SD 3：已开源，附即用方案，附测试对比

长话短说

SD3  Medium 已开源

公告

https://stability.ai/news/stable-diffusion-3-medium

下载

https://huggingface.co/stabilityai/stable-diffusion-3-medium

费

其他信息

模型速览

模型为 2B，针对消费级 PC 和企业级 GPU 优化，擅长处理复杂提示并生成高质量图像。用户可以通过 Stability Platform、Stable Assistant 和 Stable Artisan 进行试用，并与 NVIDIA 和 AMD 合作优化性能。

独特之处

• 逼真度：解决了手部和面部的常见瑕疵问题，生成高质量图像，无需复杂工作流程。

• 精准理解：能够理解空间关系、构图元素、动作和风格的复杂提示。

• 字体生成：借助 Diffusion Transformer 架构，在生成文本时实现前所未有的效果，没有伪影和拼写错误。

• 资源高效：低显存占用，适合在标准消费级 GPU 上运行而不影响性能。

• 精细调优：能从小数据集中吸收细微细节，适合定制化需求。

投稿自大佬：ZHO

ZHO - 真 · 赛博菩萨

不用下载，开箱即用

（需 Colab Pro）

项目地址

https://colab.research.google.com/drive/1pcr1otfG5hs5N7IqpwZdxcj4EbbYF7ot

SD3 Medium Base工作流（已加入工作流合集）

https://github.com/ZHO-ZHO-ZHO/ComfyUI-Workflows-ZHO

SD3 Medium 说明

1）基础模型 1+3：（上图）

主模型：sd3_medium

文本编码器：clip_g、clip_l、t5xxl_fp16/t5xxl_fp8_e4m3fn

使用：在 ComfyUI 中使用时需分别通过模型加载器和CLIP加载器加载，t5xxl是非必要项

2）融合了文本编码器的模型 2 个：（下图）

无T5：sd3_medium_incl_clips = sd3_medium + clip_g + clip_l

有T5：sd3_medium_incl_clips_t5xxlfp8 = sd3_medium + clip_g + clip_l + t5xxl_fp16/t5xxl_fp8_e4m3fn

使用：在 ComfyUI 中使用时直接用模型加载器加载主模型即可，无需CLIP加载器（如同之前的SD1.5或SDXL的基础工作流）

来自 Diffuseum 众测

我也是光荣一员

欢迎参与！！

https://wbe2qcwjls.feishu.cn/docx/ZGLcdZt7coQM1YxVmrpcBvb0nhb

宙宙

（需 Colab Pro）

之前听闻SD3开源版本和API表现效果会有差异，又看到开放的是一个不大的2B版本，所以接着更新了上次SD3 API和主流生图网站的测试对比文档。初步测试的感受：

• 开源版本和API效果差别不大，开源还是很有诚意的！！

• Medium在2B的体量下语义理解能力不错，对于多个意象的控制和API差不多，相较XL都有明显的提升；后期可以再搭配社区的延伸，上限很高

• 开源版本的美学和API相比各有差异，艺术风格的表现上弱了点，但是写实类差别不大，甚至部分情形更佳

• 本版本在对齐和安全上花费了大量努力，可以看出屏蔽了不少概念，些许矫枉过正，会出现雕塑穿内衣的情况

• Medium生成超长文字在画面上时有时候会崩，API更稳定一些

测试

还有更多，等你来测...