4 ноября Linum открыла экспериментальную Pyramid-JiT; автор разбора на note нашёл в её коде два пути обработки промпта. Для закрытых концептов это принципиально: локальная генерация картинки не гарантирует, что инструкция останется на компьютере. В стандартном режиме текст уходит через OpenRouter в Claude Opus 5.5, который переписывает его в подробное описание, и только потом изображение генерируется локально.
Что меняется: флаг --no_upsample отключает внешний API и передаёт ваше описание прямо модели. Но модели для генерации и текстовый энкодер нужно заранее скачать и указать их расположение через --weights и --qwen_model_path. Кстати, открытый код сохраняет исходный и переписанный промпты в prompt.json — если делитесь этим файлом, проверьте, не осталось ли там деталей проекта, которых нет на картинке.
Без автоматического переписывания подробности придётся добавлять самим. Вместо «дождливая пустая станция» можно описать, откуда смотрит камера, что отражается на полу и где падает лунный свет. И не вписывать в промпт секреты из проекта, если они не нужны изображению. Для сравнения автор разбора предлагает выровнять начальный шум, разрешение и остальные настройки, а затем проверить не только красоту, но и нужную композицию.
Есть и ограничения: официальная инструкция рассчитана на CUDA, веса занимают около 8,7 ГБ, а текстовый энкодер — около 8 ГБ. Это размеры файлов, не требование к объёму видеопамяти. Разработчики также отмечают слабую генерацию читаемого текста; название станции лучше добавить отдельно. Автор сверил публичные материалы и код, но качество и скорость не измерял. Думаю, для секретных задумок главный вопрос тут не «где рисуется», а «кто читает промпт до генерации».
Источникnote #画像生成AI
