Stability AI 发布 SDXL 0.9：参数翻倍，消费级显卡也能跑

用过早期开源生图模型的人，大多对那些畸形的手指、塑料感十足的皮肤，还有永远画不明白的背景深有体会。虽然 Midjourney 已经在闭源阵营里把画质拉得很高，但开源阵营一直憋着一口气。

Stability AI 终于拿出了新底牌，正式发布 SDXL 0.9。相比 4 月推出的 SDXL 测试版，这个版本在画面细节和构图完整度上有了大跨步的提升，原生支持 1024x1024 分辨率生图，不用再像以前那样先生成 512 的小图再费劲去放大。

更关键的是，这次并不只是简单微调，而是把整套生成管线彻底重构了。

藏在 66 亿参数里的「双人接力」

说白了，这次画质暴涨的秘密，全在底层模型结构上。

SDXL 0.9 采用了一套组合模型管线，总参数量达到了 66 亿。首先由一个 35 亿参数的基础模型负责根据文本构图、打出大轮廓，接着再把半成品交给精炼模型（Refiner）做二次处理，把毛发、材质和微小光影这些细节一块块补齐。

拿之前的测试版来比，当时的 SDXL 只是个 31 亿参数的单模型。这次直接翻倍，成了目前参数量最大的开源生图模型之一。

不仅如此，它还塞进了业内迄今训练过的最大 OpenCLIP 模型之一（OpenCLIP ViT-G/14）。这意味着模型对复杂长句子的理解力强了一大截，除了常规文生图，像以图生图、局部重绘和外绘拓展这些高阶功能也都能直接调用。

很多人可能以为这么大的模型只能在机房跑，但 Stability AI 给出了一张相对亲民的配置表：Windows 或 Linux 系统，16GB 内存，显卡只要 Nvidia GeForce RTX 20 系列及以上、配 8GB 显存就能跑起来；Linux 用户如果用 AMD 显卡，则需要 16GB 显存。

先进实验室，7 月再全面放开

自打 4 月 13 日开启测试以来，差不多 7000 名 Discord 社区用户已经帮它跑了 70 多万张图，平均每天生成 2 万多张。经过两个月的社区反馈打磨，才有了现在的 0.9 版本。

不过，普通用户眼下还不能直接把权重文件下载到本地随便跑。

目前 SDXL 0.9 走的是非商业的研究性质授权。研究人员需要用学术邮箱登录 Hugging Face 申请 Base 和 Refiner 模型的权重，运行代码会公开在 GitHub 上。

想要尝鲜的普通用户可以直接去 Stability AI 旗下的 Clipdrop 网页端体验。官方计划在 6 月 26 日把模型接入自家的 DreamStudio 和 API，还会同步支持 NightCafe 等第三方平台；至于完全开放开源的 SDXL 1.0，则定在 7 月中旬正式登场。

为什么重要

对于视觉创作者和独立开发者来说，SDXL 0.9 最大的价值是把高质量生图的门槛直接打穿了。过去想要 Midjourney 级别的质感，只能花钱订阅闭源服务，或者在本地用复杂的 LoRA 和放大脚本反复抽卡；现在只要有一张主流消费级显卡，本地原生跑 1024 高清大图成了可能。

从行业角度看，Stability AI 这一步走得相当狠。它直接把开源生图的基准线从过去的 512 时代生生拔高到了 1024 时代，这会让那些靠包装早期开源模型做简单套壳工具的初创团队彻底失去技术壁垒。

我们认为，采用「两阶段接力」的管线设计非常聪明，它既保证了大模型的画质上限，又没有彻底脱离 8GB 显存这种大众硬件的承受范围。但隐患也同样存在，66 亿参数的庞大体量势必会导致推理速度变慢，后续社区开发者想要给它训练 LoRA 或 ControlNet，所需要的算力成本也会水涨船高。现在就看 7 月中旬 1.0 正式版开放后，开源社区能不能在短时间内消化好这头参数怪兽了。