speridlabs 开源 Iris-3B：3B 像素空间文生图打平 Qwen-Image，但下游任务没有优势
Sperid Labs 开源 Iris-3B，一个 3B 参数的像素空间文本到图像 Transformer，直接从像素训练、不经过 VAE 潜空间，训练走 256→512→1024 的分辨率课程；在 256² 上先做预测目标与表征对齐的消融，再决定放大什么。论文同时给出第二条通往像素空间骨干的路线：把预训练的潜空间模型 FLUX.2 Klein base 4B 转换成像素空间。
两族模型都被微调去做单目深度估计与图像修复/超分，结论是负面的：像素空间生成先验带来的改进并不显著——同一套深度回归配方下 Iris-3B 与潜空间 FLUX.2 Klein 持平，而转换来的像素版 FLUX.2 Klein 反而落后；4× DIV2K 修复上，两个像素模型都没赢过潜空间微调版。论文把配方、失败模式与残余的混淆因素一并写出，而不是只报好消息。
正面的一条是规模：像素空间预训练配合 PixelDiT 的像素 Transformer（PiT）头能扩到 3B 参数，在 1024² 下按官方评测器口径与 Qwen-Image 持平。权重与训练代码已放出。论文 2026-10-07 上线 arXiv（2610.09450）。
核验记录
日期取自 arXiv 2610.09450 的 citation_date 与 citation_online_date，两者同为 2026/10/07。权重仓 huggingface.co/speridlabs/iris-3b createdAt 2026-10-05、代码仓 github.com/speridlabs/iris-3b created 2026-10-05（90 star）、官方项目页 speridlabs.com/research/iris 页内可见 2026-10-05 两处 —— 四处互证在 10-05~10-07 区间，定日按论文（10-07）。配图用 Hugging Face 模型社交缩略图，裸请求与带站内 Referer 双双 200（PNG 1200x648）。**未读过的一环**：论文正文的完整表格本机未逐张读，正文只引用摘要里明确写出的数字与结论。
← 上一篇JetBrains 开源 Mellum2.1：12B MoE 只激活 2.5B，全部改进来自真环境强化学习，SWE-bench Verified 从 2.0 升到 47.0下一篇 →AlphaNimble 发 Wity-1：自称首个 System 1.5 模型，约 0.1 秒直出带概率的类型化决策