi di bawah satu detik pada GPU H800
- 1.31-1.41× lebih cepat dari Qwen Image per langkah
- Muat dalam VRAM 16GB (RTX 3060/4090)
- Model open source peringkat #1 di AI Arena
- Rendering teks bilingual (Inggris & Mandarin)
- Kepatuhan instruksi yang kuat
- Mengalahkan FLUX.1 [dev] dan Qwen di semua kategori
Portofolio Model Strategis Alibaba
Alibaba menawarkan tiga sistem generasi gambar AI khusus, masing-masing dioptimalkan untuk kasus penggunaan yang berbeda
Z-Image Turbo
Tim Tongyi-MAI
- ⚡ Tercepat: 8 langkah, generasi di bawah satu detik
- 🏆 Model open source peringkat #1
- 💰 Paling hemat biaya ($0.005/gambar)
- 🎯 Dioptimalkan untuk iterasi cepat
Qwen-Image
Tim Qwen
- 🎨 Fotorealisme & tekstur kulit yang tak tertandingi
- 💡 Interaksi pencahayaan superior
- ⏱️ Lebih lambat (20dtk vs 5-10dtk untuk Z-Image)
- 🎯 Terbaik untuk pekerjaan produksi kelas atas
Wan 2.5/2.6
Tim Wan
- 🎬 Teks ke Video + Gambar ke Video
- 📹 Dukungan multi-resolusi (480P-720P)
- 🔄 Sinkronisasi audio-visual
- 🎯 Generasi konten lintas modal
Key Insight: Z-Image Turbo 1.31-1.41× lebih cepat dari Qwen-Image per langkah, menjadikannya ideal untuk aplikasi yang memerlukan generasi cepat. Meskipun Qwen-Image menawarkan fotorealisme sedikit lebih baik untuk render akhir, Z-Image Turbo memberikan keseimbangan terbaik antara kecepatan dan kualitas untuk lingkungan produksi.
Sorotan Teknis
Mengadopsi arsitektur Single-Stream Diffusion Transformer (S3-DiT) yang menyatukan pemrosesan berbagai input kondisional. Desain 6 miliar parameter ini mencapai hasil profesional tanpa overhead komputasi model yang lebih besar sambil mempertahankan kualitas terkini.
Algoritma distilasi canggih dengan mekanisme CFG Augmentation dan Distribution Matching memungkinkan inferensi 8 langkah (vs 20-50 untuk kompetitor). Mencapai generasi di bawah satu detik pada GPU H800 dan berjalan lancar pada RTX 3060/4090 konsumen dengan VRAM 16GB.
Diperingkat sebagai model open source #1 di Artificial Analysis Image Arena, mengalahkan FLUX.2 [dev], HunyuanImage 3.0, dan Qwen-Image. Unggul dalam rendering teks bilingual (Inggris & Mandarin), generasi fotorealistik, dan mengikuti instruksi yang kuat. Dirilis di bawah lisensi Apache 2.0 untuk penggunaan komersial.
Sempurna Untuk
Mengapa Memilih Z-Image Turbo
Hasil Instan
Generasi di bawah satu detik dengan latensi cold start nol. Dapatkan gambar Anda segera tanpa menunggu.Hemat Biaya
Harga terjangkau $0.005 per gambar. Skalakan proyek kreatif Anda tanpa merusak anggaran.API Siap Pakai
Integrasi REST API sederhana. Mulai menghasilkan gambar dalam hitungan menit dengan dokumentasi komprehensif kami.Spesifikasi Teknis
Mulai Berkreasi dengan Z-Image Turbo
Rasakan generasi gambar fotorealistik secepat kilat hari ini. Tanpa pengaturan, cukup panggil API kami dan mulai berkreasi.
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.
