待验证90% 置信事实时间未知
SD3引入了MMDiT（Multi-Modal Diffusion Transformer）架构，用Transformer替代了传统的U-Net骨干网络，并采用三重文本编码器（CLIP ViT-L、OpenCLIP ViT-bigG、T5-XXL）
1
来源数
90%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
SwarmUI完全指南：高性能Stable Diffusion界面工具
githubmcmonkeyprojects
涉及实体
相关事实
已验证FLUX采用了DiT（Diffusion Transformer）架构，用纯Transformer替代了传统的U-Net结构65% 相似已验证Transformer已从NLP渗透至计算机视觉（ViT）、语音识别（Whisper）、多模态模型（CLIP、GPT-4V）乃至蛋白质结构预测（AlphaFold2）64% 相似已验证LTX 2.3采用基于Transformer的扩散架构（DiT，Diffusion Transformer），相较于传统U-Net架构具有更强的时序一致性建模能力64% 相似待验证相比RNN/LSTM架构，Transformer支持大规模并行计算63% 相似待验证Transformers框架原生支持bitsandbytes、GPTQ、AWQ等主流量化方案62% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/29006API
curl https://kongchang.com/api/v1/knowledge/claims/29006MCP
get_claim(id=29006)