作家 | 华卫、核子可乐新闻资讯老版本

6 月 17 日，极客期间《企业级 Agents 开发实战营》肃穆上线，10 周掌捏企业级 Agents 从贪图、开发到部署全经由。

6 月 12 日，Stability AI 推出了 Stable Diffusion 3 medium，这家英国初创公司称其为“迄今为止着手进的文本到图像灵通模子”。至关迫切的是，该模子不错在失掉级 PC、条记本电脑等个东谈主失掉系统以及企业级 GPU 上运转时生成这些图像。

要体验 SD3 Medium，可使用 Stability Platform（https://platform.stability.ai/）上的 API，注册 Stable Assistant（https://stability.ai/stable-assistant）以获取三天免费试用，也可通过 Discord 体验 Stable Artisan（https://stability.ai/stable-artisan）。

据先容，SD3 Medium 由 20 亿个参数构成，无需复杂的使命经由即可赢得传神的死心。 模子的大小亦然 SD3 Medium 的中枢亮点，该模子比好多 Stable Diffusion 3 模子都要小，后者的参数范围在 8 亿到 80 亿之间。

Stability 公司示意，其构建 SD3 Medium 来合伙触及空间联系、构图元素、动作和立场的复杂教导，它还能克服手部和面部常见的伪影和毛病。但不测的是， SD3 Medium 仍是发布，却因看成等东谈主体部位的“奇怪”绘制激勉了“群嘲”。

面对 SD3 Medium 生成的离谱画面，以致有不少用户纷繁吐槽：“这个版块是来搞笑的吗？”

SD3 Medium 有何冲破性？

说明官方说法， SD3 Medium 是一套领有 20 亿参数的 SD3 模子，其显贵本性包括：

出色的举座质料与相片级委果感：提供包含出色细节、颜色及光照的图像，可在输出中竣事相片级的委果进展以及立场生动的高质料恶果。通过 16 通谈 VAE 等革命，得手贬责了手部及面部委果感不及等其他模子中常见的缺欠。

教导词合伙：省略合伙触及空间推理、构图元素、动作及立场等见解的大段、高复杂度教导词。通过使用沿途三种文本编码器的组合，用户不错在性能与遵守之间作念出衡量。

排版功能：凭借 Diffusion Transformer 架构，SD3 Medium 竣事了“前所未有”的文本输出质料，省略减少拼写、字距养息、信函设施及字母间距等方面的诞妄。

资源高效：由于所占用的 VRAM 空间小，是以很是稳当在圭臬失掉级 GPU 上运转，且不致葬送模子性能。

微调：省略从微型数据汇注吸纳渺小细节，很是稳当得志定制化需求。

使用“一只猫在车里抱着一罐啤酒”作为教导词，在 SD3 Medium 中生成的示例

同期，Stability 与英伟达和 AMD 开展配合。诈骗英伟达 RTX GPU 以及 TensorRT 增强全体 Stable Diffusion 模子（包括 SD3 Medium）的性能，TensorRT 优化版块更可提供 50%的一流性能教学；AMD 已针对各类 AMD 开辟（包括最新 APU、失掉级 GPU 以及 MI-300X 企业级 GPU）优化了 SD3 Medium 的推感性能。

此外，Stability 强调安全、负牵累的 AI 履行原则，并已经摄取并将连续通过合理门径以戒备坏心行为者对 SD3 Medium 的滥用行为。其示意，安全自模子考验之时起，连气儿通盘这个词测试、评估与部署过程。Stability 对模子开展了泛泛的内、外部测试，同期制定并执行了多项保护门径以退缩危害发生。

因东谈主体绘制问题被狂嘲

然则，SD3 Medium 的到来很快在网上受到用户的讥笑。因为其生成东谈主体图像的才气相较于其他着手进的图像合成模子（举例 Midjourney 及 DALL-E 3）似乎反而有所倒退，会生成一些在结构上诡异诬告的视觉恶果。

Reddit 用户使用 SD3 Medium 创建的 AI 生成图像，教导词为“一个东谈主在客厅里打盹”

Reddit 上的原帖题为《这个版块是来搞笑的吗？（Is this release supposed to be a joke? [SD3-2B] ）》，其中详备先容了 SD3 Medium 在渲染东谈主物，特殊是在手、脚等肢体方面的离谱操作。

Reddit 用户使用 SD3 Medium 创建的 AI 生成图像，教导词为“海滩上一稔裙子的女子”。

受到早期考验数据汇注高质料示例不及的影响，绘制手部一直是 AI 图像生成用具面对的关键挑战。但近来，不少图像合成模子似乎已经克服了这个问题。是以关于汇聚在 Reddit 上的图像合成嗜好者们来说，SD3 的进展似乎确有倒退之嫌——特殊是与前年 11 月发布的 SD XL Turbo 等 Stability 版块比拟。

