Linum, lido em 2026-11-08. Não é um gerador online.
P-JiT 21K no local: oficial, ComfyUI e MLX
Duas pessoas na Linum treinaram um modelo de píxeis de 2.18B, sem VAE, por cerca de $21,038. Esta página só compara formas públicas de o correr. A Nano AI não guarda os pesos nem gera com P-JiT 21K.
Na Nano AI
Esta caixa abre o Nano Banana 2.1, não o P-JiT 21K
1K, 8 créditos, uma imagem nova. Os quatro caminhos abaixo ficam na sua máquina. Uma nota de ComfyUI neste site é /relayvsr.
O cartão e o README da Linum, lidos em 2026-11-08: o P-JiT 21K não escreve texto nem cartazes. Tem dificuldade com corpo inteiro, multidões e várias pessoas numa cena. Esses limites são dos autores. Este site não acrescenta uma correção.
- Desenvolvido por
- Linum
- Lançamento
- 4 de novembro de 2026
- Disponível no Nano AI
- Nano Banana 2.1 · 8 créditos por imagem
- Página atualizada
- 8 de novembro de 2026
Fonte: linum.ai
Texto e corpos
Os letreiros sob os factos são um pedido do KOBO Lab, 2026-11-06, três sementes, recortados da fila de baixo da grelha para não pôr aqui os retratos. Nenhum letreiro se lê KOBO LAB. Isso combina com o limite que a Linum escreveu. Não é uma imagem da Nano AI.
O que é o P-JiT 21K
Sahil Chopra e Manu Chopra, o laboratório de duas pessoas Linum, publicaram a nota em 2026-11-04. A corrida é 610M de amostras a 512 px, depois cerca de 50M a 1024 px, mais pós-treino. Contam 8,415 horas H100 vezes $2.50, ou seja $21,038. Os pesos são Apache-2.0. O codificador de texto é um Qwen3.5-4B congelado. Não há VAE: o modelo desenha píxeis.
A amostragem do README oficial é 50 passos de Euler, orientação projetada adaptativa à escala 15, ruído à escala 4 e um negativo vazio. O modelo foi treinado em cinco tamanhos perto de um megapixel: 1024×1024, 864×1216, 1152×864, 1248×832 e 1280×720. Frases curtas ficam piores; o ampliador do README chama o Claude via OpenRouter e precisa de uma chave. --no_upsample salta essa chamada. Esta página não correu nada disso.
Os letreiros sob os factos são um pedido do KOBO Lab, 2026-11-06, três sementes, recortados da fila de baixo da grelha para não pôr aqui os retratos. Nenhum letreiro se lê KOBO LAB. Isso combina com o limite que a Linum escreveu. Não é uma imagem da Nano AI.
P-JiT 21K em fontes públicas
- Laboratório
- Linum, duas pessoas. Nota de 2026-11-04.
- Custo de treino que imprimem
- $21,038. 8,415 horas H100 a $2.50.
- Pesos
- Apache-2.0. Sem VAE. DiT de 2.18B.
- Na Nano AI
- Não alojado. O botão é o Nano Banana 2.1, 1K, 8 créditos.
Caminhos para correr o P-JiT 21K
Só números impressos numa página pública. Lido em 2026-11-08.
- 1
generate.py
generate.py da Linum. CUDA. A primeira execução baixa os pesos. Sem 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
Nós Euler APG próprios. INT8 não suportado. Não é um projeto oficial da Linum.
git clone https://github.com/RealRebelAI/ComfyUI-PJiT21K-Rebel.git - 3
PedroMarinho
KSampler de origem. Load VAE em pixel_space. bf16 e int8 ConvRot. ComfyUI 0.44.0, ou o master de 2026-11-05.
cd ComfyUI/custom_nodes git clone https://github.com/PedroMarinhoDev/ComfyUI-PJiT - 4
MLX
Apple silicon. O README: bf16 coincide com as sementes da galeria da Linum; o 8-bit pode bifurcar uma.
