Stability AI 在 2025-2026 年持续推进 Stable Diffusion 系列，最新的 SD 3 系列以更清晰的架构、更稳的提示词遵循和更强的文本渲染能力，成为开源图像生成领域的旗舰。

一、事件要点

• 据 Stability AI 官方介绍，SD 3 系列全面开源
• 新架构采用多模态扩散 Transformer (MMDiT)
• 文本渲染（中英文都有）能力大幅提升
• 提供多种尺寸版本，便于开发者按需选用

二、官方核心介绍

• MMDiT 架构：相比 UNet 架构，对复杂 prompt 的解析更稳
• 文本渲染：在画面内生成清晰、可读的中英文文字
• 多版本：从轻量到旗舰，覆盖不同算力
• 可商用：许可证适合商业项目，但需注意具体条款

三、对开发者的影响

| 影响维度 | 内容 | |---|---| | 自部署 | 中高端显卡可本地跑，效果可与闭源商用抗衡 | | 二次开发 | 可微调 LoRA / ControlNet / IP-Adapter 等 | | 商业化 | 可集成进自家产品，但要遵守许可证 | | 成本 | 一次性硬件投入 + 推理电力，无 API 调用费 |

四、对内容创作者的影响

• 更强可控性：开源工具 + 插件生态，可深入定制
• 更高门槛：相比 Midjourney / DALL-E 自部署更专业
• 更广风格生态：社区分享的 checkpoint 极多

五、与主流闭源模型对比

| 维度 | SD 3 | Midjourney v7 | DALL-E 3 | |---|---|---|---| | 美学风格 | 取决于 checkpoint | ★★★★★ | ★★★★ | | 文本渲染 | ★★★★★ | ★★★ | ★★★★ | | 可控性 | ★★★★★（开源） | ★★★ | ★★★ | | 上手门槛 | 高 | 低 | 低 | | 商用门槛 | 一次性硬件 | 订阅 | API |

六、自部署入门清单

1. 硬件：16GB+ 显存（N 卡或 A 卡）较稳
2. 软件：ComfyUI / Stable Diffusion WebUI（Forge 等）
3. 模型：从 Civitai、Hugging Face 下载基础模型
4. 学习：熟悉 CLIP、LoRA、ControlNet 等基础概念

七、许可证与商用

• Stability AI 公开许可证条款允许多数商业用途
• 月活用户超过阈值的企业需联系授权
• 衍生模型的再分发需注意归属

八、后续展望

• 视频生成方向（SVD 系列）
• 3D 与可控生成
• 与 Agent 框架结合

九、常见问题

Q1：开源真的够用吗？ A：取决于场景。许多商业项目已经用开源 SD 替代闭源 API。

Q2：要花多少钱？ A：硬件一次性投入数千到数万；API 替代方案省去订阅费。

Q3：能跑出 Midjourney 效果吗？ A：通过精选 checkpoint + 提示词工程可以接近；但开箱即用比 Midjourney 弱。

---

信息整理自 Stability AI 官方介绍与社区公开反馈，具体功能与许可以官方公告为准。