Z Image được cung cấp dưới dạng công cụ tạo và chỉnh sửa ảnh trên trình duyệt tại Fooocus.one. Đây là nền tảng độc lập của bên thứ ba, tập hợp nhiều mô hình hình ảnh và video, nên không phải trang chính thức của mô hình Z-Image. Trang công cụ tập trung vào Z-Image và bản chỉnh sửa Z-Image-Edit, gói gọn thành quy trình từ câu lệnh đến hình ảnh, không cần cài đặt.
Mô hình nền tảng có hai điểm nổi bật. Thứ nhất là chủ trương chân thực như ảnh chụp: kiểm soát tinh tế ánh sáng, chất liệu và bố cục để kết quả trông như ảnh thật chứ không lộ dấu vết tổng hợp. Thứ hai là khả năng song ngữ, hiển thị chính xác chữ Trung và chữ Anh kể cả ở cỡ chữ nhỏ, rất phù hợp cho poster, bản mô phỏng bao bì và thiết kế chữ.
Về kỹ thuật, Z-Image dùng kiến trúc Scalable Single-Stream DiT (S3-DiT), kết hợp văn bản, token ngữ nghĩa thị giác và token VAE hình ảnh thành một chuỗi duy nhất đưa vào Transformer, giúp tăng hiệu quả tham số với khoảng 6 tỷ tham số. Tốc độ tạo ảnh nhanh, thường chỉ vài giây ngay cả trên phần cứng phổ thông, và trình nâng cấp câu lệnh tích hợp dùng chuỗi suy luận để hiểu những yêu cầu trừu tượng như minh hoạ thơ cổ hay câu đố thị giác.
