P-JiT 21K

P-JiT 21K 是 Linum（Sahil & Manu Chopra）发布的像素空间文生图研究检查点：架构名 Pyramid-JiT（P-JiT），约 2B DiT + 4B 文本编码器，在约 6.6 亿样本上训练，总成本约 $21,038。权重：https://huggingface.co/Linum-AI/pjit-21k ；代码：https://github.com/Linum-AI/pjit-21k ；笔记：https://www.linum.ai/field-notes/pjit-21k 。

要点：

• 无 VAE：直接在像素空间扩散，32×32 patch；
• 官方明确：研究产物非生产模型；不能可靠生成渲染文字/海报；
• 许可证 Apache-2.0；面向后续视频模型路线的中间站。

为什么重要

把「可复现的低成本训练账本」与可下载检查点一起公开，是对文生图训练成本叙事的硬证据；像素空间 + Pyramid 结构也区别于主流 VAE+DiT。

局限

全身、多实体、人群互动与世界知识仍弱；提示需偏长描述（仓库含 prompt upsampler）。

1. git clone https://github.com/Linum-AI/pjit-21k && pip install -e .；
2. 首次运行从 HF 拉取权重与 Qwen3.5-4B 文本编码器；
3. 需 CUDA GPU；可用 --no_upsample 跳过提示扩写；
4. 按 Apache-2.0 使用。