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.
Girdi
Çıktı
BoştaHer çalıştırma $0.01 maliyete sahip. 10$ ile yaklaşık 1000 kez çalıştırabilirsiniz.
Şununla devam edebilirsiniz:
Kod örneği
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()Kurulum
Programlama diliniz için gerekli paketi kurun.
pip install requestsKimlik Doğrulama
Tüm API istekleri, API anahtarı ile kimlik doğrulama gerektirir. API anahtarınızı Atlas Cloud kontrol panelinden alabilirsiniz.
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP Başlıkları
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}API anahtarınızı asla istemci tarafı kodunda veya herkese açık depolarda ifşa etmeyin. Bunun yerine ortam değişkenleri veya arka uç proxy kullanın.
İstek gönder
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())İstek Gönder
Asenkron bir oluşturma isteği gönderin. API, durumu kontrol etmek ve sonucu almak için kullanabileceğiniz bir tahmin ID'si döndürür.
/api/v1/model/generateImageİstek Gövdesi
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']}")Yanıt
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Durumu Kontrol Et
İsteğinizin mevcut durumunu kontrol etmek için tahmin uç noktasını sorgulayın.
/api/v1/model/prediction/{prediction_id}Sorgulama Örneği
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)Durum Değerleri
processingİstek hâlâ işleniyor.completedOluşturma tamamlandı. Çıktılar kullanılabilir.succeededOluşturma başarılı oldu. Çıktılar kullanılabilir.failedOluşturma başarısız oldu. Hata alanını kontrol edin.Tamamlanmış Yanıt
{
"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"
}
}Dosya Yükle
Dosyaları Atlas Cloud depolama alanına yükleyin ve API isteklerinizde kullanabileceğiniz bir URL alın. Yüklemek için multipart/form-data kullanın.
/api/v1/model/uploadMediaYükleme Örneği
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}")Yanıt
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
İstek gövdesinde aşağıdaki parametreler kabul edilir.
Kullanılabilir parametre yok.
Örnek İstek Gövdesi
{
"model": "z-image/turbo"
}Output Schema
API, oluşturulan çıktı URL'lerini içeren bir tahmin yanıtı döndürür.
Örnek Yanıt
{
"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, 300'den fazla AI modelini doğrudan AI kodlama asistanınıza entegre eder. Kurmak için tek bir komut, ardından görüntü, video oluşturmak ve LLM ile sohbet etmek için doğal dil kullanın.
Desteklenen İstemciler
Kurulum
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI Anahtarını Ayarla
API anahtarınızı Atlas Cloud kontrol panelinden alın ve ortam değişkeni olarak ayarlayın.
export ATLASCLOUD_API_KEY="your-api-key-here"Yetenekler
Kurulduktan sonra, tüm Atlas Cloud modellerine erişmek için AI asistanınızda doğal dil kullanabilirsiniz.
MCP Server
Atlas Cloud MCP Server, IDE'nizi Model Context Protocol aracılığıyla 300'den fazla AI modeline bağlar. Herhangi bir MCP uyumlu istemci ile çalışır.
Desteklenen İstemciler
Kurulum
npx -y atlascloud-mcpYapılandırma
Aşağıdaki yapılandırmayı IDE'nizin MCP ayarları dosyasına ekleyin.
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Mevcut Araçlar
API Şeması
Şema mevcut değilİstek geçmişini görüntülemek için oturum açın
Model istek geçmişinize erişmek için oturum açmanız gerekir.
Oturum AçZ-Image Turbo - Şimşek Hızında Metin-Görsel Üretimi
YENİAlibaba TONGYIMAI'den 6 Milyar Parametreli Model
Z-Image Turbo, Artificial Analysis Image Arena'da FLUX.2 [dev], HunyuanImage 3.0 ve Qwen-Image'ı geride bırakarak 1 numaralı açık kaynak metin-görsel modelidir. Alibaba'nın Tongyi-MAI ekibi (Qwen/Wan'dan ayrı bir bölüm) tarafından geliştirilen bu 6 milyar parametreli model, gelişmiş Decoupled-DMD damıtma ile fotorealistik kaliteyi korurken bir saniyenin altında üretim sağlar. Sadece 8 çıkarım adımı ile 16GB VRAM'e sığar ve hız açısından kritik üretim ortamları için optimize edilmiş profesyonel sonuçlar sunar.
