mv-split 是一個用來產生圖片的研究型專案，核心是名為 MVSplit-DiT 的超深層模型，整體深度達 1000 層。它不是一般即裝即用的圖片工具，而是較適合想測試新一代生成架構、比較效能，或者重現論文結果的人使用。
實際使用上，流程算清晰：先準備模型權重、FLUX.2 的自編碼器，以及 Qwen3 文字編碼器，之後透過 sample.py 輸入提示詞、指定輸出資料夾，就可以生成圖片。它亦支援從範例提示詞清單逐行抽樣、隨機抽樣，甚至一次過跑完整批提示，方便做測試和比較。
這個專案最值得留意的地方，是它同時提供 Triton 核心加速與 PyTorch 後備路徑。換句話說，就算機器沒有 Triton，理論上仍可運行；只是對於 1000 層這種深度，README 已明確提醒 CPU 雖可作後備，但實際上並不實用，較合適的環境仍是 PyTorch 2.x 配合 CUDA。
- 採用超深層 DiT 架構，定位偏研究與高階實驗
- 以 Triton 核心加速多個關鍵運算，同時保留 PyTorch 後備
- 可直接用自訂提示詞、提示詞檔案或批次方式生成圖片
- 會輸出 PNG 圖片及 metadata.jsonl，方便記錄實驗結果
從設計來看，它的主要創新不只在「層數夠深」，亦包括把多個底層運算元件拆得相當明確，例如 RoPE、RMSNorm、QK-Norm 和 SwiGLU 都有獨立實作，顯示作者很重視推論路徑的效率與可替換性。這種做法對一般用家未必直接有感，但對開發者或研究者來說，代表更容易針對效能瓶頸做調整。
最適合的應用場景，包括生成模型研究、推論效能測試、比較 Triton 與 PyTorch 後備表現，以及重現論文方法。若你只是想簡單輸入一句文字就穩定出圖，這個專案的門檻會偏高；但若你需要一個結構清楚、可觀察推論細節的實驗平台，它就相當有參考價值。相關模型方面，需配合 FLUX.2 AutoEncoder 與 Qwen/Qwen3-0.6B 文字編碼器。
