待验证50% 置信事实精确时间
DiffusionBlocks在五种不同架构上进行了验证：ViT、DiT、Masked Diffusion、自回归Transformer和循环深度Transformer
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
DiffusionBlocks：逐块训练神经网络，内存降低数倍的新方法
rss2026/5/27
相关事实
待验证扩散 Transformer（DiT）是当前图像生成领域的主流架构，被用于 Stable Diffusion 3、FLUX 等模型67% 相似待验证Transformers框架原生支持bitsandbytes、GPTQ、AWQ等主流量化方案66% 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66% 相似已验证FLUX采用了DiT（Diffusion Transformer）架构，用纯Transformer替代了传统的U-Net结构65% 相似待验证Flux 是基于扩散 Transformer（DiT）架构的新一代模型65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/42794API
curl https://kongchang.com/api/v1/knowledge/claims/42794MCP
get_claim(id=42794)