Iris-3B：像素空间扩散模型的预训练、转换与适配

像素空间扩散模型避免了潜空间模型的有损VAE，因而可能在需要精细细节的下游任务中更有优势。我们沿获得像素空间骨干的两条路线检验这一观点。先在256×256分辨率消融预测目标和表征对齐，确定扩展方案，再按256→512→1024的课程从零预训练Iris-3B，一个30亿参数的像素空间文生图Transformer。同时，我们把预训练潜空间模型FLUX.2 Klein base 4B转换到像素空间。我们对两类模型进行单目深度估计及图像修复、超分辨率微调，未发现像素空间生成先验带来显著改善。使用相同直接回归方案微调深度时，Iris-3B与潜空间FLUX.2 Klein持平，转换后的像素空间FLUX.2 Klein则落后；在4倍DIV2K图像修复中，两种像素模型都未超过经微调的潜空间FLUX.2 Klein，转换模型略落后。我们记录训练方案、失败模式及这一负结果尚存的混杂因素。尽管如此，Iris-3B仍说明，采用PixelDiT的像素Transformer（PiT）头可以将像素空间预训练扩展到30亿参数，并取得与潜空间模型有竞争力的文生图质量：在1024×1024分辨率和OneIG官方评测器下，它与Qwen-Image持平。我们开放权重和训练代码，支持像素空间生成的进一步研究。