z-image/turbo

text-to-image

TURBO

Z-Image Turbo API by Alibaba

z-image/turbo

Turbo

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

Loading parameter configuration...

OUTPUT

Idle

Your generated images will appear here

Configure your settings and click Run to get started

Your request will cost $0.01 per run. For $10 you can run this model approximately 1000 times.

Here's what you can do next:

Image-to-Video Image-to-Image

Parametri

Esempio di codice
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()

Installa

Installa il pacchetto richiesto per il tuo linguaggio.

bash

pip install requests

Autenticazione

Tutte le richieste API richiedono l'autenticazione tramite una chiave API. Puoi ottenere la tua chiave API dalla dashboard di Atlas Cloud.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

Header HTTP

python

import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}

Proteggi la tua chiave API

Non esporre mai la tua chiave API nel codice lato client o nei repository pubblici. Utilizza invece variabili d'ambiente o un proxy backend.

Invia una richiesta

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())

Invia una richiesta

Invia una richiesta di generazione asincrona. L'API restituisce un ID di previsione che puoi usare per controllare lo stato e recuperare il risultato.

POST/api/v1/model/generateImage

Corpo della richiesta

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']}")

Risposta

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

Controlla lo stato

Interroga l'endpoint di previsione per verificare lo stato attuale della tua richiesta.

GET/api/v1/model/prediction/{prediction_id}

Esempio di 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)

Valori di stato

processingLa richiesta è ancora in fase di elaborazione.

completedLa generazione è completata. I risultati sono disponibili.

succeededLa generazione è riuscita. I risultati sono disponibili.

failedLa generazione è fallita. Controlla il campo errore.

Risposta completata

{
  "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"
  }
}

Carica file

Carica file nello storage Atlas Cloud e ottieni un URL utilizzabile nelle tue richieste API. Usa multipart/form-data per il caricamento.

POST/api/v1/model/uploadMedia

Esempio di caricamento

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}")

Risposta

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Schema di input

I seguenti parametri sono accettati nel corpo della richiesta.

Totale: 0Obbligatorio: 0Opzionale: 0

Nessun parametro disponibile.

Esempio di corpo della richiesta

json

{
  "model": "z-image/turbo"
}

Schema di output

L'API restituisce una risposta di previsione con gli URL degli output generati.

idstringrequired

Unique identifier for the prediction.

statusstringrequired

Current status of the prediction.

processingcompletedsucceededfailed

modelstringrequired

The model used for generation.

outputsarray[string]

Array of output URLs. Available when status is "completed".

errorstring

Error message if status is "failed".

metricsobject

Performance metrics.

predict_timenumber

Time taken for image generation in seconds.

created_atstringrequired

ISO 8601 timestamp when the prediction was created.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

Esempio di risposta

json

{
  "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 oltre 300 modelli di IA direttamente nel tuo assistente di codifica IA. Un comando per installare, poi usa il linguaggio naturale per generare immagini, video e chattare con LLM.

Client supportati

Claude Code

OpenAI Codex

Gemini CLI

Cursor

Windsurf

VS Code

Trae

GitHub Copilot

Cline

Roo Code

Amp

Goose

Replit

40+ client supportati

Installa

bash

npx skills add AtlasCloudAI/atlas-cloud-skills

Configura chiave API

Ottieni la tua chiave API dalla dashboard di Atlas Cloud e impostala come variabile d'ambiente.

bash

export ATLASCLOUD_API_KEY="your-api-key-here"

Funzionalità

Una volta installato, puoi usare il linguaggio naturale nel tuo assistente IA per accedere a tutti i modelli Atlas Cloud.

Generazione di immaginiGenera immagini con modelli come Nano Banana 2, Z-Image e altri.

Creazione di videoCrea video da testo o immagini con Kling, Vidu, Veo, ecc.

Chat LLMChatta con Qwen, DeepSeek e altri grandi modelli linguistici.

Caricamento mediaCarica file locali per la modifica di immagini e flussi di lavoro da immagine a video.

Scopri di più

github.com/AtlasCloudAI/atlas-cloud-skills

Server MCP

Il server MCP di Atlas Cloud collega il tuo IDE con oltre 300 modelli di IA tramite il Model Context Protocol. Funziona con qualsiasi client compatibile MCP.

