DiT模型受到质疑，网友认为其数学和形式上存在错误，甚至怀疑是否使用了Transformer。作者谢赛宁回应称，科学进步需要发现模型的不足，强调实证方法的重要性，并反驳质疑，指出Tread模型与DiT无关，且DiT在生成效果上仍具优势。

研究表明，添加与猫相关的语句会显著提高大模型的数学错误率，错误率增加300%。DeepSeek和OpenAI的模型均受到影响，推理能力下降，Token消耗增加，猫的干扰分散了模型的注意力，导致频繁出错。