Hunyuan-DiTとKolorsのビジネス戦略の簡単な分析

Hunyuan-DiTの仕様：
https://github.com/Tencent/HunyuanDiT
アーキテクチャ: DiT
テキストエンコーダー: （英語と中国語）CLIP + 多言語T5エンコーダー（日本語はまだまだです）
VAE: SDXL

Kolorsの仕様：
https://github.com/Kwai-Kolors/Kolors
アーキテクチャ: Unet
テキストエンコーダー: ChatGLM3ベース
VAE: SDXL
Hunyuan-DiTの戦略は、まず基本モデルをリリースし、その後ファインチューンモデルを提供するというものです。
一方、Kolorsはミッド画像のファインチューンモデルに直接取り組んでおり、より目立つ画像品質を実現しています。

HunyuanのDiTの明確な優位性は見られません。画像品質は平均的であり、中国語のサポートは優先順位が高くありません。
しかし、Kolorsは日本語、中国語を扱うことができ、Midjourneyのデータを使用することで、色の向上が著しくなっています。

新しい技術がユーザーの採用を促すためには、Hunyuanが示していない明確で目に見える利点が必要です。