AI初创公司Linum发布技术博文，宣布以约2.1万美元的算力成本训练出文生图模型P-JiT，并以Apache 2.0协议同步开源模型代码与权重。该公司由Sahil Chopra与Manu Chopra共同担任CEO，此次发布是其“通往Linum v3”系列的第4期内容。P-JiT（全称Pyramid-JiT）是一种像素空间架构，核心改进在于将注意力上下文窗口缩减为原来的四分之一，同时以约十一分之一的样本量即可收敛，从而显著降低训练开销。团队本轮使用6.6亿样本对20亿参数规模的Pyramid-JiT完成训练，总算力支出约2.1万美元，并公开了249张生成样例，读者点击图片可查看全分辨率结果及对应的提示词。Linum明确将这一模型定位为发展更大规模视频生成模型过程中的阶段性成果，后续将在此基础上继续扩展。博文属于研究性质的技术路线分享，附有完整的模型代码与权重下载入口，训练方法与成本结构对独立研究者和中小团队具备直接参考价值。
事件分析
P-JiT选择像素空间直接建模，与主流潜空间扩散路线形成差异化，其注意力窗口压缩4倍、收敛样本量降至约1/11的工程优化，是把成本压到2.1万美元量级的关键。对开源文生图生态而言，Apache 2.0协议允许自由商用，小型团队与研究者的使用门槛显著降低，将与Stable Diffusion、Flux等既有开源模型争夺开发者注意力。若低成本训练路径被社区复现验证，“大模型必然烧钱”的行业叙事会被进一步削弱，初创公司进入生成式模型领域的门槛随之下降。该模型定位为视频生成的前置实验，后续值得关注的信号包括：参数规模放大后的成本曲线、生成质量与头部闭源模型的实际差距，以及像素空间架构在时序维度扩展时能否保持效率优势。
核心观点：2.1万美元训出开源文生图模型，生成式AI的入场券正从资本竞赛转向架构设计与工程效率的较量。
原文链接：Hacker News
评论前必须登录！
立即登录 注册