Linum, lu le 2026-11-08. Pas un générateur en ligne.
P-JiT 21K en local : officiel, ComfyUI et MLX
Deux personnes chez Linum ont entraîné un modèle pixel de 2.18B, sans VAE, pour environ $21,038. Cette page compare seulement des façons publiques de le lancer. Nano AI n'héberge pas les poids et ne génère pas avec P-JiT 21K.
Sur Nano AI
Ce cadre ouvre Nano Banana 2.1, pas P-JiT 21K
1K, 8 crédits, une image nouvelle. Les quatre voies ci-dessous restent sur votre machine. Une note ComfyUI de ce site est /relayvsr.
La fiche et le README de Linum, lus le 2026-11-08 : P-JiT 21K n'écrit pas de texte ni d'affiche. Il peine sur le corps entier, les foules et plusieurs personnes dans une scène. Ces limites sont celles des auteurs. Ce site n'ajoute pas de correctif.
- Développé par
- Linum
- Sortie
- 4 novembre 2026
- Disponible sur Nano AI
- Nano Banana 2.1 · 8 crédits par image
- Page mise à jour
- 8 novembre 2026
Source: linum.ai
Texte et corps
Les panneaux sous les faits sont une même demande de KOBO Lab, 2026-11-06, trois graines, recadrés depuis la rangée du bas de leur grille afin de ne pas montrer les portraits. Aucun panneau ne se lit KOBO LAB. Cela rejoint la limite écrite par Linum. Ce n'est pas une image Nano AI.
Qu'est-ce que P-JiT 21K
Sahil Chopra et Manu Chopra, le laboratoire de deux personnes Linum, ont publié la note le 2026-11-04. La course est de 610M d'échantillons à 512 px, puis environ 50M à 1024 px, plus un post-entraînement. Ils la comptent à 8 415 heures H100 fois $2.50, soit $21,038. Les poids sont Apache-2.0. L'encodeur de texte est un Qwen3.5-4B gelé. Il n'y a pas de VAE : le modèle dessine des pixels.
L'échantillonnage du README officiel est de 50 pas d'Euler, un guidage projeté adaptatif à l'échelle 15, un bruit d'échelle 4 et un négatif vide. Le modèle a été entraîné à cinq tailles proches d'un mégapixel : 1024×1024, 864×1216, 1152×864, 1248×832 et 1280×720. Les phrases courtes sont pires ; l'amplificateur du README appelle Claude via OpenRouter et demande une clé. --no_upsample saute cet appel. Cette page n'a rien lancé.
Les panneaux sous les faits sont une même demande de KOBO Lab, 2026-11-06, trois graines, recadrés depuis la rangée du bas de leur grille afin de ne pas montrer les portraits. Aucun panneau ne se lit KOBO LAB. Cela rejoint la limite écrite par Linum. Ce n'est pas une image Nano AI.
P-JiT 21K dans les sources publiques
- Laboratoire
- Linum, deux personnes. Note du 2026-11-04.
- Coût d'entraînement qu'ils impriment
- $21,038. 8 415 heures H100 à $2.50.
- Poids
- Apache-2.0. Pas de VAE. DiT de 2.18B.
- Sur Nano AI
- Non hébergé. Le bouton est Nano Banana 2.1, 1K, 8 crédits.
Voies pour lancer P-JiT 21K
Seules les chiffres imprimées sur une page publique. Lu le 2026-11-08.
- 1
generate.py
generate.py de Linum. CUDA. Le premier lancement télécharge les poids. Pas de VAE.
git clone https://github.com/Linum-AI/pjit-21k && cd pjit-21k python3 -m venv .venv && source .venv/bin/activate pip install -e . - 2
Rebel ComfyUI
Nœuds Euler APG propres. INT8 non pris en charge. Pas un projet officiel de Linum.
git clone https://github.com/RealRebelAI/ComfyUI-PJiT21K-Rebel.git - 3
PedroMarinho
KSampler d'origine. Load VAE sur pixel_space. bf16 et int8 ConvRot. ComfyUI 0.44.0, ou le master du 2026-11-05.
cd ComfyUI/custom_nodes git clone https://github.com/PedroMarinhoDev/ComfyUI-PJiT - 4
MLX
Apple silicon. Le README : bf16 correspond aux graines de la galerie Linum ; le 8-bit peut en bifurquer une.
