Stable Diffusion 3.5 Large：开源文生图
Stable Diffusion 3.5 Large 模型档案：发布时间、参数与价格 →
它是什么
Stable Diffusion 3.5 Large 是 Stability AI 在 2024 年 10 月 22 日发布的文生图模型，8.1B 参数，权重开放。官方称它是 3.5 家族里体量最大的基础模型，定位是 1 百万像素分辨率下的专业用途，看重画质、提示词遵循和后续定制。
它的出场背景有点特别。2024 年 6 月，Stability 先放出了 Stable Diffusion 3 Medium。官方后来在公告里承认，那次发布没有达到团队和社区的预期，所以这次没有打补丁，而是花时间重做了一版。3.5 就是重做的结果：同一天发布的还有 4 步出图的 Large Turbo，10 月 29 日又补上了 2.5B 的 Medium。
关键规格：8.1B 意味着什么
8.1B 指的是核心的多模态扩散 Transformer（MMDiT）。它前面还挂着三个冻结的文本编码器：OpenAI 的 CLIP-L、OpenCLIP 的 bigG，以及 Google 的 T5-XXL，T5-XXL 单独就有约 47 亿参数。这意味着算显存时不能只盯着 8.1B，编码器也得一起算进去。
模型卡写的上下文长度是：两个 CLIP 都是 77 个 token，T5 在训练的不同阶段用过 77 和 256。同系列 Medium 的模型卡提醒过，T5 的 token 超过 256 时，画面边缘可能出现瑕疵，稳妥起见 Large 的提示词也别写得太长。模型卡标注的语言是英文，中文提示词的效果得自己测。
官方在训练里加入了 QK 归一化（Query-Key Normalization），说是为了稳住训练、方便后人微调。官方也坦白了取舍：同一提示词换种子，结果的差异会更大，提示词写得含糊时输出更不确定，审美水平会有起伏。官方说这是有意为之，为的是保留更宽的知识面和风格范围。说得直白点，它更像一块好加工的毛坯，不是出厂就调好滤镜的成品。
许可证是 Stability AI Community License：非商业使用免费，包括科研；年收入不到 100 万美元的个人和组织，商用也免费，生成的图片归你；年收入超过 100 万美元的，需要联系 Stability 谈企业许可。权重要在 Hugging Face 上同意许可协议后才能下载。
能力和成绩：官方拿出了什么
先说一句实话：公告里没有一张能逐项对照的跑分表。结论来自 Stability 自己的分析，用图表对比提示遵循和图像质量。官方说，Large 在提示遵循上居市场前列，画质能和体量更大的模型相比；Turbo 在同尺寸里推理速度很快；Medium 在中等体量里表现更好。这些都是厂商的自述，对比对象和评分方式请直接看公告里的图。
官方还强调了几点：模型卡提到画质、文字排版和复杂提示理解有提升；公告说它能出 3D、摄影、绘画、线稿等多种风格，不用堆提示词就能得到不同肤色和特征的人物。
怎么用，多少钱
自己跑的话，权重在 Hugging Face，官方推理代码在 GitHub，也能用 diffusers 和 ComfyUI。模型卡的示例是 28 步、guidance 3.5，还给了 4-bit NF4 量化加载的写法来省显存。官方公告没给 Large 的显存要求，只说 Medium 不含文本编码器约需 9.9 GB。社区整理的说法是：FP16 加上 T5 同时在内存里，峰值接近 24GB；社区做的 GGUF 量化版，模型权重只要 5 到 7GB，配合 T5 卸载，12GB 显卡也能跑。这是第三方的说法，以你实际下载的文件和显卡为准。
不想自己配环境，可以用 Stability 的官方 API，Replicate、Fireworks AI、DeepInfra 上也有，亚马逊 SageMaker JumpStart 同样上架了。官方 API 对 SD 3.5 Large 是每次成功生成固定 6.5 积分，1 积分 0.01 美元，也就是每张 0.065 美元；Replicate 的标价同样是每张 0.065 美元。官方的 Stable Image Ultra 服务基于 Large，每张 8 积分，约 0.08 美元。Turbo 是 4 积分，Medium 是 3.5 积分。价格会调整，下单前再看一眼官方定价页。
和谁比
跟自家兄弟比：Large Turbo 是 Large 的蒸馏版，4 步出图，快得多；Medium 只有 2.5B，支持 0.25 到 2 百万像素的分辨率，目标是消费级显卡开箱即用。要质量和提示遵循选 Large，要速度和省资源选另外两个。跟上一代 SD3 Medium 比，Large 体量大了不少，官方也把 3.5 写成对那次翻车的正式补救。官方后来还陆续补上了 blur、canny、depth 等 ControlNet。
跟同期的开源对手比，最常被拿来对照的是 Black Forest Labs 在 2024 年 8 月发布的 FLUX.1 [dev]。它是 12B 参数的 rectified flow transformer，用 CLIP-L 加 T5-XXL 两个文本编码器，权重开放，但在非商业许可下。3.5 Large 参数更少，许可对年收入 100 万美元以下的商用更宽松。FLUX.1 [dev] 体量更大，两者谁画得更好看，没有哪家官方数据能直接回答，得拿你自己的提示词跑一轮。
适合谁，有什么坑
做模型和工作流的开发者，是它最对口的人群。官方说设计时优先考虑可定制性，模型卡里挂了微调教程，公告也鼓励微调、LoRA、应用和作品的分发与变现。AI主线的看法是，选 3.5 Large 的理由不该是排名，而是它够大、够开放、好改，适合当底子往下做。
做内容的创作者，可以拿它试试风格范围和文字排版，前提是提示词要写具体，含糊的描述容易让结果飘。做选型的技术负责人，先看两件事：公司年收入是否过了 100 万美元的门槛，过了就得谈企业许可；再看按张计费的 API 和自己养显卡哪个划算。
几个坑也列在这里：权重要同意协议才能下，同一提示词的结果波动比较大，T5 提示词别写太长，1 百万像素是官方主推的分辨率，需要更大画幅得自己验证。