PixArt-αは、Diffusion Transformer（DiT）アーキテクチャを採用したオープンソースのテキスト画像生成モデルです。従来のUNet構造に代えてTransformerを採用し、学習リソースを大幅に削減した点が特徴です。Stable Diffusion v1.5と比較して学習時間を約10〜12%（約675〜753 A100 GPU日）、学習コストを約2万6,000〜2万8,000ドルに抑え、90%のCO2排出量削減を達成しています。フォトリアルな画像生成品質とプロンプトへの意味制御性を備えており、低コストで基盤モデルの検証やファインチューニングを行いたい研究者や機械学習エンジニアに適しています。