DiT 架构相比 SDXL 架构具有以下优势：
Scaling 能力：相比于 U-net，Transformer 结构的 Scaling 能力更受认可，即模型参数量越大，性能越强。 额外信息处理：DiT 在 Vision Transformer 模块基础上做了略微修改，能够在图片生成过程中接受一些额外的信息，如时间步 t 和标签 y。 场景模拟真实性：Sora 背后的 DiT 架构在大数据量情况下具有强大的刻画能力，能展现出类似大语言模型涌现出逻辑推理等能力的现象。 文本编码器：在提升文生图模型的语义理解能力方面，新的文生图模型纷纷优化文本编码器的能力，而 Hunyuan-DiT 作为使用 DiT 架构的模型，在中文生图方面有一定进展，但开源界中文、细粒度文生图模型的文本编码器仍有较大优化空间。