Pyramid-JiT: 低成本训练的文生图模型
Show HN: A decent text-to-image model trained for ~$20K (Apache 2.0 Weights)
我们是一个两人研究团队，致力于从零构建生成式视频模型。此次开源的 Pyramid-JiT 是我们迈向视频模型的实验性成果，仅花费约 2.1 万美元即完成训练。该模型摒弃了传统 VAE 架构，采用像素空间直接生成，实现了 32x32 的 token 压缩率，大幅降低了计算成本。作为 Linum v3 的前奏，它证明了低成本也能产出高质量图像，旨在让动画创作工具真正普及。
如果我们的模型既快速又便宜，那就是迈向实用创意工具的第一步。