Z-Mania 评测：掌握超写实 AI 艺术的定点 DiT 融合技术

Z-Mania 是拥有 60 亿参数的 z-image-turbo (ZIT) 模型的架构进阶。虽然 ZIT 以速度见长，但 Z-Mania 专注于实现足以媲美高端时尚杂志的真实照片感和皮肤纹理。它通过精准的层级融合而非简单的模型扩容来实现这一目标。通过攻克绝对真实感中的“恐怖谷”效应，Z-Mania 为 Turbo 模型树立了新标杆。

Z-Mania 的核心力量在于其定点 DiT（扩散 Transformer）融合技术。通过 ComfyUI 的自定义 DiT Selective Merger 节点，创作者可以融合特定的神经网络层而非整个模块。Z-Mania 专门针对输出块（18-25）进行优化，以彻底改进色彩科学和纹理渲染，同时保持基础模型的结构完整性。这种方法允许在不牺牲速度的前提下，对最终美感进行颗粒化控制。

我们在多种美学风格下测试了 Z-Mania，包括东方人像和高对比度时尚大片。该模型在渲染自然皮肤纹理方面表现出色，没有许多 Turbo 模型常见的“塑料感”。它能以卓越的精度处理复杂光影、雪纺等透明织物以及随风飘动的发丝等细节。即使在超现实构图中，Z-Mania 也能保持一种触手可及的真实感。

将 Z-Mania 集成到您的生产流中需要特定的 ComfyUI 配置和 DiTSelectiveMerger.py 脚本。建议拥有 8GB 或更高显存的用户使用。通过加载 Z-Mania 权重并利用定点融合节点，创作者可以针对特定风格调整进行精细微调。该工作流专为希望突破开源图像生成边界的用户设计。

Z-Mania 专为照片级真实感调优，不适用于动漫、插画风格或 Logo 等矢量平面设计。截至 2026 年初，该模型仍处于 Beta 阶段，因此随着开发人员持续优化入口块的空间逻辑，用户可能会偶尔遇到连贯性问题。为了获得最佳效果，应将其应用于超写实输出的专业领域。

Z-Mania 证明了社区驱动的精准层融合可以媲美庞大的商业闭源系统。它证明了在高速模型的时代，对架构进行“外科手术式”的干预可以交付以前认为 Turbo 模型无法实现的成果。对于追求绝对真实感的创作者来说，Z-Mania 是一个强大的新工具。