昨日(23)，Stability AI 發佈了最新的 AI 文生圖模型 Stable Diffusion 3.5，表示該模型相較於過往的版本，以及與市面上的各種 AI 文生圖模型相比，皆有巨大的優勢。
Stability AI 在 6 月份釋出的第一個開源模型 Stable Diffusion 3 Medium 未能滿足社群期望，生成的人物身形怪異、手指變形、或未能準確遵循提示等問題頻傳。外界推測，問題可能源於開源版本僅有 20 億參數，效果遠不如付費版本。因此，Stable Diffusion 3.5 並非基於 SD 3 Medium 的小幅更新，SD 3.5 經過重新開發，大幅提升了圖像品質和提示詞遵循度，並提供 Large(8B)、Large Turbo(8B) 和 Medium(2.5B) 等多種模型選擇，滿足不同用戶的需求。
其中，Stable Diffusion 3.5 Large 是基於多模態擴散 Transformer（MMDiT）架構的文生圖模型，採用三種預訓練且固定式的 text encoder，並藉由查詢-鍵值正規化(Query-Key Normalization)技術提升訓練穩定性。而 Stable Diffusion 3.5 Large Turbo 則是在 Large 版本的基礎上，進一步應用了對抗性擴散蒸餾(adversarial diffusion distillation)技術，旨在提升圖像畫質、類別理解、複雜提示的處理能力以及資源使用效率，並減少推論步驟。
根據 Stability AI 公佈的內部評測數據（Elo Score），Stable Diffusion 3.5 Large 在提示詞遵循度方面領先所有競爭對手，並在圖像美學品質方面與參數規模更大的模型不相上下。數據顯示，SD 3.5 Large 的提示詞遵循度、美學品質得分皆超越了 FLUX.1 schnell、SD 3.0 等模型。雖然依舊不及 FLUX.1 dev，但依舊是進步巨大。
SD 3.5 Large Turbo 模型在兼顧速度的同時，也保有高度競爭力的圖像品質和提示詞遵循度
Stability AI 強調，SD 3.5 Large 尤其適合專業應用，能生成百萬像素解析度的圖像。Large Turbo 版本則著重於生成速度，僅需 4 個步驟即可生成高品質圖像，大幅提升效率。即將於 10 月 29 日推出的 Medium 版本則是旨在於消費級硬體上開箱急用，方便更多用戶體驗 AI 圖像生成的魅力。
除了效能提升外，SD 3.5 也更加注重模型的客製化能力和多元性。透過查詢-鍵值正規化(Query-Key Normalization)技術，用戶可以更輕鬆地微調模型，滿足特定創意需求。同時，SD 3.5 也致力於生成更具代表性的圖像，涵蓋不同膚色和特徵，以減少 AI 偏見。
Stable Diffusion 3.5 採用開放的 Stability AI 社群授權，非商業用途和年收入低於 100 萬美元的商業用途均可免費使用，大型企業則需洽談企業級授權。用戶可透過 Hugging Face、GitHub、GitHub 等平台下載模型和程式碼，或透過 Stability AI API、Replicate 等平台使用。未來，Stability AI 也將推出 ControlNets 功能，為 SD 3.5 提供更精確的控制能力，進一步拓展其應用場景。
免費試用
目前我們已經可以在 Hugging Face Space 上，免費試用到 SD 3.5 Large 與 SD 3.5 Large Turbo 的模型，僅需打開網頁，即可免費線上測試生成圖片的效果
Hugging Face Space 免費試用 SD 3.5:
SD 3.5 Large | SD 3.5 Large Turbo
