此文补充此前遗漏的报道。原始来源日期列于下方，并非今日新发布的消息。

发生了什么

Linum在11月4日的公告中介绍了一款约20亿参数的图像生成模型，训练使用6.6亿个样本。所称2.1万美元是训练算力成本，而不是开发商业产品的全部成本。代码和权重采用Apache 2.0许可证。

代码库描述了使用Qwen3.5-4B文本编码器的CUDA流程。图像模型的fp32权重为8.7 GB，编码器的bf16权重为8 GB，均不含激活内存。支持的五种图像尺寸约为一百万像素。默认提示词扩写步骤调用外部付费模型，但用户可以提供详细描述以跳过该步骤。

该模型无法可靠地生成文字，明确不适合制作海报。Linum还指出其在全身场景、群体和物理细节上的不足。封面展示的是开发者真实发布的模型生成样本，并非摄影作品或独立测试结果。

iNC / 分析

为何重要

可复现的检查点让效率主张能够接受检验。对创意团队而言，本地推理带来的控制权，需要以硬件、配置和质量审核投入为代价。低训练成本本身不能证明低生产成本或有竞争力的视频表现。

后续关注

后续应关注对训练成本和图像质量的独立复现，以及单独发布的视频检查点。

来源与核实

来源链接数量不等于独立证实次数。

01
Linum — November 4 research announcement一手来源 · www.linum.ai · 2026年11月4日
02
Linum — inference code, samples and limitations一手来源 · github.com · 2026年11月3日
03
Linum — downloadable weights一手来源 · huggingface.co · 2026年11月4日
报告错误

帮助我们纠错

请指出争议陈述，并尽可能提供来源链接。请勿发送个人或敏感信息。