pip install git+https://github.com/felix-ab/pjit-mlx
Pesos
| Ficheiro | Tamanho | Onde | Nota |
|---|---|---|---|
| model.safetensors | 8.7 GB | Hugging Face, primeira execução | DiT fp32. README da Linum. |
| pjit_21k_bf16.safetensors | 4.37 GB | models/diffusion_models | README do Pedro. Ele escreve que são os mesmos píxeis que fp32. |
| pjit_21k_int8_convrot.safetensors | 2.33 GB | models/diffusion_models | README do Pedro. Cerca de 1.8× o ritmo por passo na RTX 3090 dele. |
| MLX 8-bit export | 6.9 GB | Download nomeado no README do MLX | O pico de 3.6 GB com --low-memory é memória, não o tamanho do ficheiro. |
Quatro caminhos, um ponto de controlo
Script oficial
generate.py é da Linum. Pede uma GPU CUDA. O README não imprime um tempo de imagem completa.
Dois repositórios ComfyUI
O Rebel usa o seu próprio amostrador Euler APG e diz que INT8 não é suportado. O PedroMarinho usa o KSampler de origem mais int8 ConvRot.
MLX é outra máquina
O README do MLX cronometra um M4 Pro. Não informa um tempo NVIDIA. O 8-bit ali pode bifurcar uma semente.
Caminhos para correr o P-JiT 21K
Só números impressos numa página pública. Lido em 2026-11-08.
| generate.py | Rebel ComfyUI | PedroMarinho | MLX | |
|---|---|---|---|---|
| O que corre | generate.py da Linum. CUDA. A primeira execução baixa os pesos. Sem VAE. | Nós Euler APG próprios. INT8 não suportado. Não é um projeto oficial da Linum. | KSampler de origem. Load VAE em pixel_space. bf16 e int8 ConvRot. ComfyUI 0.44.0, ou o master de 2026-11-05. | Apple silicon. O README: bf16 coincide com as sementes da galeria da Linum; o 8-bit pode bifurcar uma. |
| Amostrador que imprimem | 50 passos Euler, orientação à escala 15, ruído à escala 4, negativo vazio. | Euler APG, 50 passos, orientação 15, momento -0.75, eta 0, rescale 10, ruído à escala 4. | 50 passos, euler, scheduler simple, cfg 15, negativo vazio. O carregador traz APG. | A tabela do README é a mesma comparação APG de 50 passos. |
| Licença na página | Código e pesos Apache-2.0. Etiqueta HF apache-2.0. | A origem é chamada Apache-2.0. Não foi indicada uma licença para os ficheiros de integração. | Código GPL-3.0. Pesos Apache-2.0, no distintivo do README. | Código Apache-2.0. O README também diz que os pesos e o Qwen3.5-4B são Apache-2.0. |
| Hardware na fonte | README: uma GPU CUDA. DiT 8.7 GB fp32. Codificador de texto 8 GB bf16. Não nomeiam uma placa. | Quem mantém: ComfyUI portátil no Windows, RTX 3070, 8 GB. | README: testado numa RTX 3090 de 24 GB. O distintivo diz VRAM a partir de 4 GB. | README: M4 Pro, 48 GB. |
| Tempo na fonte | README da Linum: não informado. Pedro numa RTX 3090: o código da Linum 0.38 s/passo; a linha fp32 diz 0.35 s/passo. | não informado | README, RTX 3090, 1024×1024, com a legenda: cerca de 17 s em bf16 e 10 s em int8. KOBO Lab, RTX 5090, 2026-11-06, segunda imagem: cerca de 4.6 s em bf16 e 6.1 s em int8. Os dois relatórios não concordam sobre qual ficheiro é mais rápido. | README, M4 Pro, uma imagem 1152×864, 50 passos: amostragem bf16 69 s, total 72 s; amostragem 8-bit 77 s, total 79 s. 8-bit com --low-memory chega a 3.6 GB em todo o processo. |
| Texto e corpos | Linum: não escreve texto nem cartazes. Tem dificuldade com corpo inteiro, multidões e várias pessoas. | Os mesmos pesos. Esse README não acrescenta um teste de letreiro à parte. | O README repete os mesmos limites. KOBO Lab, o mesmo pedido de letreiro: 0 de 6 fotogramas lê-se KOBO LAB. | O README diz que o modelo não consegue desenhar texto e que tem dificuldade com corpos inteiros e multidões. |
Ir para os quatro caminhos
Caminhos para correr o P-JiT 21K
- 1
Script oficial
generate.py é da Linum. Pede uma GPU CUDA. O README não imprime um tempo de imagem completa.
