К содержимому
Изображения

t2i300m

компактная модель генерации картинок по тексту

2 мин чтенияобновлено

Модель t2i300m — это диффузионный трансформатор (DiT) на 311 миллионах параметров, созданный с нуля исследователем SmallAICreator. Она генерирует изображения размером 512×512 пикселей на основе текстового описания, используя замороженный текстовый энкодер flan-t5-base и автоэнкодер DC-AE. Благодаря небольшому размеру и продуманной архитектуре (в стиле PixArt), модель работает прямо на видеокартах потребительского уровня и доступна для запуска в Google Colab. Она отлично подойдет разработчикам, энтузиастам и тем, кто хочет изучить работу диффузионных моделей без требования к мощному серверному железу.

Ключевые особенности

  • Компактный размер: всего 311M параметров (скрытый слой 1024, 18 слоев, 16 голов внимания).
  • Обучение с нуля: модель обучена на датасете из 2 миллионов картинок с использованием бесплатных сессий Kaggle TPU.
  • Разнообразие стилей: хорошо справляется с фотореализмом, пейзажами, фэнтези-существами и художественными стилями (акварель, пиксель-арт).
  • Быстрый инференс: для генерации качественного изображения требуется около 30 шагов сэмплера Euler.

Что можно сделать

  • Сгенерировать фотореалистичные сцены с едой, животными или пейзажами с помощью Python-скрипта или командной строки.
  • Запустить интерактивное веб-приложение с интерфейсом прямо в браузере через Google Colab.
  • Создать цифровой арт или иллюстрации в стилях масляной живописи, акварели или пиксель-арта.
  • Интегрировать модель и код инференса на JAX в собственные проекты генерации контента.

Пример

Пример генерации изображения с помощью Python:

from t2i300m import T2I300M

pipe = T2I300M()
images = pipe("a red fox standing in fresh snow at sunrise", n=4, seed=2026)
images[0].save("fox.png")
ПодробнееАрхитектура: DiT (adaLN-single, 2D RoPE, QK-norm)
Латентное пространство: DC-AE f32c32 (заморожено)
Обучение: 2 этапа на Kaggle TPU v5e-8 (256px и 512px)
Лицензия: Apache-2.0
Обсудить Telegram 0 18

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.2 GB · готовые файлы2.8 GB
  • BF16веса 0.6 GB2.1 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB1.8 GB
  • 4-bitвеса 0.2 GB1.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F32 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # SmallAICreator/t2i300m
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download SmallAICreator/t2i300m --local-dir ~/models/t2i300m
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к t2i300m
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии t2i300m — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

SmallAICreator/t2i300m
Автор
SmallAICreator
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

180

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

RMSharmonize

RMSharmonize
Изображения

Jeveration

Jeveration
Изображения

MOSS-Image SFT

MOSS-Image SFT