DiT是什么
DiT全称Diffusion Transformer，是Meta（以前叫Facebook AI Research）开源的一个图像生成模型架构。它最核心的创新是：用Transformer替代了扩散模型（Diffusion Model）中传统使用的U-Net架构。在DiT之前，几乎所有的扩散模型（如Stable Diffusion）都用U-Net作为骨干网络；DiT证明了Transformer在图像生成上同样有效，甚至更好。这个发现后来被OpenAI的Sora（视频生成模型）采用，Sora本质上就是DiT架构的扩展——从图像生成扩展到视频生成。
为什么DiT重要
DiT的学术意义在于它打通了"Transformer适用于图像生成"这条路。在NLP领域，Transformer已经是绝对主流；在图像理解领域，ViT（Vision Transformer）也证明了Transformer的有效性；但在图像生成领域，传统上一直用U-Net。DiT填补了这个空白，证明了Transformer在生成任务上同样优秀。Sora的成功进一步验证了DiT架构的可扩展性——这个架构不仅在图像上有效，在视频上也能用。
DiT能做什么，不能做什么
DiT是一个开源模型架构，不是可以直接使用的AI绘画工具。如果你是一个AI研究人员或开发者，你可以基于DiT的代码训练自己的图像生成模型，或者研究Transformer在扩散模型中的应用。如果你是一个普通用户，想用AI生成图片，应该用Stable Diffusion、Midjourney、DALL·E等直接可用的AI绘画工具，而不是DiT。DiT的GitHub仓库已经归档（不再更新），说明Meta已经完成了这个项目的学术使命，后续工作可能在其他项目中继续。
和Stable Diffusion、Sora的关系
DiT和Stable Diffusion都是扩散模型，但架构不同：Stable Diffusion用U-Net，DiT用Transformer。Sora是DiT架构的"放大版"——OpenAI把DiT的Transformer扩散架构从图像生成扩展到了视频生成，并且用了更大的模型和更多的数据。可以说，DiT是Sora的技术源头之一。但DiT本身只解决了"架构"问题，实际的图像生成质量和多样性还需要大量训练数据和工程优化。
对开发者和研究者有什么价值
如果你是AI图像生成领域的研究者，DiT的代码和论文可以帮助你理解Transformer在扩散模型中的应用方式。如果你是开发者，想做基于DiT架构的图像生成应用，可以参考开源代码做二次开发，但需要注意仓库已归档，可能需要自行维护和更新。如果你是普通用户，了解DiT这个名字就够了——它是Sora背后的关键技术之一，体现了Transformer架构在生成AI领域的统治力。
