Stability AIとNVIDIAがSD3.5 NIMを提供開始、画像生成が1.8倍高速に

オープンソースの画像生成モデルを自社インフラに導入する際、環境構築の手間や推論レイテンシの高さ、ControlNetなどの制御ツールの管理は現場の大きな負担になりがちです。

Stability AIは8月12日、NVIDIAと提携してStable Diffusion 3.5向けのNVIDIA NIMマイクロサービスを提供開始したと発表しました。モデルを最適化済みのセキュアなコンテナとして配布するものです。

SD3.5 NIMはbuild.nvidia.comで提供されており、モデルの重みデータは従来通りHugging Faceから取得できます。

処理時間は約半分、プラグインも一括コンテナ化

最大の改善点は、企業向けハードウェア上での推論速度です。

NVIDIA H100 GPUを用いたテストによると、標準的なPyTorch環境ではSD3.5 Largeの画像生成に6800ミリ秒かかっていましたが、TensorRTで最適化されたNIM環境では3700ミリ秒に短縮されました。約1.8倍の高速化を達成しています。

運用の簡素化も進みました。このコンテナにはSD3.5 Large本体だけでなく、輪郭抽出のCannyと深度推定のDepthという2種類のControlNetが最初から同梱されています。

これにより、複数のモデルや制御パイプラインを別々のサーバーやコンテナに分けて管理する必要がなくなりました。対応GPUはNVIDIAのデータセンターおよびエンタープライズ向けAda世代とBlackwell世代となっています。

ライセンスは従来のStability AI Community Licenseが適用され、年間収益100万ドル未満であれば商用利用を含めて無償で利用可能です。それ以上の企業には有償のエンタープライズライセンスが用意されています。

なぜ重要か

生成AIを組み込んだクリエイティブワークフローや社内ツールの本番運用を検討している開発現場にとって、実用性を大きく引き上げるアップデートです。

1枚の生成に7秒近くかかる環境では、複数のモデルを組み合わせたり試行錯誤を繰り返したりする作業が現実的ではありませんでした。3.7秒まで短縮され、主要な制御機能が1つのコンテナにまとまったことで、パイプラインの構築難易度は大幅に下がったと考えられます。

またNVIDIAにとっても、NIMを通じて自社GPUに最適化した実行環境を標準化させる狙いがあります。モデル単体ではなく実行環境ごと企業インフラに食い込む戦略は非常に堅実です。

ただし、恩恵をフルに受けるにはデータセンター向けの高価なGPUが必要となるため、小規模な事業者にとっては依然としてハードルが残ります。すでにクラウドで大規模なGPUリソースを確保している企業にとっては、すぐに試す価値のある選択肢と言えます。