Stability AI 发布 Stable Diffusion 3.5

Stable Diffusion 是一类文生图模型的名字：给它一段文字提示，它生成一张图片。3.5 这一版是分两步放出来的。2024 年 10 月 22 日，Stability AI 发布了 Stable Diffusion 3.5 Large，参数量 81 亿，同时发布了 Stable Diffusion 3.5 Large Turbo^[1]。10 月 29 日，公司又补上了第三个模型 Stable Diffusion 3.5 Medium，参数量 25 亿^[1]。

三个模型，两种体量

参数是神经网络里学到的那些数值，粗略地说，参数越多，模型容量越大，生成一张图要花的算力也越多。Large 和 Large Turbo 都是 81 亿参数，Medium 是 25 亿^[1]。两个大模型之间的差别不在体量，而在训练方式。Large Turbo 是蒸馏（distillation）出来的：蒸馏就是让一个模型去模仿另一个模型的输出，通常是为了让采样更便宜，在这里它的效果是能在 4 步之内生成一张图^[1]。常规的扩散模型需要多得多的采样步数，所以「4 步」是两个 81 亿参数版本之间最直接的区别。

授权方式

这些模型都采用 Stability AI 社区许可证（Community License）。按这个许可证，年收入低于 100 万美元的组织可以免费商用^[1]；年收入达到或超过 100 万美元的组织，需要联系 Stability AI 谈企业许可证^[1]。这实际上把使用者分成了两类：个人和小公司不用谈判就能直接商用，大公司则要单独签协议。

权重放在哪里

模型权重发布在 Hugging Face 上^[1]。发布权重意味着运行模型所需的文件可以直接下载，而不是只能通过别人的服务器调用。除此之外，Stability 还安排了托管访问渠道，包括 Stability API、Replicate、Fireworks AI、DeepInfra 和 ComfyUI^[1]——这些服务替不想自己管硬件的用户把模型跑起来。

硬件门槛

Stability 给出的说法是：Stable Diffusion 3.5 Medium 要发挥出全部性能，需要 9.9 GB 显存，且不含文本编码器^[1]。显存是显卡上的内存，在本地跑图像模型时它通常是最硬的约束：模型和中间计算如果放不下，要么跑不起来，要么只能以缩水的方式跑。这个数字让打算本地部署的人可以对着自己的机器核一遍；而「不含文本编码器」这个限定也提示，整套流程实际占用的显存比这一个数字要大。

这次发布的位置

一次发布同时给出几种选择：一个大模型、它的快速蒸馏版本，以及一周后跟上的小模型^[1]。以 100 万美元年收入为界的授权分层，加上 Hugging Face 上的权重和一批托管服务商，意味着同一套模型可以被个人在本地跑、被用户按次调用第三方服务、也可以被大公司单独授权使用^[1]。对关注开源图像模型的人来说，这类发布通常要回答的实际问题就四个：体量、采样速度、授权条款、显存占用；Stability 在发布当天对每一项都给了数字，这让模型容易和手头已有的方案作比较。