去年因 StableStudio 备受关注的 Stability AI，正式发布了图像生成AI模型最新版本 Stable Diffusion 3。目前，该模型以预览版形式向研究人员和开发者开放。
公司表示，新模型在性能、图像质量及引导能力等方面较前代均有显著提升，旨在处理高度主观提示词时生成更高质量的图像并获得更优性能。
Stability AI 特别致力于提升模型正确生成单词的能力及拼写准确性。针对以往图像生成AI在处理文字时易出现无意义形状的痛点，Stable Diffusion 3 有望有效解决这一问题。
Stable Diffusion 3的技术细节
Stable Diffusion 3 拥有从8亿到80亿参数的多种模型尺寸，正在开发中，旨在为可扩展性和质量提供多样化选择。由于模型是开源的，研究人员和开发者可直接访问基础架构和代码，以便按需进行二次开发。
Stable Diffusion 3 不仅是新版本，更采用了全新架构。据 Stability AI CEO Emad Mostaque 介绍，该模型使用了与 OpenAI Sora 相同的新型架构——扩散转换器（Diffusion Transformer）。值得一提的是，该架构研究作者之一 William Peebles 同时也是 Sora 项目的核心领导者之一。
除扩散转换器架构外，Stable Diffusion 3 还引入了流匹配（Flow Matching）技术。相关研究表明，该技术通过最优传输路径和条件流匹配（CFM），为连续归一化流（CNFs）训练提供了新方法。相比传统扩散路径，流匹配技术在建模复杂数据分布时，实现了更快的训练速度、更高效的采样以及更优的性能表现。