今天知名 AI 公司 Stability AI 宣布推出其最新的基于文本生成图像的人工智能模型“Stable Diffusion”的新版本 -“Stable Diffusion 3.5”，这是他们迄今为止最强大的模型。在此次发布中，提供了三种专门针对不同用途的模型变体，以满足从研究人员到爱好者以及初创企业等广泛用户群体的需求。

AI 图像生成模型 Stable Diffusion 3.5

三种模型覆盖广泛的使用场景

六月份发布的前一个版本“Stable Diffusion 3 Medium”未能充分满足该公司设定的标准和社区的期望。吸取了这一经验教训后，Stability AI 在此次版本更新中不仅仅进行了修复，还实施了实质性的改进，以推进其对视觉媒体变革的使命。

此次发布的三个模型各有不同的特点和用途：

Stable Diffusion 3.5 Large

• 具有80亿参数的顶级模型
• 支持百万像素的高分辨率图像生成
• 优化用于专业用途
• 实现了市场最高级别的提示忠实度
• 设想用于营销活动和数字资产创建

Stable Diffusion 3.5 Large Turbo

• 保留了大型模型的高级知识同时优化处理速度
• 实现了仅需四个步骤的图像生成
• 适用于需要快速工作流程的实际操作
• 在实时图像生成或大量变化创建方面表现出强大功能

Stable Diffusion 3.5 Medium（计划于10月29日发布）

• 具有 25 亿参数的轻量级模型
• 采用改进的 MMDiT-X 架构实现高效处理
• 支持 0.25 至 2 百万像素范围内的图像生成
• 优化用于普通消费级硬件上的运行

Stable Diffusion 3.5 的技术创新和改进

此次更新引入了多项技术创新。值得注意的是，它整合了变换器块中的查询-键规范化（QKN），该技术使模型训练过程更加稳定，并简化了最终用户的微调和开发过程。

Stability AI 的首席技术官 Hanno Basse 解释说：“QK-norm 是我们一直在实验的技术，但这是首次正式采用。我们认为这种优先考虑定制的新模型适合这项技术。”

此外，设计允许在同一提示下使用不同的种子值来获得更加多样的输出。这是一种有意的设计选择，它使得基础模型能够保持广泛的知识库和多种风格。

Basse 进一步解释道：“在训练过程中，我们对每张图像使用多个版本的提示进行标记，并优先使用较短的提示。这有助于确保对于特定的文本描述，可以覆盖更广泛的图像概念分布。”

此外，由于 MMDiT-X 架构的进化，图像质量和分辨率生成能力得到了提升。通过加强多模态处理能力，实现了更加自然的图像表现。这些改进实现了资源使用的效率与高质量输出的结合。

对多样性和伦理性的深入关注

在新版中，除了技术进步之外，还加强了对多样性的关注。现在，可以自然地生成不同肤色和特征的人物，无需过度提示即可实现多样化表达。这不仅是一种政治上的考量，更是作为提高AI实用性的重要进化而受到评价。

此外，还增强了对 3D 艺术、摄影、绘画、线图等各种风格的支持，在保持一致视觉表现的同时，获得了能准确反映创作者意图的灵活风格转换能力。

许可证和使用条款

Stability AI 社区许可证旨在平衡开放使用和商业应用。非商业用途完全免费，并且不限制用于研究目的的使用。对于年收入低于一百万美元的企业，可以免费使用。这旨在支持初创企业和小型企业的成长，并促进创作者的盈利。对于年收入超过一百万美元的组织，则提供了定制的企业许可证。

您现在可以从 Hugging Face 和 GitHub 上的推理代码下载 Stable Diffusion 3.5 Large 和 Stable Diffusion 3.5 Large Turbo 模型。

在 10 月 29 日发布 Stable Diffusion 3.5 Medium 后，还将计划实施 ControlNets 功能，从而在专业用途中实现更高级别的图像控制。除了在 Hugging Face 上发布权重外，还将能够在多种平台上使用此模型，包括稳定性人工智能 API、Replicate、Fireworks、ComfyUI 等。

此次 Stable Diffusion 3.5 的发布是 Stability AI 能重新确立其在图像生成 AI 市场地位的重要一步。特别值得一提的是，模型多样性和可定制性的增强。从拥有 80 亿参数的大型模型、专注于快速处理的增强版模型到面向普通用户的中型模型，这一系列产品阵容能够满足各种需求，值得高度赞赏。

此外，采用查询-键规范化是考虑到未来模型发展的明智选择。这将使得开发者社区更容易进行自己的改进和扩展，有望推动生态系统进一步发展。

然而，需要注意的是，提示的具体性对输出质量的影响越来越大。可以说，这是以模型灵活性为代价的权衡，但在专业用途中，这可能会要求更详细的提示工程技能。