Stability AI 上線 Stable Diffusion 3 API：文字排版看齊旗艦

以前讓 AI 畫圖最讓人頭疼的事，莫過於畫面裡想寫幾個英文字母，最後出來的全是扭曲鬼畫符。

Stability AI 宣佈把新一代影像模型 Stable Diffusion 3 和加速版 Stable Diffusion 3 Turbo 正式放進了開發者平臺 API。雖然大家心心念唸的模型權重開源還得再等等，但開發者現在已經能呼叫介面跑起來了。

官方拉來了 Fireworks AI 合作託管 API，直接給出了 99.9% 的企業級可用性保障。另外，他們還低調開啟了一個叫 Stable Assistant Beta 的小範圍測試，把 SD3 和語言模型打包做成了創作助手。

拆開看，字終於能拼對了

玩過老版 Stable Diffusion 的人都知道，文字渲染和複雜多主體提示詞一直是軟肋。這一代最關鍵的底層變化，是換上了所謂多模態擴散 Transformer（MMDiT）架構。

簡單來說，過去模型處理影像和文本時往往混在一起算，容易顧此失彼。MMDiT 給文本表徵和影像表徵各自配了一套獨立的權重引數，雙方既能互相交流，又不會互相打架。

這麼做帶來的直接效果，就是模型能真正讀懂更長的提示詞，更重要的是終於學會了在圖片里正確拼寫單詞。Stability AI 在論文裡的人類偏好評測資料顯示，SD3 在排版拼寫和提示詞遵循度上，已經追平甚至超過了 DALL-E 3 和 Midjourney v6。

先賣 API，權重晚點給

不少人最關心的還是開源權重什麼時候發。官方給出的說法是，目前依然在對模型做持續調優，隨後會通過 Stability AI 會員訂閱的方式，向自託管使用者開放模型權重下載。

這一手操作其實很眼熟。先上 API、後放權重的節奏，既能給團隊爭取更多收集安全反饋和修 bug 的時間，也能趁熱通過 API 跑出一些真實商業流水。

畢竟跟 Fireworks AI 這種主打高併發、低延遲推理的雲基礎設施綁在一起，Stability AI 顯然是在向想要整合商業出圖能力的企業客戶招手，證明自己不只是極客玩具，還能支撐關鍵業務。

為什麼重要

我們認為，SD3 走上 API 標誌著開源系繪圖模型在商業落地策略上的明顯轉向。

對開發者和產品團隊來說，SD3 的字面排版和長文本理解能力，終於補齊了以前不得不依賴閉源模型 Midjourney 或 DALL-E 3 的短板。做海報生成、電商物料和社交圖文的產品，現在可以直接通過介面測試排版穩定性，不再怕畫面上的文案變成亂碼。只是對於堅持在本地顯示卡上跑模型的硬核玩家來說，現在去買 API 成本不低，真正的值不值得試，還得看後續自託管權重的硬體門檻有多高。

從行業競爭來看，這直接對 Midjourney 構成了壓力。Midjourney 長期靠審美調優和出圖質感築起護城河，但在 API 開放性和定製靈活性上一直很保守。SD3 把頂級的排版能力變成標準化 API，還會逼得更多商業應用在選型時重新算賬。

不過，這個打法也藏著隱患。Stability AI 過去靠完全開源立足社群，如今權重開源不僅推遲，還要掛鉤會員訂閱制。如果後續開源版本閹割過多，或者商業授權卡得過緊，可能會傷害核心開源社群的信任，給其他追趕的開源新秀留下空檔。