Looped DiT：260M 模型靠循环复用模块，胜过 6.5 倍大模型且省 4.9 倍算力

Fit-Ant2238 · reddit · 2026-10-13

arXiv 论文（2609.40305）提出 Looped Diffusion Transformer：不把文生图 DiT 做大，而是在每个去噪步骤内让同一组 transformer block 循环运行多次，循环深度可在采样时调整。要点：

• 朴素循环并不可靠，论文用每层循环加 deep supervision 加自调制注意力解决。
• 核心结论：260M 的循环模型在多个基准上胜过 6.5 倍大的模型，推理算力少 4.9 倍；固定推理预算下，加深循环比增加去噪步数更有效。
• 发帖人在 M5 Pro 上用 MIT 协议的 B/16 权重（Hugging Face，sensenova）实测：PyTorch MPS fp32、100 步 Euler、CFG 6.0，同一 seed 在深度 1–4 下对比。模型训练于深度 4，但其他深度无需重训练即可用。
• 实测观察：大部分质量提升发生在深度 3 之前，深度 3 与 4 结果非常接近；单张图深度 1 约 23–24 秒，深度 4 约 43–47 秒，可按需用算力换精度，类似循环/递归深度语言模型的迭代数控制。

原文链接 →

「多模态」频道最新

• 用 Gemini 生成獾画家 Marcel 完整角色设定图 — azed_ai · 2026-10-23
• NeurIPS Spotlight：KoalaGS 按图像复杂度分配高斯容量，低算力也不掉画质 — zhenjun_zhao · 2026-10-23
• Lovart 插件上线 Codex,写代码时直接生成品牌视觉与广告素材 — OpenAIDevs · 2026-10-23
• 同提示词 AI 视频成本差 2.4 倍:$0.75 与 $1.78 实测对比 — miilesus · 2026-10-23
• 开源 Phosphene 让 Hailuo H3 在 Mac 上生成提速 2.3 倍 — cocktailpeanut · 2026-10-23
• Canva 发布首个设计专用图像模型 Craft,登设计生成榜第二 — EXM7777 · 2026-10-23

更多「多模态」频道 AI 资讯 →