Linum，读取于 2026-11-08。不是在线生成器。
P-JiT 21K 在本地：官方、ComfyUI 与 MLX
Linum 的两个人用大约 $21,038 训出一个 2.18B 的像素空间模型，没有 VAE。本页只对照公开的跑法。Nano AI 不托管权重，也不用 P-JiT 21K 生成。
在 Nano AI
这个框打开的是 Nano Banana 2.1，不是 P-JiT 21K
1K，8 积分，一张新的静帧。下面四条跑法都在你自己的机器上。本站的 ComfyUI 说明在 /relayvsr。
Linum 的模型卡和 README，读取于 2026-11-08：P-JiT 21K 不会写字，也不会做海报。它不擅长全身、人群，以及同一画面里的好几个人。这些短板是作者写的。本站没有补上一个修复。
- 开发方
- Linum
- 发布时间
- 2026年11月4日
- 本站可用
- Nano Banana 2.1 · 每张 8 积分
- 页面更新
- 2026年11月8日
信息来源: linum.ai
文字和全身
事实条下面的招牌是 KOBO Lab 在 2026-11-06 的同一条提示词、三个种子，从他们网格的最下一行裁出，人像那几行不放在本页。三块牌子都读不出 KOBO LAB。这和 Linum 自己写的短板一致。不是 Nano AI 的图。
P-JiT 21K 是什么
Sahil Chopra 和 Manu Chopra，两人实验室 Linum，在 2026-11-04 发表了这篇笔记。训练是 512 像素下 6.10 亿样本，然后大约 5000 万样本在 1024 像素，再加上后训练。他们按 8,415 个 H100 小时乘以 $2.50 计价，合计 $21,038。权重是 Apache-2.0。文本编码器是冻结的 Qwen3.5-4B。没有 VAE：模型直接画像素。
官方 README 的采样是 50 步 Euler、自适应投影引导尺度 15、噪声尺度 4、空的负面提示词。模型在五种接近一百万像素的尺寸上训练：1024×1024、864×1216、1152×864、1248×832 和 1280×720。短提示词更差；README 的放大器通过 OpenRouter 调用 Claude，需要密钥。--no_upsample 会跳过那次调用。本页没有跑过其中任何一条。
事实条下面的招牌是 KOBO Lab 在 2026-11-06 的同一条提示词、三个种子，从他们网格的最下一行裁出，人像那几行不放在本页。三块牌子都读不出 KOBO LAB。这和 Linum 自己写的短板一致。不是 Nano AI 的图。
公开来源里的 P-JiT 21K
- 实验室
- Linum，两个人。笔记日期 2026-11-04。
- 他们印出的训练费用
- $21,038。8,415 个 H100 小时，每小时 $2.50。
- 权重
- Apache-2.0。没有 VAE。2.18B 的 DiT。
- 在 Nano AI
- 不托管。按钮是 Nano Banana 2.1，1K，8 积分。
P-JiT 21K 的运行路径
只保留公开页面印出的数字。读取于 2026-11-08。
- 1
generate.py
Linum 的 generate.py。CUDA。第一次运行会下载权重。没有 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
自己的 Euler APG 节点。不支持 INT8。不是 Linum 的官方项目。
git clone https://github.com/RealRebelAI/ComfyUI-PJiT21K-Rebel.git - 3
PedroMarinho
原版 KSampler。Load VAE 设为 pixel_space。bf16 和 int8 ConvRot。ComfyUI 0.44.0，或 2026-11-05 的 master。
cd ComfyUI/custom_nodes git clone https://github.com/PedroMarinhoDev/ComfyUI-PJiT - 4
MLX
Apple 芯片。README：bf16 对得上 Linum 画廊的种子；8-bit 可能让其中一颗分叉。
pip install git+https://github.com/felix-ab/pjit-mlx
权重
| 文件 | 大小 | 位置 | 说明 |
|---|---|---|---|
| model.safetensors | 8.7 GB | Hugging Face，第一次运行 | fp32 的 DiT。Linum 的 README。 |
| pjit_21k_bf16.safetensors | 4.37 GB | models/diffusion_models | Pedro 的 README。他写这和 fp32 是同一批像素。 |
| pjit_21k_int8_convrot.safetensors | 2.33 GB | models/diffusion_models | Pedro 的 README。在他的 RTX 3090 上每步大约快 1.8 倍。 |
| MLX 8-bit export | 6.9 GB | MLX 的 README 写出的下载 | 加上 --low-memory 的峰值 3.6 GB 是内存，不是文件大小。 |
四条路径，同一份检查点
官方脚本
generate.py 是 Linum 的。它要求 CUDA GPU。README 没有印出整张图的时间。
两个 ComfyUI 仓库
Rebel 用自己的 Euler APG 采样器，并说不支持 INT8。PedroMarinho 用原版 KSampler，外加 int8 ConvRot。
MLX 是另一台机器
MLX 的 README 计时的是 M4 Pro。它没有报告 NVIDIA 的时间。那里的 8-bit 可能让种子分叉。
P-JiT 21K 的运行路径
只保留公开页面印出的数字。读取于 2026-11-08。
| generate.py | Rebel ComfyUI | PedroMarinho | MLX | |
|---|---|---|---|---|
