
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.
Inmatning
Utmatning
VilandeVarje körning kostar $0.01. För $10 kan du köra cirka 1000 gånger.
Du kan fortsätta med:
Kodexempel
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()Installera
Installera det nödvändiga paketet för ditt programmeringsspråk.
pip install requestsAutentisering
Alla API-förfrågningar kräver autentisering via en API key. Du kan hämta din API key från Atlas Cloud-instrumentpanelen.
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}"
}Exponera aldrig din API key i klientkod eller publika arkiv. Använd miljövariabler eller en backend-proxy istället.
Skicka en förfrågan
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())Skicka en förfrågan
Skicka en asynkron genereringsförfrågan. API:et returnerar ett prediction ID som du kan använda för att kontrollera statusen och hämta resultatet.
/api/v1/model/generateImageFörfrågningsinnehåll
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']}")Svar
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Kontrollera status
Polla prediction-endpointen för att kontrollera den aktuella statusen för din förfrågan.
/api/v1/model/prediction/{prediction_id}Polling-exempel
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)Statusvärden
processingFörfrågan bearbetas fortfarande.completedGenereringen är klar. Utdata är tillgängliga.succeededGenereringen lyckades. Utdata är tillgängliga.failedGenereringen misslyckades. Kontrollera error-fältet.Slutfört svar
{
"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"
}
}Ladda upp filer
Ladda upp filer till Atlas Cloud-lagring och få en URL som du kan använda i dina API-förfrågningar. Använd multipart/form-data för uppladdning.
/api/v1/model/uploadMediaUppladdningsexempel
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}")Svar
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
Följande parametrar accepteras i förfrågningsinnehållet.
Inga parametrar tillgängliga.
Exempel på förfrågningsinnehåll
{
"model": "z-image/turbo"
}Output Schema
API:et returnerar ett prediction-svar med de genererade utdata-URL:erna.
Exempelsvar
{
"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 integrerar 300+ AI-modeller direkt i din AI-kodassistent. Ett kommando för att installera, sedan använd naturligt språk för att generera bilder, videor och chatta med LLM.
Stödda klienter
Installera
npx skills add AtlasCloudAI/atlas-cloud-skillsKonfigurera API Key
Hämta din API key från Atlas Cloud-instrumentpanelen och ställ in den som en miljövariabel.
export ATLASCLOUD_API_KEY="your-api-key-here"Funktioner
När det är installerat kan du använda naturligt språk i din AI-assistent för att komma åt alla Atlas Cloud-modeller.
MCP Server
Atlas Cloud MCP Server ansluter din IDE med 300+ AI-modeller via Model Context Protocol. Fungerar med alla MCP-kompatibla klienter.
Stödda klienter
Installera
npx -y atlascloud-mcpKonfiguration
Lägg till följande konfiguration i din IDE:s MCP-inställningsfil.
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Tillgängliga verktyg
API Schema
Schema ej tillgängligtLogga in för att visa förfrågningshistorik
Du måste vara inloggad för att få tillgång till din modellförfrågningshistorik.
Logga InZ-Image Turbo - Blixtsnabb Text-till-Bild-Generering
NYT6 Miljarder Parametermodell från Alibaba TONGYIMAI
Z-Image Turbo är den #1-rankade öppen källkod text-till-bild-modellen som överträffar FLUX.2 [dev], HunyuanImage 3.0 och Qwen-Image i Artificial Analysis Image Arena. Byggd av Alibabas Tongyi-MAI-team (en separat avdelning från Qwen/Wan) uppnår denna 6 miljarders parametermodell generering under en sekund genom avancerad Decoupled-DMD-destillation medan den bibehåller fotorealistisk kvalitet. Med endast 8 inferenssteg ryms den i 16GB VRAM och levererar professionella resultat optimerade för hastighetskritiska produktionsmiljöer.
- Endast 8 inferenssteg (vs 20-50 för konkurrenter)
- Generering under en sekund på H800 GPU:er
- 1.31-1.41× snabbare än Qwen Image per steg
- Ryms i 16GB VRAM (RTX 3060/4090)
- #1-rankad öppen källkod-modell på AI Arena
- Tvåspråkig textrendering (engelska & kinesiska)
- Robust instruktionsefterlevnad
- Slår FLUX.1 [dev] och Qwen i alla kategorier
Alibabas Strategiska Modellportfölj
Alibaba erbjuder tre specialiserade AI-bildgenereringssystem, var och en optimerad för olika användningsfall
Z-Image Turbo
Tongyi-MAI Team
- ⚡ Snabbast: 8 steg, generering under en sekund
- 🏆 #1-rankad öppen källkod-modell
- 💰 Mest kostnadseffektiv ($0.005/bild)
- 🎯 Optimerad för snabb iteration
Qwen-Image
Qwen Team
- 🎨 Oöverträffad fotorealism & hudtexturer
- 💡 Överlägsna ljusinteraktioner
- ⏱️ Långsammare (20s vs 5-10s för Z-Image)
- 🎯 Bäst för högklassigt produktionsarbete
Wan 2.5/2.6
Wan Team
- 🎬 Text-till-Video + Bild-till-Video
- 📹 Stöd för flera upplösningar (480P-720P)
- 🔄 Audio-visuell synkronisering
- 🎯 Korsmodal innehållsgenerering
Key Insight: Z-Image Turbo är 1.31-1.41× snabbare än Qwen-Image per steg, vilket gör den idealisk för applikationer som kräver snabb generering. Medan Qwen-Image erbjuder något bättre fotorealism för slutliga renderingar, ger Z-Image Turbo den bästa balansen mellan hastighet och kvalitet för produktionsmiljöer.
Tekniska Höjdpunkter
Anammar Single-Stream Diffusion Transformer (S3-DiT)-arkitekturen som förenar bearbetningen av olika villkorade ingångar. Denna 6 miljarders parameterdesign uppnår professionella resultat utan beräkningsoverheaden hos större modeller samtidigt som den bibehåller toppmodern kvalitet.
Avancerad destillationsalgoritm med CFG Augmentation och Distribution Matching-mekanismer möjliggör 8-stegs inferens (vs 20-50 för konkurrenter). Uppnår generering under en sekund på H800 GPU:er och körs smidigt på konsument-RTX 3060/4090 med 16GB VRAM.
Rankad som #1 öppen källkod-modell i Artificial Analysis Image Arena och slår FLUX.2 [dev], HunyuanImage 3.0 och Qwen-Image. Utmärker sig i tvåspråkig textrendering (engelska & kinesiska), fotorealistisk generering och robust instruktionsföljning. Släppt under Apache 2.0-licens för kommersiellt bruk.
Perfekt För
Varför Välja Z-Image Turbo
Omedelbara Resultat
Generering under en sekund med noll kallstartslatens. Få dina bilder omedelbart utan väntan.Kostnadseffektiv
Överkomligt pris på $0.005 per bild. Skala dina kreativa projekt utan att spränga budgeten.Färdigt API
Enkel REST API-integration. Börja generera bilder på några minuter med vår omfattande dokumentation.Tekniska Specifikationer
Börja Skapa med Z-Image Turbo
Upplev blixtsnabb, fotorealistisk bildgenerering idag. Ingen installation krävs, ring bara vårt API och börja skapa.
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.






