文生图王者登场：Stable Diffusion 3 Medium开源｜SiliconCloud上新

今年2月，Stability.ai发布了Stable Diffusion 3预览版，在多主题提示、图像质量和拼写能力方面具有显著的性能提升。Stable Diffusion 3是一个系列模型，参数量从800M到8B不等。

6月12日，Stability AI正式开源了Stable Diffusion 3 Medium（2B），这是迄今为止最先进的文生图开源模型，被视为生成式AI发展的一个重要里程碑。它具有一些显著的优点：

• 照片写实主义：克服手部和面部常见的瑕疵，无需复杂的工作流即可提供高质量的图像。
• 提示遵循：理解涉及空间关系、构图元素、动作和风格的复杂提示。
• 排版：在Diffusion Transformer架构的帮助下，在生成没有伪影和拼写错误的文本方面取得了前所未有的效果。
• 资源高效利用：由于占用较低的VRAM空间，非常适合在标准消费者GPU上运行且不会降低性能。
• 微调：能够从小数据集中吸收细微的细节，非常适合定制化。

现在，硅基流动团队在云服务平台SiliconCloud上线了Stable Diffusion 3 Medium开源模型。

欢迎来玩儿：

https://cloud.siliconflow.cn/models/image/text-to-image/17885302526

（提示词：a small, plush cat figurine with orange stripes and large black eyes holds a billboard calld“ SiliconCloud” amidst a dreamy landscape of blue felt waves, pink felt hearts, and soft, hazy clouds glowing with a golden sunset, creating a whimsical, serene scene.）

（提示词：A dark-armored warrior with ornate golden details, cloaked in a flowing black cape, wielding a radiant, fiery sword, standing amidst an ominous cloudy backdrop with dramatic lighting, exuding a menacing, powerful presence. ）

注意！！！除了最新的Qwen2、DeepSeek V2等语言模型，Stable Diffusion 3 Medium已进入“6.18购物狂欢节”福利包：“新用户送3亿token（等于1500张图片）”。

注册即可畅玩（截止6月18日23:59）：

www.siliconflow.cn/zh-cn/siliconcloud

SD3 Medium 模型表现

Stable Diffusion 3 Medium是一个MMDiT的文生图模型，使用三个固定的、预训练的文本编码器（OpenCLIP-ViT/G、CLIP-ViT/L和T5-xxl）

据Stability AI 此前介绍，他们Stable Diffusion 3的输出图像与其他各种开源模型（包括SDXL、SDXL Turbo、Stable Cascade、 Playground v2.5 和 Pixart-α）以及闭源模型（如 DALL·E 3、Midjourney v6 和 Ideogram v1）进行了比较，并根据人工反馈评估效果。

在这些测试中，向人工评估者提供了每个模型的示例输出，并要求他们根据模型输出与所给提示的上下文的接近程度（“提示遵循”）、根据提示呈现的文本效果（“排版”）以及哪幅图像的美学质量更高（“视觉美学”）来选择最佳结果。

以SD3为基准，该图表基于人类对视觉美学、提示遵循和排版的评估，概述了它胜过竞对模型的领域。

根据测试结果，Stable Diffusion 3在上述所有领域都等同于或优于当前最先进的文生图系统。

在早期未优化的消费级硬件推理测试中，他们最大的SD3模型（8B）可用RTX 4090的24GB VRAM，使用50个采样步骤时需要 34 秒才能生成分辨率为1024x1024的图像。此外，Stable Diffusion 3的多个变体模型进一步消除了硬件使用的障碍。

关于SiliconCloud

SiliconCloud是集合主流开源大模型的一站式云服务平台，为开发者提供更快、更便宜、更全面的模型API。

目前，SiliconCloud已上架包括Stable Diffusion 3 Medium、Qwen2、GLM-4-9B-Chat、DeepSeek V2、SDXL、InstantID在内的多种开源大语言模型、图片生成模型，支持用户自由切换符合不同应用场景的模型。同时，SiliconCloud提供开箱即用的大模型推理加速服务，为生成式AI应用带来更高效的用户体验。

真正在乎大模型推理性能和成本的开发者，绝不会错过SiliconCloud。更何况，现在还送3亿token。

快试试吧：

www.siliconflow.cn/zh-cn/siliconcloud

硅基流动致力于打造大模型时代的AI基础设施，通过算法、系统和硬件的协同创新，跨数量级降低大模型应用成本和开发门槛，加速AGI普惠人类。

扫码加入用户交流群

官方网站：www.siliconflow.cn

简历投递：[e-mail]

商务合作：[e-mail]