AI视觉生成领域迎来范式级突破。MiniMax与华中科技大学近日联合开源其核心技术——VTP（Visual Tokenizer Pretraining，视觉分词器预训练），在不修改标准DiT(Diffusion Transformer)架构的前提下，仅通过优化视觉分词器(Visual Tokenizer)，即实现65.8%的端到端图像生成性能提升。这一成果颠覆了“唯有堆大模型才能提性能”的行业惯性，首次将视觉分词器推向前所未有的技术高度。 不碰主模型，只改“翻译官”——性能却翻倍 传统生成模型（如DALL·E3、Stable…