Stable Diffusion 3.5 Large 上線 SageMaker：80 億引數進私有云

想在企業內部用開源文生圖模型，最讓人頭疼的往往不是顯示卡夠不夠，而是資料合規。只要業務涉及商業機密，把資料傳給第三方 API 就是紅線，而自己拉權重、搭服務又得折騰一套繁瑣的運維流程。

現在 AWS 和 Stability AI 把這件事打包做成了現成方案。Stability AI 宣佈，最新的文生圖旗艦模型 Stable Diffusion 3.5 Large 正式上線 Amazon SageMaker JumpStart。企業使用者可以在自己的私有云裡，一鍵拉起這套生圖系統。

一年多來頭一次上新

這其實是自 2023 年 7 月 SDXL 1.0 上架以來，SageMaker JumpStart 第一次引入 Stable Diffusion 家族的新模型。中間隔了一年多，文生圖的競爭格局早就換了天地。

這次上架的 SD 3.5 Large 擁有 81 億引數，Stability AI 特別註明，這個模型本身就是在 AWS 的 SageMaker HyperPod 算力叢集上訓練出來的。

模型主打 100 萬畫素的高清出圖，覆蓋 3D 渲染、寫實攝影、線稿插畫等風格。和老版本相比，它在多主體生成和長提示詞遵從能力上有明顯提升，減少了以前生圖時人物多幾個手指或者背景元素錯亂的問題。

把大模型裝進自家 VPC

對開發者和企業架構師來說，最大的吸引力還是部署上的省心。只要 AWS 賬戶開通了對應的 Marketplace 許可權，在 SageMaker Studio 控制台裡點幾下，或者調幾行 Python SDK，就能完成部署。

整個推理過程完全執行在使用者自己的虛擬私有云也就是 VPC 內部，網路物理隔離，生成的圖片和輸入的提示詞都不會流向外部網路。配合 SageMaker 原生的管道編排、日誌和除錯工具，工程落地幾乎沒有額外門檻。

目前該模型已經在美東、美西、歐洲、亞太以及中國北京和中國香港等全球多個 AWS 區域同步開放。

為什麼重要

我們認為，這次合作是開源生圖模型爭奪企業級客戶的一步實用棋。過去一年裡，Midjourney 霸佔著消費級審美，而開源社群又被 Flux 等新銳模型分流，Stability AI 的壓力並不小。把最新模型直接塞進 AWS 的企業供應鏈，是它變現和穩固生態最直接的途徑。

對企業開發者來說，它的價值在於立即可用且合規。遊戲美術概念設計、電商物料生成、廣告批量出圖這些場景，大公司往往因為版權和隱私顧慮不敢碰公有 API。現在藉助 SageMaker 的企業級隔離，這些顧慮被大大減輕，值得有自研工作流團隊現在就在隔離環境裡做概念驗證。

不過這也伴隨著成本挑戰。81 億引數的模型要在雲端長期跑專用例項，計費並不便宜。如果企業沒有足夠密集的呼叫吞吐量，這套方案的算力開銷很快就會超過直接呼叫輕量 API。如何在靈活性與真金白銀的賬單之間做權衡，是每個團隊下手前必須算清的一筆賬。