- Sadece 8 çıkarım adımı (rakiplerde 20-50)
- H800 GPU'larda bir saniyenin altında üretim
- Qwen Image'dan adım başına 1.31-1.41× daha hızlı
- 16GB VRAM'e sığar (RTX 3060/4090)
- AI Arena'da 1 numaralı açık kaynak model
- İki dilli metin oluşturma (İngilizce ve Çince)
- Güçlü talimat uyumu
- Tüm kategorilerde FLUX.1 [dev] ve Qwen'i yeniyor
Alibaba'nın Stratejik Model Portföyü
Alibaba, her biri farklı kullanım senaryoları için optimize edilmiş üç özel AI görsel üretim sistemi sunuyor
Z-Image Turbo
Tongyi-MAI Ekibi
- ⚡ En hızlı: 8 adım, bir saniyenin altında üretim
- 🏆 1 numaralı açık kaynak model
- 💰 En uygun maliyetli ($0.005/görsel)
- 🎯 Hızlı iterasyon için optimize edilmiş
Qwen-Image
Qwen Ekibi
- 🎨 Eşsiz fotorealizm ve cilt dokuları
- 💡 Üstün ışık etkileşimleri
- ⏱️ Daha yavaş (20sn vs Z-Image için 5-10sn)
- 🎯 Üst düzey üretim çalışmaları için en iyi
Wan 2.5/2.6
Wan Ekibi
- 🎬 Metin-Video + Görsel-Video
- 📹 Çoklu çözünürlük desteği (480P-720P)
- 🔄 Görsel-işitsel senkronizasyon
- 🎯 Çapraz modalite içerik üretimi
Key Insight: Z-Image Turbo, Qwen-Image'dan adım başına 1.31-1.41× daha hızlıdır ve hızlı üretim gerektiren uygulamalar için idealdir. Qwen-Image nihai renderlar için biraz daha iyi fotorealizm sunarken, Z-Image Turbo üretim ortamları için hız ve kalite arasında en iyi dengeyi sağlar.
Teknik Öne Çıkanlar
Çeşitli koşullu girişlerin işlenmesini birleştiren Single-Stream Diffusion Transformer (S3-DiT) mimarisini benimser. Bu 6 milyar parametreli tasarım, daha büyük modellerin hesaplama yükü olmadan profesyonel sonuçlar elde ederken son teknoloji kaliteyi korur.
CFG Augmentation ve Distribution Matching mekanizmalarına sahip gelişmiş damıtma algoritması 8 adımlı çıkarımı mümkün kılar (rakiplerde 20-50). H800 GPU'larda bir saniyenin altında üretim sağlar ve 16GB VRAM'li tüketici RTX 3060/4090'da sorunsuz çalışır.
Artificial Analysis Image Arena'da 1 numaralı açık kaynak model olarak sıralanır, FLUX.2 [dev], HunyuanImage 3.0 ve Qwen-Image'ı yener. İki dilli metin oluşturma (İngilizce ve Çince), fotorealistik üretim ve güçlü talimat takibinde mükemmeldir. Ticari kullanım için Apache 2.0 lisansı altında yayınlanmıştır.
Şunlar İçin Mükemmel
Neden Z-Image Turbo'yu Seçmeli
Anında Sonuçlar
Sıfır soğuk başlatma gecikmesi ile bir saniyenin altında üretim. Görsellerinizi hiç beklemeden anında alın.Uygun Maliyetli
Görsel başına $0.005 uygun fiyat. Bütçenizi aşmadan yaratıcı projelerinizi ölçeklendirin.Kullanıma Hazır API
Basit REST API entegrasyonu. Kapsamlı dokümantasyonumuzla dakikalar içinde görsel üretmeye başlayın.Teknik Özellikler
Z-Image Turbo ile Yaratmaya Başlayın
Bugün şimşek hızında, fotorealistik görsel üretimini deneyimleyin. Kurulum gerekmez, sadece API'mizi çağırın ve yaratmaya başlayın.
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.
