■ **概要** DiT（Diffusion Transformer）ベースの5Bパラメータ画像生成モデルで、テキストレンダリングとレイアウト制御に特化。 ■ **特徴・用途** • **テキスト・レイアウト制御に強い**：4Kトークンまでの長文プロンプトと JSON による座標指定で、ポスター・UI・デザイン・多言語テキスト混在画像の生成に適している • **軽量かつ適応可能**：5B パラメータで Flow Matching サンプラー採用により効率的。LoRA トレーニングで比較的コスト低く微調整可能 • **実装が明確**：GitHub にトレーニング・デプロイ設定が揃い、複数 GPU プラットフォーム対応 ■ **結論** 汎用画像生成より制御性・テキスト精度が必要な実務用途（自動デザイン、UI 生成、マンガ台詞など）で、比較的低リソースで運用できる選択肢として有望。