Linum P-JiT - Pixel-Space Text-to-Image-Modell für 21.000 US-Dollar
Show HN: A decent text-to-image model trained for ~$20K (Apache 2.0 Weights)
Linum, ein zweiköpfiges Forschungslabor, hat mit P-JiT (Pyramid-JiT) ein Text-to-Image-Modell von Grund auf trainiert – für nur 21.038 US-Dollar. Die 2B-Parameter-Architektur verzichtet auf einen VAE und arbeitet direkt im Pixelraum, wodurch sie 4× aggressiver komprimiert und 11× schneller konvergiert als Linum v2. Das Modell erzeugt beeindruckende Bilder, obwohl es nicht auf gerenderten Text spezialisiert ist und bei vollen Körpern oder vielen Entitäten an Grenzen stößt. Die Apache-2.0-Gewichte sind als experimentelle Veröffentlichung frei verfügbar – ein Proof-of-Concept auf dem Weg zu einem eigenen Videomodell.
Wir waren überrascht, wie gut die Ergebnisse aussahen – gemessen an der Größe des Modells –, also dachten wir, wir teilen es als experimentelle Veröffentlichung mit der Welt.