全員本科生！何愷明新作 MiniT2I：文生圖僅需 258M 引數
為何重要
這項工作是「回到資本主義」的延續，技術上證明當前主流文生圖模型的許多模組（如 VAE、AdaLN）可能存在過度設計，從而極大降低了訓練門檻。對產業而言，這暗示了在不仰賴數十億美元算力的情況下仍有戰略突破空間；對人才生態而言，展現了 MIT 等頂尖學府與奧賽金牌生結合所能產生的驚人攻擊力。
何愷明團隊近期釋出文生圖新架構 MM-JiT (MiniT2I)，在完全拋棄潛空間與 AdaLN 等複雜模組的前提下，僅用不到 260M 引數即實現高質量影像生成。
- 直接在畫素空間進行 Flow Matching 生成，移除 VAE 後計算開銷降低約 80%（單體僅需 265 GFLOPs）。
- 訓練成本極其低廉，僅相當於一次標準 ImageNet 實驗（8 張 H100 GPUs、約 3 天）。
- 在去除 AdaLN 複雜機制後，FID 達到 13.7，GenEval 達到 0.87，並在 PRISM-Bench 某些維度超越引數量更大的 FLUX.1-dev。