DiT 取代 U-Net 到底改了什么：图像变成 token，去噪路径被拉直
基础与参数把图像切成 patch 与文本一起过 transformer，语言全程参与；flow matching 让去噪轨迹更直，少步采样才可行。但步数少不等于总耗时少，画质差异也不能单归因…
分类：基础与参数
Stable Diffusion 文生图：六个核心参数各自在管什么
基础与参数步数、采样器、CFG、种子、分辨率、批次——出图不可控，八成不是模型不行，而是这六个参数没有对齐。逐个说清它们改变的是哪一件事。
负面提示词与 CFG：图糊、过曝、不听指令的真实原因
基础与参数CFG 不是「越高越听话」。它调的是条件与无条件预测之间的插值强度，超过某个点，画面会先过饱和再崩细节。负面提示词也不是万能挡板。
分辨率与放大：从 512 到 4K 而不糊的做法
基础与参数直接把宽度拉到 2048，多半会得到两个头。原因不玄学：模型只在训练分辨率附近见过画面。分段放大才是稳的路子。