Stability AI 正式发布 Stable Diffusion 3 系列中功能最强大的模型——Stable Diffusion 3 Medium。
该模型拥有 20 亿参数，支持照片级真实图像生成，有效克服了手部和面部常见的伪影问题。此外，它能准确理解并生成文本且无拼写错误，同时适应用户复杂的提示词与风格需求。值得一提的是，Stable Diffusion 3 Medium 具备极高的资源效率。
此前我们曾介绍过，Stable Diffusion 3 采用了 OpenAI Sora 模型同款的新型扩散变换器架构，旨在实现正确的图像排版。官方表示，SD3 Medium 在此方面表现更优，这主要归功于该架构的优势。
在微调方面，用户可使用小型数据集快速调整模型以定制输出。若希望针对特定主题或视觉风格训练模型但样本不足，利用小数据集训练更具优势。
SD3 Medium 参数规模较小，比 8 亿至 80 亿参数的重型模型更紧凑。这消除了因 VRAM 占用小而导致的性能下降，从而优化了在个人计算机上的运行体验。
Stability AI 利用 Nvidia RTX GPU 和 TensorRT 提升所有 Stable Diffusion 模型的性能，并与 AMD（Advanced Micro Devices Inc.）在该领域展开了合作。
开发者可通过 API 访问 Stable Diffusion 3 模型系列。此外，SD3 的模型权重已作为开源项目向社区公开。
尽管 Stability AI 长期面临艺术家诉讼及资金紧张传闻，且 CEO Emad Mostaque 于今年三月离职，公司仍全力推动模型发展，未来将重点投入视频、音频及语言方面的多模态开发。