使用 SD3 Medium 创建的三张 AI 生成图像，手部显著支离落空

一位 Reddit 用户写谈，“不久之前，Stable Diffusion 还在与 Midjourney 分庭抗礼；可现如今，它看起来就像是个见笑。独一能拿出来说说的，就惟罕有据集安全和合适谈德原则了！”

另一篇题为《SD3 在生成躺在草地上的女孩时为何进展厄运？（Why is SD3 so bad at generating girls lying on the grass?）》也展示了肖似的问题，仅仅这回出问题的是通盘这个词躯体。

使用 SD3 创建的 AI 生成图像，教导词是“一位女子躺在草地上”

AI 图像嗜好者们现时将 SD3 的东谈主体绘制问题，怨尤于 Stability 对峙从 SD3 的考验数据中过滤掉成东谈主实质（所谓「不稳当使命期间不雅看」的实质，简称 NSFW），因此图像生成质料有所下落。一位 Reddit 用户写谈，“共享一条冷学问，对模子的严格审查也会过滤掉东谈主体剖解素材，于是……就形成现时这么了。”

也等于说，每当用户的教导词抒发了 AI 模子未能在考验数据汇注充分战争过的见解，图像合成模子就会自行臆造关于用户条款的最好发挥，诬告诡异的图像也由此产生。

2022 年发布的 Stable Diffusion 2.0 在描摹东谈主体方面也出现过肖似的问题。其时，AI 研讨东谈主员很快发现，筛除包含闪现实质的成东谈主素材很可能会严重妨碍 AI 模子准确生成东谈主体剖解结构的才气。随后发布的 SD 2.1 和 SD XL 得手扭转了地点，还原了一部分因严格过滤 NSFW 实质而失去的绘制才气。

模子预考验期间可能出现的另一个问题，是研讨东谈主员贪图的 NSFW 过滤器在删除数据汇注成东谈主图像时可能过于抉剔，不测排斥了那些并不存在冒犯性的实质，这就导致模子偶尔无法准确描摹东谈主体。一位 Reddit 用户在帖子中写谈，“只须图片不触及东谈主物，SD3 的使命就一切平方。是以我以为是他们用于过滤考验数据的 NSFW 过滤器敏锐渡过高，把通盘东谈主类图像都划入了 NSFW 畛域。”

使用 Hugging Face 上的 SD3 免费在线演示，即可快速输入教导词并看到与 Reddit 用户们上报情况肖似的死心。举例，使用“又名男人伸出双手”的教导词，模子生成了一张男人举起两只硕大且附近倒置手部的图像，好在指头倒是正确的五根。

使用“又名男人伸出双手”作为教导词，在 SD3 Medium 中生成的示例

结语

SD3 Medium 在 Stability 的震动时期到来。

这家初创公司配置于 2020 年，很快就被誉为生成式东谈主工智能的新兴指引者之一。与竞争敌手 Midjourney 和 OpenAI 的 Dall-E 并驾王人驱，Stable Diffusion 登上了重生文本到图像子行业的顶峰。2022 年，投资者对这家初创公司的估值为 10 亿好意思元。

然则，从那时起，一连串的诉讼和财务问题统一了这家企业。艺术家们告状该公司未经甘心就用他们的作品考验东谈主工智能模子。上个月据外媒报谈，Stability 公司曾经商讨过出售事宜，因为它面对着资金病笃的问题。

本年 2 月，Stable Diffusion 3 模子的延伸发布也激起了不少别传。有声息以为，Stability 是遭受了时代问题或是受到照应不善的影响。该公司最近也如实身陷逆境，其首创东谈主兼 CEO Emad Mostaque 已经于 3 月下野，随后又资历了一系列裁人。在此之前，三位中枢工程师 Robin Rombach、Andreas Blattmann 和 Dominik Lorenz 也已决定离去。

在一部分 Stable Diffusion 粉丝看来，SD3 Medium 如今在部分方面进展欠安的“失败”可谓该公司照应失能的直不雅体现，也代表着问题已经大到无法粉饰的地步。尽管该公司尚未苦求收歇，但不少用户在看到 SD3 Medium 的进展后机敏地讥刺称：“我猜他们终于能以一种安全且合适谈德的神志宣告收歇了。”

但岂论奈何，SD3 Medium 是 Stability 打造的 Stable Diffusion 3 眷属中最新、着手进的文本转图像 AI 模子新闻资讯老版本，代表着生成式 AI 发展的迫切里程碑，将连续为这项普遍时代的普及孝顺力量。Stability 示意，其将说明用户反应接续改良 SD3 Medium 模子，扩张其功能并优化性能。宗旨是为生成式 AI 的艺术创作领域竖立新的标杆，并使 SD3 Medium 成为处事专科东谈主士与业余嗜好者的迫切用具。