| 跑的是什么 | Linum 的 generate.py。CUDA。第一次运行会下载权重。没有 VAE。 | 自己的 Euler APG 节点。不支持 INT8。不是 Linum 的官方项目。 | 原版 KSampler。Load VAE 设为 pixel_space。bf16 和 int8 ConvRot。ComfyUI 0.44.0，或 2026-11-05 的 master。 | Apple 芯片。README：bf16 对得上 Linum 画廊的种子；8-bit 可能让其中一颗分叉。 |
| 他们印出的采样器 | 50 步 Euler，引导尺度 15，噪声尺度 4，空的负面提示词。 | Euler APG，50 步，引导 15，动量 -0.75，eta 0，rescale 10，噪声尺度 4。 | 50 步，euler，scheduler simple，cfg 15，空的负面提示词。加载器自带 APG。 | README 的表是同一种 50 步 APG 对照。 |
| 页面上的许可 | 代码和权重都是 Apache-2.0。HF 标签是 apache-2.0。 | 上游写成 Apache-2.0。集成文件的许可证没有写出。 | 代码 GPL-3.0。权重 Apache-2.0，写在 README 的徽章上。 | 代码 Apache-2.0。README 还说权重和 Qwen3.5-4B 是 Apache-2.0。 |
| 来源里的硬件 | README：一块 CUDA GPU。DiT 8.7 GB fp32。文本编码器 8 GB bf16。没有点名显卡。 | 维护者：Windows 便携版 ComfyUI，RTX 3070，8 GB。 | README：在 RTX 3090、24 GB 上测试。徽章写显存从 4 GB 起。 | README：M4 Pro，48 GB。 |
| 来源里的时间 | Linum 的 README：没有报告。Pedro 在 RTX 3090 上：Linum 自己的代码 0.38 秒/步；fp32 那一行是 0.35 秒/步。 | 没有报告 | README，RTX 3090，1024×1024，含提示词：bf16 大约 17 秒，int8 大约 10 秒。KOBO Lab，RTX 5090，2026-11-06，第二张：bf16 大约 4.6 秒，int8 大约 6.1 秒。两份报告对哪个文件更快并不一致。 | README，M4 Pro，一张 1152×864，50 步：bf16 采样 69 秒，合计 72 秒；8-bit 采样 77 秒，合计 79 秒。8-bit 加上 --low-memory 时，整个进程峰值 3.6 GB。 |
| 文字和全身 | Linum：不会写字，也不会做海报。不擅长全身、人群和好几个人。 | 同一份权重。那份 README 没有另加招牌测试。 | README 重复了同样的短板。KOBO Lab，同一条招牌提示词：6 张里 0 张能读成 KOBO LAB。 | README 说模型不能画出文字，并且不擅长全身和人群。 |
跳到四条路径
P-JiT 21K 的运行路径
- 1
官方脚本
generate.py 是 Linum 的。它要求 CUDA GPU。README 没有印出整张图的时间。
- 2
两个 ComfyUI 仓库
Rebel 用自己的 Euler APG 采样器，并说不支持 INT8。PedroMarinho 用原版 KSampler，外加 int8 ConvRot。
- 3
MLX 是另一台机器
MLX 的 README 计时的是 M4 Pro。它没有报告 NVIDIA 的时间。那里的 8-bit 可能让种子分叉。
他们印出的采样器
官方 README 的采样是 50 步 Euler、自适应投影引导尺度 15、噪声尺度 4、空的负面提示词。模型在五种接近一百万像素的尺寸上训练：1024×1024、864×1216、1152×864、1248×832 和 1280×720。短提示词更差；README 的放大器通过 OpenRouter 调用 Claude，需要密钥。--no_upsample 会跳过那次调用。本页没有跑过其中任何一条。
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.
文字和全身
- Linum 的模型卡和 README，读取于 2026-11-08：P-JiT 21K 不会写字
- Linum 的模型卡和 README，读取于 2026-11-08：P-JiT 21K 不会写字，也不会做海报。它不擅长全身、人群，以及同一画面里的好几个人。这些短板是作者写的。本站没有补上一个修复。
- 没有报告
- README，RTX 3090，1024×1024，含提示词：bf16 大约 17 秒，int8 大约 10 秒。KOBO Lab，RTX 5090，2026-11-06，第二张：bf16 大约 4.6 秒，int8 大约 6.1 秒。两份报告对哪个文件更快并不一致。
在 Nano AI
这个框打开的是 Nano Banana 2.1，不是 P-JiT 21K
1K，8 积分，一张新的静帧。下面四条跑法都在你自己的机器上。本站的 ComfyUI 说明在 /relayvsr。
常见问题
P-JiT 21K
只保留公开页面印出的数字。读取于 2026-11-08。
P-JiT 21K 是什么
不托管。按钮是 Nano Banana 2.1，1K，8 积分。
文字和全身
Linum 的模型卡和 README，读取于 2026-11-08：P-JiT 21K 不会写字，也不会做海报。它不擅长全身、人群，以及同一画面里的好几个人。这些短板是作者写的。本站没有补上一个修复。
两个 ComfyUI 仓库
Rebel 用自己的 Euler APG 采样器，并说不支持 INT8。PedroMarinho 用原版 KSampler，外加 int8 ConvRot。
来源里的时间
Linum 的 README：没有报告。Pedro 在 RTX 3090 上：Linum 自己的代码 0.38 秒/步；fp32 那一行是 0.35 秒/步。
来源里的硬件
维护者：Windows 便携版 ComfyUI，RTX 3070，8 GB。 没有报告
跳到四条路径
Linum 的两个人用大约 $21,038 训出一个 2.18B 的像素空间模型，没有 VAE。本页只对照公开的跑法。Nano AI 不托管权重，也不用 P-JiT 21K 生成。