Client supportati

Cursor

VS Code

Windsurf

Claude Code

OpenAI Codex

Gemini CLI

Cline

Roo Code

100+ client supportati

Installa

bash

npx -y atlascloud-mcp

Configurazione

Aggiungi la seguente configurazione al file delle impostazioni MCP del tuo IDE.

json

{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Strumenti disponibili

atlas_generate_imageGenera immagini da prompt testuali.

atlas_generate_videoCrea video da testo o immagini.

atlas_chatChatta con grandi modelli linguistici.

atlas_list_modelsEsplora oltre 300 modelli di IA disponibili.

atlas_quick_generateCreazione di contenuti in un solo passaggio con selezione automatica del modello.

atlas_upload_mediaCarica file locali per i flussi di lavoro API.

Scopri di più

github.com/AtlasCloudAI/mcp-server

API Schema

Schema not available

Please log in to view request history

You need to be logged in to access your model request history.

Z-Image Turbo - Generazione Testo-Immagine Ultrarapida

NUOVO

Modello da 6 Miliardi di Parametri di Alibaba TONGYIMAI

Z-Image Turbo è il modello testo-immagine open source classificato #1, superando FLUX.2 [dev], HunyuanImage 3.0 e Qwen-Image nell'Artificial Analysis Image Arena. Costruito dal team Tongyi-MAI di Alibaba (una divisione separata da Qwen/Wan), questo modello da 6 miliardi di parametri raggiunge una generazione in meno di un secondo attraverso una distillazione avanzata Decoupled-DMD mantenendo una qualità fotorealistica. Con soli 8 passaggi di inferenza, si adatta a 16GB di VRAM e fornisce risultati professionali ottimizzati per ambienti di produzione critici per la velocità.

Generazione Ultrarapida

Solo 8 passaggi di inferenza (vs 20-50 dei concorrenti)
Generazione in meno di un secondo su GPU H800
1.31-1.41× più veloce di Qwen Image per passaggio
Si adatta a 16GB di VRAM (RTX 3060/4090)

Qualità Fotorealistica

Modello open source classificato #1 su AI Arena
Rendering di testo bilingue (inglese e cinese)
Aderenza robusta alle istruzioni
Supera FLUX.1 [dev] e Qwen in tutte le categorie

Portfolio Strategico di Modelli di Alibaba

Alibaba offre tre sistemi specializzati di generazione di immagini IA, ciascuno ottimizzato per diversi casi d'uso

Campione di Velocità

Z-Image Turbo

Team Tongyi-MAI

Best For: Carichi di lavoro di produzione critici per la velocità

⚡ Più veloce: 8 passaggi, generazione in meno di un secondo
🏆 Modello open source classificato #1
💰 Più conveniente ($0.005/immagine)
🎯 Ottimizzato per iterazioni rapide

Re della Qualità

Qwen-Image

Team Qwen

Best For: Rendering finali di massima qualità

🎨 Fotorealismo e texture della pelle ineguagliabili
💡 Interazioni di illuminazione superiori
⏱️ Più lento (20s vs 5-10s per Z-Image)
🎯 Migliore per lavori di produzione di alta qualità

Professionista della Versatilità

Wan 2.5/2.6

Team Wan

Best For: Versatilità multimediale

🎬 Testo-Video + Immagine-Video
📹 Supporto multi-risoluzione (480P-720P)
🔄 Sincronizzazione audiovisiva
🎯 Generazione di contenuti multimodali

Key Insight: Z-Image Turbo è 1.31-1.41× più veloce di Qwen-Image per passaggio, rendendolo ideale per applicazioni che richiedono una generazione rapida. Sebbene Qwen-Image offra un fotorealismo leggermente migliore per i rendering finali, Z-Image Turbo fornisce il miglior equilibrio tra velocità e qualità per ambienti di produzione.

Punti Salienti Tecnici

Prestazioni

Architettura S3-DiT

Adotta l'architettura Single-Stream Diffusion Transformer (S3-DiT) che unifica l'elaborazione di vari input condizionali. Questo design da 6 miliardi di parametri raggiunge risultati professionali senza il sovraccarico computazionale di modelli più grandi mantenendo una qualità all'avanguardia.

Velocità

Distillazione Decoupled-DMD

Algoritmo di distillazione avanzato con meccanismi di CFG Augmentation e Distribution Matching consente un'inferenza in 8 passaggi (vs 20-50 per i concorrenti). Raggiunge una generazione in meno di un secondo su GPU H800 e funziona senza problemi su RTX 3060/4090 consumer con 16GB di VRAM.

Qualità

Prestazioni Leader Open Source

Classificato come modello open source #1 nell'Artificial Analysis Image Arena, superando FLUX.2 [dev], HunyuanImage 3.0 e Qwen-Image. Eccelle nel rendering di testo bilingue (inglese e cinese), generazione fotorealistica e seguimento robusto delle istruzioni. Rilasciato con licenza Apache 2.0 per uso commerciale.