- 2
Dois repositórios ComfyUI
O Rebel usa o seu próprio amostrador Euler APG e diz que INT8 não é suportado. O PedroMarinho usa o KSampler de origem mais int8 ConvRot.
- 3
MLX é outra máquina
O README do MLX cronometra um M4 Pro. Não informa um tempo NVIDIA. O 8-bit ali pode bifurcar uma semente.
Amostrador que imprimem
A amostragem do README oficial é 50 passos de Euler, orientação projetada adaptativa à escala 15, ruído à escala 4 e um negativo vazio. O modelo foi treinado em cinco tamanhos perto de um megapixel: 1024×1024, 864×1216, 1152×864, 1248×832 e 1280×720. Frases curtas ficam piores; o ampliador do README chama o Claude via OpenRouter e precisa de uma chave. --no_upsample salta essa chamada. Esta página não correu nada disso.
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.
Texto e corpos
- O cartão e o README da Linum, lidos em 2026-11-0
- O cartão e o README da Linum, lidos em 2026-11-08: o P-JiT 21K não escreve texto nem cartazes. Tem dificuldade com corpo inteiro, multidões e várias pessoas numa cena. Esses limites são dos autores. Este site não acrescenta uma correção.
- não informado
- README, RTX 3090, 1024×1024, com a legenda: cerca de 17 s em bf16 e 10 s em int8. KOBO Lab, RTX 5090, 2026-11-06, segunda imagem: cerca de 4.6 s em bf16 e 6.1 s em int8. Os dois relatórios não concordam sobre qual ficheiro é mais rápido.
Na Nano AI
Esta caixa abre o Nano Banana 2.1, não o P-JiT 21K
1K, 8 créditos, uma imagem nova. Os quatro caminhos abaixo ficam na sua máquina. Uma nota de ComfyUI neste site é /relayvsr.
Perguntas frequentes
P-JiT 21K
Só números impressos numa página pública. Lido em 2026-11-08.
O que é o P-JiT 21K
Não alojado. O botão é o Nano Banana 2.1, 1K, 8 créditos.
Texto e corpos
O cartão e o README da Linum, lidos em 2026-11-08: o P-JiT 21K não escreve texto nem cartazes. Tem dificuldade com corpo inteiro, multidões e várias pessoas numa cena. Esses limites são dos autores. Este site não acrescenta uma correção.
Dois repositórios ComfyUI
O Rebel usa o seu próprio amostrador Euler APG e diz que INT8 não é suportado. O PedroMarinho usa o KSampler de origem mais int8 ConvRot.
Tempo na fonte
README da Linum: não informado. Pedro numa RTX 3090: o código da Linum 0.38 s/passo; a linha fp32 diz 0.35 s/passo.
Hardware na fonte
Quem mantém: ComfyUI portátil no Windows, RTX 3070, 8 GB. não informado
Mais do Nano AI
Ir para os quatro caminhos
Duas pessoas na Linum treinaram um modelo de píxeis de 2.18B, sem VAE, por cerca de $21,038. Esta página só compara formas públicas de o correr. A Nano AI não guarda os pesos nem gera com P-JiT 21K.