2人实验室2万美元从零训出2B文生图模型，架构未收敛之争再起
generativist · x · 2026-11-05
两人团队 Linum 发布 Pyramid-JiT,一种像素空间的生成架构,称其收敛速度比对应的 latent diffusion 快 11 倍。作为迈向更平价视频模型的里程碑,他们发布了基于该架构的 2B 文生图模型,从零训练仅花约 2 万美元,权重以 Apache 2.0 开源。
转发此消息的 angeris(前 Meta 研究员)评论:如果 2 万美元就能训出这种模型,说明生成模型的架构远未收敛——言下之意是当前主流 diffusion transformer 路线未必是终局。
所属事件:两人实验室 2.1 万美元从零训练 2B 文生图模型并开源(3 条相关)→
「多模态」频道最新
- LFM3-Omni-2B 移植 iPhone：完全离线多模态对话达 80 tok/s — JosephJacks_ · 2026-11-05
- 博主点赞 Dot 用 ChatGPT 图像生成的创意玩法：不是一次出图 — thederbiedone · 2026-11-05
- HeyGen Video 1 登陆手机端:描述一句话即可生成视频 — HeyGen · 2026-11-05
- U-JiT 抛弃 VAE，像素空间端到端视频生成在 Kinetics-600 达 SOTA — LucaAmb · 2026-11-05
- 46 credits 把 Blender 3D 模型 AI 写实化并驱动动画,全流程实测 — Yobrogamer · 2026-11-05
- Kandinsky 发布开源 S2V 模型:2B/21B 双档,语音驱动全身数字人 — Crazy-Repeat-2006 · 2026-11-05