文心那边把ERNIE-Image开了，8B参数，单流DiT架构，24GB显存的消费级卡就能跑起来。这次挑的发力点很明确，指令遵循和文字渲染，官方说在主流benchmark上全面领先开源模型，擅长的场景是海报、漫画分镜、多面板布局这类得把字排到正确位置的活。
文字渲染一直是开源文生图最难看的一块，中文尤其惨，笔画糊、漏字、多字都是常态。
8B这个体量也讨巧，比动辄几十B的好落地，单卡就能塞进工作流。我打算先拉下来跑几组中文长句，重点看小字号和竖排会不会崩，那才是真考验。
冲了
文心那边把ERNIE-Image开了，8B参数，单流DiT架构，24GB显存的消费级卡就能跑起来。这次挑的发力点很明确，指令遵循和文字渲染，官方说在主流benchmark上全面领先开源模型，擅长的场景是海报、漫画分镜、多面板布局这类得把字排到正确位置的活。
文字渲染一直是开源文生图最难看的一块，中文尤其惨，笔画糊、漏字、多字都是常态。
8B这个体量也讨巧，比动辄几十B的好落地，单卡就能塞进工作流。我打算先拉下来跑几组中文长句，重点看小字号和竖排会不会崩，那才是真考验。
冲了