pip install git+https://github.com/felix-ab/pjit-mlx
Poids
| Fichier | Taille | Où | Note |
|---|---|---|---|
| model.safetensors | 8.7 GB | Hugging Face, premier lancement | DiT fp32. README de Linum. |
| pjit_21k_bf16.safetensors | 4.37 GB | models/diffusion_models | README de Pedro. Il écrit que ce sont les mêmes pixels que fp32. |
| pjit_21k_int8_convrot.safetensors | 2.33 GB | models/diffusion_models | README de Pedro. Environ 1,8× le rythme par pas sur sa RTX 3090. |
| MLX 8-bit export | 6.9 GB | Téléchargement nommé dans le README MLX | Le pic de 3,6 Go avec --low-memory est de la mémoire, pas la taille du fichier. |
Quatre voies, un même point de contrôle
Script officiel
generate.py est celui de Linum. Il demande un GPU CUDA. Le README n'imprime pas un temps d'image complète.
Deux dépôts ComfyUI
Rebel utilise son propre échantillonneur Euler APG et dit qu'INT8 n'est pas pris en charge. PedroMarinho utilise le KSampler d'origine plus int8 ConvRot.
MLX est une autre machine
Le README MLX chronomètre un M4 Pro. Il ne rapporte pas un temps NVIDIA. Le 8-bit peut y bifurquer une graine.
Voies pour lancer P-JiT 21K
Seules les chiffres imprimées sur une page publique. Lu le 2026-11-08.
| generate.py | Rebel ComfyUI | PedroMarinho | MLX | |
|---|---|---|---|---|
| Ce qui tourne | generate.py de Linum. CUDA. Le premier lancement télécharge les poids. Pas de VAE. | Nœuds Euler APG propres. INT8 non pris en charge. Pas un projet officiel de Linum. | KSampler d'origine. Load VAE sur pixel_space. bf16 et int8 ConvRot. ComfyUI 0.44.0, ou le master du 2026-11-05. | Apple silicon. Le README : bf16 correspond aux graines de la galerie Linum ; le 8-bit peut en bifurquer une. |
| Échantillonneur qu'ils impriment | 50 pas Euler, guidage échelle 15, bruit échelle 4, négatif vide. | Euler APG, 50 pas, guidage 15, moment -0.75, eta 0, rescale 10, bruit échelle 4. | 50 pas, euler, scheduler simple, cfg 15, négatif vide. Le chargeur apporte APG. | Le tableau du README est la même comparaison APG de 50 pas. |
| Licence sur la page | Code et poids Apache-2.0. Étiquette HF apache-2.0. | L'amont est dit Apache-2.0. Une licence pour les fichiers d'intégration n'était pas indiquée. | Code GPL-3.0. Poids Apache-2.0, sur le badge du README. | Code Apache-2.0. Le README dit aussi que les poids et Qwen3.5-4B sont Apache-2.0. |
| Matériel dans la source | README : un GPU CUDA. DiT 8,7 Go fp32. Encodeur de texte 8 Go bf16. Aucune carte nommée. | Mainteneur : ComfyUI portable Windows, RTX 3070, 8 Go. | README : testé sur une RTX 3090, 24 Go. Le badge dit VRAM dès 4 Go. | README : M4 Pro, 48 Go. |
| Temps dans la source | README Linum : non indiqué. Pedro sur une RTX 3090 : le code de Linum 0,38 s/pas ; la ligne fp32 dit 0,35 s/pas. | non indiqué | README, RTX 3090, 1024×1024, légende comprise : environ 17 s en bf16 et 10 s en int8. KOBO Lab, RTX 5090, 2026-11-06, deuxième image : environ 4,6 s en bf16 et 6,1 s en int8. Les deux rapports ne s'accordent pas sur le fichier le plus rapide. | README, M4 Pro, une image 1152×864, 50 pas : échantillonnage bf16 69 s, total 72 s ; 8-bit 77 s, total 79 s. Le 8-bit avec --low-memory culmine à 3,6 Go pour tout le processus. |
| Texte et corps | Linum : n'écrit pas de texte ni d'affiche. Il peine sur le corps entier, les foules et plusieurs personnes. | Les mêmes poids. Ce README n'ajoute pas un test de panneau séparé. | Le README répète les mêmes limites. KOBO Lab, la même demande de panneau : 0 image sur 6 se lit KOBO LAB. | Le README dit que le modèle ne peut pas rendre de texte et qu'il peine sur les corps entiers et les foules. |
Aller aux quatre voies
Voies pour lancer P-JiT 21K
- 1
Script officiel
generate.py est celui de Linum. Il demande un GPU CUDA. Le README n'imprime pas un temps d'image complète.
