バイチュンがオープンソースLanceを開発しました。このモデルは、わずか3Bのアクティブパラメータを持つ、ナイーブな統一マルチモーダル大規模モデルです。理解モデル（VLM）と生成モデル（DiT/ディフュージョン）の技術的境界を打ち破りました。極めて軽量ながらもすべての機能をカバーし、現在のAI業界でパラメータを増やしたり、組み立て式にモデルを作成する風潮に挑戦しています。これは技術革新の重要な突破です。
OPPOはMediaTek Dimensity開発者会議で、世界初の端末側AIGC光影処理エンジンを発表。自社開発のDiTアーキテクチャに基づき、逆光や強い光、影の交錯など屋外の複雑な光問題を解決し、人物の顔の暗さや背景の露出過多、細部の損失を改善。写真愛好家に朗報。....
2026年3月11日、謝賽寧チームが世界初の複数人ビデオ世界モデル「Solaris」を発表。単一視点から複数人インタラクティブ世界への進化を実現し、建築の一貫性向上と仮想世界での協調知覚能力を検証。....
テンセント・ハントゥンチームがHY-Motion1.0モデルをオープンソース化しました。DiTアーキテクチャとフローマッチング技術を基盤とし、テキスト記述によって高品質な3D骨格アニメーションを生成可能です。主流の3Dツールとの互換性があり、アニメーション制作のハードルを大幅に下げます。このモデルは全段階トレーニング戦略を採用し、3000時間を超えるアクションデータを利用して生成効果を最適化しています。
バイトダンスのSeedance 1.5 Proは、DB - DiTを使用して音画同期の映画レベルのビデオを生成します。
DiTベースのヒューマンイメージアニメーションフレームワークであり、精細な制御と長期的な一貫性を実現します。
多モーダル拡散トランスフォーマーにおける注意制御を探索し、微調整不要の複数プロンプトによる長尺動画生成を実現
DiTベースのビデオ生成モデル。高画質ビデオをリアルタイムで生成します。
Alibaba
-
入力トークン/百万
出力トークン/百万
コンテキスト長
Deepseek
$4
$12
128
Chatglm
$16
32
$2
$8
Minimax
Stepfun
Baidu
diffusers
FLUX.2-devはNF4量子化のDiTとテキストエンコーダに基づく画像生成と編集モデルで、高品質な画像生成と編集能力を提供し、画像分野の開発アプリケーションに適しています。
valiantcat
Qwen-Image-Edit-MeiTuはQwen-Image-Editをベースに改良されたバージョンで、DiTアーキテクチャを微調整し、複雑な画像編集における視覚的な一貫性、美学的品質、構造の整列能力の向上に特化しています。
Lightricks
DiTアーキテクチャに基づく初のリアルタイム高品質動画生成モデル、1216×704解像度30FPS生成をサポート
DiTアーキテクチャを基にした初のリアルタイム高品質動画生成モデル。1216×704解像度の動画を30fpsで生成可能
DiTy
このモデルはgoogle/gemma-2-9b-itをベースに関数呼び出しタスク向けにファインチューニングされたバージョンで、トレーニングデータはすべて手動でアノテーションされ、ロシア語版のDiTy/function-callingデータセットが使用されています。
kaupane
Wikiartデータセットでトレーニングされた拡散トランスフォーマーモデル、アート作品画像の生成に使用
Wikiartデータセットでトレーニングされた拡散トランスフォーマーモデル、アートスタイル画像生成用
DiTアーキテクチャに基づくリアルタイム高品質動画生成モデルで、テキストから動画および画像から動画への2つの応用シナリオをサポート
DiTベース初の動画生成モデルで、高品質な動画をリアルタイム生成可能。テキストから動画、または画像+テキストから動画の2つのシナリオに対応
ByteDance
InfiniteYou（InfU）はFLUX拡散トランスフォーマー（DiT）ベースのアイデンティティ保持画像生成フレームワークで、ID特徴を保持しながら柔軟な画像リモデリングを実現します。
jobs-git
DiTアーキテクチャに基づく初のリアルタイム高品質動画生成モデルで、テキストから動画および画像から動画の生成をサポート
DiTベースの初の動画生成モデルで、高品質な動画をリアルタイムに生成可能。テキストから動画、画像+テキストから動画の2つのシナリオに対応。
conjuncts
このモデルはtransformersライブラリをベースとしたモデルで、具体的な機能や用途はさらなる情報確認が必要です。
THUDM
CogView3-Plus-3BはCogView3のDiTバージョンで、512から2048ピクセルのテキストから画像生成機能をサポートしています。
3DTopia
3DTopia-XLは、拡散変換器（DiT）とPrimX表現に基づく高品質な3Dアセット生成モデルで、テキストまたは画像入力から迅速に3D PBRアセットを生成できます。
cmarkea
microsoft/dit-baseをファインチューニングしたドキュメント画像レイアウト検出モデル、11種類のドキュメント要素を識別可能
DeepPavlov/rubert-base-cased事前学習モデルを基に、MS-MARCOロシア語段落並べ替えデータセットでファインチューニングされたsentence-transformersモデルで、ロシア語情報検索タスクに使用されます。
DeepPavlov/rubert-base-cased事前学習モデルを基に、MS-MARCOロシア語パッセージランキングデータセットで微調整されたsentence-transformersモデルで、ロシア語の非対称意味検索に使用されます。
jzju
DITアーキテクチャに基づく文書画像分割モデルで、文書内の異なる要素タイプを識別・分割するために特別に設計されています。
DiTo97
SegFormer-B3アーキテクチャをファインチューニングした文書画像二値化モデルで、DIBCO評価指標で優れた性能を発揮
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