Perfetto Per

🎨

Creazione di Arte Digitale

📸

Fotografia di Prodotti

📊

Materiali di Marketing

🎬

Concept Art

📱

Contenuti per Social Media

🖼️

Fotografia Stock

🎮

Asset di Gioco

✨

Prototipazione Creativa

Perché Scegliere Z-Image Turbo

⚡

Risultati Istantanei

Generazione in meno di un secondo con latenza di avvio a freddo zero. Ottieni le tue immagini immediatamente senza attese.

💰

Conveniente

Prezzo accessibile di $0.005 per immagine. Scala i tuoi progetti creativi senza superare il budget.

🔌

API Pronta all'Uso

Integrazione semplice di REST API. Inizia a generare immagini in pochi minuti con la nostra documentazione completa.

Specifiche Tecniche

Architettura del Modello6 Miliardi di Parametri

Passaggi di Inferenza8 NFEs (Number of Function Evaluations)

Velocità di GenerazioneMeno di un secondo su H800, 5-10s su GPU consumer

Requisito VRAM16GB (compatibile RTX 3060/4090)

ArchitetturaSingle-Stream Diffusion Transformer (S3-DiT)

Metodo di DistillazioneDecoupled-DMD con CFG Augmentation

LicenzaApache 2.0 (Uso Commerciale Consentito)

Classifica#1 Open Source su Artificial Analysis Arena

Prezzo$0.005 per Immagine

Inizia a Creare con Z-Image Turbo

Sperimenta oggi la generazione di immagini fotorealistiche ultrarapida. Nessuna configurazione richiesta, basta chiamare la nostra API e iniziare a creare.

Nessun avvio a freddo - generazione istantanea

Prezzo accessibile - $0.005 per immagine

Risultati di qualità professionale

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.

Paper

Tongyi-MAI/Z-Image-Turbo

Explore Similar Models

NEW

text-to-image

Openai GPT Image 2 Text-to-Image

GPT Image 2 text to image is OpenAI's fast, cost-efficient text-to-image generator powered by GPT-5 guidance. Create photorealistic shots, product renders, concept art, and stylized graphics from natural-language prompts (optionally conditioned with an image). Supports custom aspect ratios, seeds, negative prompts, hex color hints, and style presets. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Openai GPT Image 2 Edit

GPT Image 2 Edit is OpenAI's image model for precise, natural-language edits. Add/remove objects, swap backgrounds, retouch faces, adjust colors/lighting, edit text/graphics, crop/resize, and apply hex color control. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.

Baidu ERNIE Image Turbo Text-to-image

A fast, low-latency version of ERNIE Image by Baidu, optimized for rapid iteration and scalable image generation.Balances speed and quality, ideal for real-time and high-throughput scenarios.

Wan-2.7 Pro Image-to-image

Edits and recomposes images with Wan 2.7 image pro using text instructions and multi-image references for higher quality outputs.

From

$0.075/PIC

Inizia con Oltre 300 Modelli,

Esplora tutti i modelli

Z-Image Turbo API by Alibaba

INPUT

OUTPUT

Parametri

Esempio di codice

Installa

Autenticazione

Header HTTP

Invia una richiesta

Invia una richiesta

Corpo della richiesta

Risposta

Controlla lo stato

Esempio di polling

Valori di stato

Risposta completata

Carica file

Esempio di caricamento

Risposta

Schema di input

Esempio di corpo della richiesta

Schema di output

Esempio di risposta

Atlas Cloud Skills

Client supportati

Installa

Configura chiave API

Funzionalità

Server MCP

Client supportati

Installa

Configurazione

Strumenti disponibili

API Schema

Please log in to view request history

Z-Image Turbo - Generazione Testo-Immagine Ultrarapida

Portfolio Strategico di Modelli di Alibaba

Z-Image Turbo

Qwen-Image

Wan 2.5/2.6

Punti Salienti Tecnici

Perfetto Per

Perché Scegliere Z-Image Turbo

Risultati Istantanei

Conveniente

API Pronta all'Uso

Specifiche Tecniche

Inizia a Creare con Z-Image Turbo

Z-Image-Turbo — 6B-parameter, ultra-fast text-to-image

Ultra-fast generation with production-ready quality

Why it looks so good?

How to use

Pricing

Try more models and see their difference!

Paper

Explore Similar Models

Openai GPT Image 2 Text-to-Image

Openai GPT Image 2 Edit

Baidu ERNIE Image Turbo Text-to-image

Wan-2.7 Pro Image-to-image

Inizia con Oltre 300 Modelli,

Join our Discord community