■ 概要（1行） ビット単位の自己回帰モデルで無限語彙を実現し、SD3-Medium比2.6倍高速で1024×1024画像生成可能（CVPR 2025 Oral） ■ 特徴・用途（2〜3行） - **ビット量子化設計**: 多スケール残差量子化で語彙サイズ最大 2^64、パラメータ削減（数兆→数百万）、推論効率化 - **実装対応**: 2B/8B重みモデル、100M+データセット学習対応、自己補正機構で生成品質向上、Docker/ノートブック完備 - **用途**: テキスト→高解像度画像生成の研究・実装、エッジデバイス展開向けの軽量化ベースライン ■ 結論（1行） レート制限警告から推察される大規模学習リソースが必要だが、ビット量子化による効率化は次世代生成モデルの設計指針として有用