Stable Diffusion 3.5 Large 上线 SageMaker：80 亿参数进私有云

想在企业内部用开源文生图模型，最让人头疼的往往不是显卡够不够，而是数据合规。只要业务涉及商业机密，把数据传给第三方 API 就是红线，而自己拉权重、搭服务又得折腾一套繁琐的运维流程。

现在 AWS 和 Stability AI 把这件事打包做成了现成方案。Stability AI 宣布，最新的文生图旗舰模型 Stable Diffusion 3.5 Large 正式上线 Amazon SageMaker JumpStart。企业用户可以在自己的私有云里，一键拉起这套生图系统。

一年多来头一次上新

这其实是自 2023 年 7 月 SDXL 1.0 上架以来，SageMaker JumpStart 第一次引入 Stable Diffusion 家族的新模型。中间隔了一年多，文生图的竞争格局早就换了天地。

这次上架的 SD 3.5 Large 拥有 81 亿参数，Stability AI 特别注明，这个模型本身就是在 AWS 的 SageMaker HyperPod 算力集群上训练出来的。

模型主打 100 万像素的高清出图，覆盖 3D 渲染、写实摄影、线稿插画等风格。和老版本相比，它在多主体生成和长提示词遵从能力上有明显提升，减少了以前生图时人物多几个手指或者背景元素错乱的问题。

把大模型装进自家 VPC

对开发者和企业架构师来说，最大的吸引力还是部署上的省心。只要 AWS 账户开通了对应的 Marketplace 权限，在 SageMaker Studio 控制台里点几下，或者调几行 Python SDK，就能完成部署。

整个推理过程完全运行在用户自己的虚拟私有云也就是 VPC 内部，网络物理隔离，生成的图片和输入的提示词都不会流向外部网络。配合 SageMaker 原生的管道编排、日志和调试工具，工程落地几乎没有额外门槛。

目前该模型已经在美东、美西、欧洲、亚太以及中国北京和中国香港等全球多个 AWS 区域同步开放。

为什么重要

我们认为，这次合作是开源生图模型争夺企业级客户的一步实用棋。过去一年里，Midjourney 霸占着消费级审美，而开源社区又被 Flux 等新锐模型分流，Stability AI 的压力并不小。把最新模型直接塞进 AWS 的企业供应链，是它变现和稳固生态最直接的途径。

对企业开发者来说，它的价值在于立即可用且合规。游戏美术概念设计、电商物料生成、广告批量出图这些场景，大公司往往因为版权和隐私顾虑不敢碰公有 API。现在借助 SageMaker 的企业级隔离，这些顾虑被大大减轻，值得有自研工作流团队现在就在隔离环境里做概念验证。

不过这也伴随着成本挑战。81 亿参数的模型要在云端长期跑专用实例，计费并不便宜。如果企业没有足够密集的调用吞吐量，这套方案的算力开销很快就会超过直接调用轻量 API。如何在灵活性与真金白银的账单之间做权衡，是每个团队下手前必须算清的一笔账。