- 2
Deux dépôts ComfyUI
Rebel utilise son propre échantillonneur Euler APG et dit qu'INT8 n'est pas pris en charge. PedroMarinho utilise le KSampler d'origine plus int8 ConvRot.
- 3
MLX est une autre machine
Le README MLX chronomètre un M4 Pro. Il ne rapporte pas un temps NVIDIA. Le 8-bit peut y bifurquer une graine.
Échantillonneur qu'ils impriment
L'échantillonnage du README officiel est de 50 pas d'Euler, un guidage projeté adaptatif à l'échelle 15, un bruit d'échelle 4 et un négatif vide. Le modèle a été entraîné à cinq tailles proches d'un mégapixel : 1024×1024, 864×1216, 1152×864, 1248×832 et 1280×720. Les phrases courtes sont pires ; l'amplificateur du README appelle Claude via OpenRouter et demande une clé. --no_upsample saute cet appel. Cette page n'a rien lancé.
Noodle bowl
A ceramic bowl of noodles on a dark wooden counter, steam rising, side window light, no hands, no people, no text.
Lighthouse
A small lighthouse on a rocky point at sunset, long smooth water, no boats, no people, no text.
Balloon
A single hot-air balloon above green fields at sunrise, wide sky, no letters on the balloon, no people, no text.
Sign that fails
A wooden sign on an empty cafe table. The sign should read KOBO LAB in clear capital letters. No people, no other text.
Texte et corps
- La fiche et le README de Linum, lus le 2026-11-0
- La fiche et le README de Linum, lus le 2026-11-08 : P-JiT 21K n'écrit pas de texte ni d'affiche. Il peine sur le corps entier, les foules et plusieurs personnes dans une scène. Ces limites sont celles des auteurs. Ce site n'ajoute pas de correctif.
- non indiqué
- README, RTX 3090, 1024×1024, légende comprise : environ 17 s en bf16 et 10 s en int8. KOBO Lab, RTX 5090, 2026-11-06, deuxième image : environ 4,6 s en bf16 et 6,1 s en int8. Les deux rapports ne s'accordent pas sur le fichier le plus rapide.
Sur Nano AI
Ce cadre ouvre Nano Banana 2.1, pas P-JiT 21K
1K, 8 crédits, une image nouvelle. Les quatre voies ci-dessous restent sur votre machine. Une note ComfyUI de ce site est /relayvsr.
FAQ
P-JiT 21K
Seules les chiffres imprimées sur une page publique. Lu le 2026-11-08.
Qu'est-ce que P-JiT 21K
Non hébergé. Le bouton est Nano Banana 2.1, 1K, 8 crédits.
Texte et corps
La fiche et le README de Linum, lus le 2026-11-08 : P-JiT 21K n'écrit pas de texte ni d'affiche. Il peine sur le corps entier, les foules et plusieurs personnes dans une scène. Ces limites sont celles des auteurs. Ce site n'ajoute pas de correctif.
Deux dépôts ComfyUI
Rebel utilise son propre échantillonneur Euler APG et dit qu'INT8 n'est pas pris en charge. PedroMarinho utilise le KSampler d'origine plus int8 ConvRot.
Temps dans la source
README Linum : non indiqué. Pedro sur une RTX 3090 : le code de Linum 0,38 s/pas ; la ligne fp32 dit 0,35 s/pas.
Matériel dans la source
Mainteneur : ComfyUI portable Windows, RTX 3070, 8 Go. non indiqué
À découvrir aussi sur Nano AI
Aller aux quatre voies
Deux personnes chez Linum ont entraîné un modèle pixel de 2.18B, sans VAE, pour environ $21,038. Cette page compare seulement des façons publiques de le lancer. Nano AI n'héberge pas les poids et ne génère pas avec P-JiT 21K.