Stability AI 开源 SDXL 1.0：原生 1024 分辨率，告别画手翻车

SDXL 1.0 是 Stability AI 正式开源的旗舰级文生图模型，能直接生成原生 1024x1024 分辨率的高清图像，专门解决以往开源模型最容易翻车的手部、文字和复杂空间排布问题。

它能做什么

最直观的改变是出图质量和画风自由度。它不再带有前代模型那种容易被看出来的默认质感，色彩、对比度与光影都有明显提升，同时能驾驭几乎所有艺术风格和逼真写实风。

更重要的是它听得懂人话。过去玩 Stable Diffusion 必须在提示词里堆满「masterpiece」「best quality」之类的垫词，而在 SDXL 1.0 里，寥寥数语就能生成细节饱满的画面。

它甚至能分清语义差异。比如输入「The Red Square」，它知道这是莫斯科红场，而输入「red square」，它画出来的就是几何图形红方块。

至于困扰文生图领域很久的难题，比如多画手指、文字拼写错误，或者「一个女人在背景追逐前景里的狗」这种前后景景深构图，新模型在表现上都有了大幅改善。

它是怎么跑起来的

SDXL 1.0 是目前参数量最大的开源图像模型之一，完整管线采用了两阶段的混合专家架构。

第一阶段由一个 3.5B 参数的基础模型生成带噪声的潜在表示，第二阶段再交由专门的优化模型完成最终去噪，整套组合管线参数达到 6.6B。基础模型也可以单独拿出来独立运行。

虽然参数翻倍，但它并没有变成显卡杀手。官方表示只要有一张 8GB 显存的消费级显卡，或者随手开一台基础云端实例，就能有效跑起来。

模型权重和相关源代码已经以 CreativeML OpenRAIL++-M 许可证在 GitHub 上公开。除了本地部署，你也可以在 Clipdrop、DreamStudio、Stable Foundation Discord 以及 AWS 平台直接体验，官方 API 也已同步上线。

微调方面，它对自制 LoRA 和 Checkpoint 更友好，清洗数据的门槛更低。配套的 ControlNet 和 T2I 结构控制工具也已经在测试中。

为什么重要

对创作者和本地部署玩家来说，SDXL 1.0 是一次质的跃升。你终于不用忍受生成 512 分辨率再费劲放大的繁琐步骤，也不用为了避开畸形手指反复抽卡，一张甜品级显卡就能拥有接近商用闭源工具的画质。

我们认为，开源文生图的竞争生态会因此被重新洗牌。Midjourney 等闭源产品此前靠审美和手部表现筑起的护城河正在被快速缩小，随着围绕 SDXL 1.0 的 LoRA 和社区生态铺开，它很可能成为未来一到两年开源生成式图像的新基石。