剛剛，Stable Diffusion 3.5重磅開(kāi)源，文生圖模型霸主歸來(lái)！

　　著名大模型開(kāi)源平臺(tái)Stability AI，開(kāi)源了超強(qiáng)文生圖模型——Stable Diffusion3.5。

　　Stable Diffusion3.5一共有Large、Large Turbo和Medium三個(gè)版本，可根據(jù)不同的商業(yè)環(huán)境提供高度定制功能，同時(shí)對(duì)這些模型進(jìn)行了大幅度優(yōu)化可在消費(fèi)級(jí)GPU就能輕松推理運(yùn)行。

　　今年6月Stability AI首次開(kāi)源了Stable Diffusion3Medium，但效果未達(dá)到預(yù)期，在聽(tīng)取了社區(qū)用戶的反饋后，Stability AI花費(fèi)大量時(shí)間進(jìn)一步開(kāi)發(fā)，便有了最新的3.5版本。

　　Large、Turbo、Medium簡(jiǎn)單介紹

　　在這次發(fā)布中，Stable Diffusion3.5提供了多種模型，以滿足不同用戶群體的需求。Stable Diffusion3.5Large模型擁有80億參數(shù)，提供了卓越的圖片質(zhì)量和高度文本語(yǔ)義還原，是Stable Diffusion家族中最強(qiáng)大的模型，非常適合專(zhuān)業(yè)使用，尤其是在100萬(wàn)像素分辨率的圖片。

　　而Stable Diffusion3.5Large Turbo模型則是一個(gè)蒸餾版本，它能夠在僅僅4步之內(nèi)生成高質(zhì)量的圖像，并且對(duì)提示的遵循性非常好，速度比Stable Diffusion3.5Large快得多。

　　Stable Diffusion3.5Medium模型將在10月29日發(fā)布，這個(gè)模型有25億參數(shù)，采用了改進(jìn)的MMDiT-X架構(gòu)和訓(xùn)練方法，能在消費(fèi)級(jí)硬件上即開(kāi)即用，可生成0.25—200萬(wàn)像素之間生成圖像，兼顧了質(zhì)量和易定制性。

　　在開(kāi)發(fā)這些模型的過(guò)程中，Stability AI優(yōu)先考慮了可定制性，提供了一個(gè)靈活的基礎(chǔ)來(lái)構(gòu)建。

　　將Query-Key歸一化集成到了變換器塊中，這不僅穩(wěn)定了模型訓(xùn)練過(guò)程，還簡(jiǎn)化了進(jìn)一步的微調(diào)和開(kāi)發(fā)。

　　為了支持這種下游的靈活性，Stability AI不得不做出一些權(quán)衡，例如，同一個(gè)提示使用不同種子可能會(huì)產(chǎn)生更大的輸出變化，這是有意為之的，以幫助在基礎(chǔ)模型中保留更廣泛的知識(shí)庫(kù)和多樣化的風(fēng)格。

　　此外，Stable Diffusion3.5在可定制性、高效的性能以及多樣化的輸出方面表現(xiàn)出色，使其成為市場(chǎng)上最可定制和最易訪問(wèn)的文生圖像模型之一，同時(shí)在提示遵循性和圖像質(zhì)量方面保持了頂級(jí)性能。