Stability AI 開源 SDXL 1.0：原生 1024 解析度，告別畫手翻車

SDXL 1.0 是 Stability AI 正式開源的旗艦級文生圖模型，能直接生成原生 1024x1024 解析度的高畫質影像，專門解決以往開源模型最容易翻車的手部、文字和複雜空間排布問題。

它能做什麼

最直觀的改變是出圖質量和畫風自由度。它不再帶有前代模型那種容易被看出來的預設質感，色彩、對比度與光影都有明顯提升，同時能駕馭幾乎所有藝術風格和逼真寫實風。

更重要的是它聽得懂人話。過去玩 Stable Diffusion 必須在提示詞裡堆滿「masterpiece」「best quality」之類的墊詞，而在 SDXL 1.0 裡，寥寥數語就能生成細節飽滿的畫面。

它甚至能分清語義差異。比如輸入「The Red Square」，它知道這是莫斯科紅場，而輸入「red square」，它畫出來的就是幾何圖形紅方塊。

至於困擾文生圖領域很久的難題，比如多畫手指、文字拼寫錯誤，或者「一個女人在背景追逐前景裡的狗」這種前後景景深構圖，新模型在表現上都有了大幅改善。

它是怎麼跑起來的

SDXL 1.0 是目前引數量最大的開源影像模型之一，完整管線採用了兩階段的混合專家架構。

第一階段由一個 3.5B 引數的基礎模型生成帶噪聲的潛在表示，第二階段再交由專門的最佳化模型完成最終去噪，整套組合管線引數達到 6.6B。基礎模型也可以單獨拿出來獨立執行。

雖然引數翻倍，但它並沒有變成顯示卡殺手。官方表示只要有一張 8GB 視訊記憶體的消費級顯示卡，或者隨手開一臺基礎雲端例項，就能有效跑起來。

模型權重和相關原始碼已經以 CreativeML OpenRAIL++-M 許可證在 GitHub 上公開。除了本地部署，你也可以在 Clipdrop、DreamStudio、Stable Foundation Discord 以及 AWS 平臺直接體驗，官方 API 也已同步上線。

微調方面，它對自制 LoRA 和 Checkpoint 更友好，清洗資料的門檻更低。配套的 ControlNet 和 T2I 結構控制工具也已經在測試中。

為什麼重要

對創作者和本地部署玩家來說，SDXL 1.0 是一次質的躍升。你終於不用忍受生成 512 解析度再費勁放大的繁瑣步驟，也不用為了避開畸形手指反覆抽卡，一張甜品級顯示卡就能擁有接近商用閉源工具的畫質。

我們認為，開源文生圖的競爭生態會因此被重新洗牌。Midjourney 等閉源產品此前靠審美和手部表現築起的護城河正在被快速縮小，隨著圍繞 SDXL 1.0 的 LoRA 和社群生態鋪開，它很可能成為未來一到兩年開源生成式影像的新基石。