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.
코드 예시
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()설치
사용하는 언어에 필요한 패키지를 설치하세요.
pip install requests인증
모든 API 요청에는 API 키를 통한 인증이 필요합니다. Atlas Cloud 대시보드에서 API 키를 받을 수 있습니다.
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP 헤더
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}클라이언트 측 코드나 공개 저장소에 API 키를 노출하지 마세요. 대신 환경 변수 또는 백엔드 프록시를 사용하세요.
요청 제출
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())요청 제출
비동기 생성 요청을 제출합니다. API는 상태 확인 및 결과 조회에 사용할 수 있는 예측 ID를 반환합니다.
/api/v1/model/generateImage요청 본문
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']}")응답
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}상태 확인
예측 엔드포인트를 폴링하여 요청의 현재 상태를 확인합니다.
/api/v1/model/prediction/{prediction_id}폴링 예시
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)상태 값
processing요청이 아직 처리 중입니다.completed생성이 완료되었습니다. 출력을 사용할 수 있습니다.succeeded생성이 성공했습니다. 출력을 사용할 수 있습니다.failed생성에 실패했습니다. 오류 필드를 확인하세요.완료 응답
{
"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"
}
}파일 업로드
Atlas Cloud 스토리지에 파일을 업로드하고 API 요청에 사용할 수 있는 URL을 받습니다. multipart/form-data를 사용하여 업로드합니다.
/api/v1/model/uploadMedia업로드 예시
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}")응답
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}입력 Schema
다음 매개변수가 요청 본문에서 사용 가능합니다.
사용 가능한 매개변수가 없습니다.
요청 본문 예시
{
"model": "z-image/turbo"
}출력 Schema
API는 생성된 출력 URL이 포함된 예측 응답을 반환합니다.
응답 예시
{
"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 Skills는 300개 이상의 AI 모델을 AI 코딩 어시스턴트에 직접 통합합니다. 한 번의 명령으로 설치하고 자연어로 이미지, 동영상 생성 및 LLM과 대화할 수 있습니다.
지원 클라이언트
설치
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI 키 설정
Atlas Cloud 대시보드에서 API 키를 받아 환경 변수로 설정하세요.
export ATLASCLOUD_API_KEY="your-api-key-here"기능
설치 후 AI 어시스턴트에서 자연어를 사용하여 모든 Atlas Cloud 모델에 접근할 수 있습니다.
MCP Server
Atlas Cloud MCP Server는 Model Context Protocol을 통해 IDE와 300개 이상의 AI 모델을 연결합니다. MCP 호환 클라이언트에서 사용할 수 있습니다.
지원 클라이언트
설치
npx -y atlascloud-mcp설정
다음 설정을 IDE의 MCP 설정 파일에 추가하세요.
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}사용 가능한 도구
API 스키마
스키마를 사용할 수 없음Z-Image Turbo - 초고속 텍스트-이미지 생성
최신Alibaba TONGYIMAI 팀의 60억 파라미터 모델
Z-Image Turbo는 Artificial Analysis Image Arena에서 FLUX.2 [dev], HunyuanImage 3.0, Qwen-Image를 능가하는 1위 오픈소스 텍스트-이미지 모델입니다. Alibaba의 통의만상 팀(Qwen/Wan과 별도 부서)이 구축한 이 60억 파라미터 모델은 고급 Decoupled-DMD 증류를 통해 사진처럼 사실적인 품질을 유지하면서 1초 미만의 생성을 실현합니다. 추론 단계가 단 8단계이며 16GB VRAM에 적합하여 속도가 중요한 프로덕션 환경에 전문가급 결과를 제공합니다.
- 추론 단계 단 8단계 (경쟁사는 20-50단계)
- H800 GPU에서 1초 미만 생성
- Qwen Image보다 단계당 1.31-1.41배 빠름
- 16GB VRAM 지원 (RTX 3060/4090)
- AI Arena 오픈소스 모델 1위
- 영어 및 중국어 이중 언어 텍스트 렌더링
- 강력한 지시 준수 능력
- 모든 카테고리에서 FLUX.1 [dev]과 Qwen 능가
Alibaba의 전략적 모델 포트폴리오
Alibaba는 각각 다른 사용 사례에 최적화된 3가지 전문 AI 이미지 생성 시스템을 제공합니다
Z-Image Turbo
통의만상 팀
- ⚡ 가장 빠름: 8단계, 1초 미만 생성
- 🏆 오픈소스 모델 1위
- 💰 가장 비용 효율적 ($0.005/이미지)
- 🎯 빠른 반복에 최적화
Qwen-Image
Qwen 팀
- 🎨 비할 데 없는 사실감과 피부 질감
- 💡 우수한 조명 상호작용
- ⏱️ 느림 (20초 vs Z-Image의 5-10초)
- 🎯 고급 제작 작업에 최적
Wan 2.5/2.6
Wan 팀
- 🎬 텍스트-비디오 + 이미지-비디오
- 📹 다중 해상도 지원 (480P-720P)
- 🔄 오디오-비주얼 동기화
- 🎯 크로스 모달 콘텐츠 생성
Key Insight: Z-Image Turbo는 Qwen-Image보다 단계당 1.31-1.41배 빠르며, 빠른 생성이 필요한 애플리케이션에 이상적입니다. 최종 렌더링의 사실감에서는 Qwen-Image가 약간 우수하지만, Z-Image Turbo는 프로덕션 환경에서 속도와 품질의 최적 균형을 제공합니다.
기술적 하이라이트
다양한 조건부 입력의 처리를 통합하는 Single-Stream Diffusion Transformer(S3-DiT) 아키텍처를 채택합니다. 이 60억 파라미터 설계는 대규모 모델의 계산 오버헤드 없이 전문가급 결과를 달성하면서 최첨단 품질을 유지합니다.
CFG 증강 및 분포 매칭 메커니즘이 포함된 고급 증류 알고리즘으로 8단계 추론을 가능하게 합니다(경쟁사는 20-50단계). H800 GPU에서 1초 미만 생성을 달성하고 16GB VRAM의 소비자용 RTX 3060/4090에서 원활하게 실행됩니다.
Artificial Analysis Image Arena에서 오픈소스 모델 1위로 평가되어 FLUX.2 [dev], HunyuanImage 3.0, Qwen-Image를 능가합니다. 영어 및 중국어 이중 언어 텍스트 렌더링, 사진 같은 생성, 강력한 지시 준수에 탁월합니다. 상업적 사용이 허용되는 Apache 2.0 라이선스로 출시되었습니다.
완벽한 용도
Z-Image Turbo를 선택하는 이유
즉각적인 결과
콜드 스타트 지연 시간 없이 1초 미만 생성. 대기 시간 없이 즉시 이미지를 받을 수 있습니다.비용 효율적
이미지당 $0.005의 저렴한 가격. 예산 걱정 없이 크리에이티브 프로젝트를 확장할 수 있습니다.바로 사용 가능한 API
간단한 REST API 통합. 포괄적인 문서를 통해 몇 분 안에 이미지 생성을 시작할 수 있습니다.기술 사양
Z-Image Turbo로 제작 시작
초고속의 사진 같은 이미지 생성을 오늘 경험해보세요. 설정 불필요, API를 호출하고 제작을 시작하세요.
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.
