Stability AI近日推出了其最新的深度学习文本到图像生成模型 ——Stable Diffusion3.5。这一版本包括三种改进的开源模型，旨在满足不同用户的需求，包括研究人员、企业客户和爱好者。其中，Stable Diffusion3.5Large 是整个系列中最强大的模型，参数高达81亿。该模型以其卓越的图像质量和对提示的高度响应能力，成为专业用户的理想选择，能够生成分辨率达到1兆像素的高质量图像。此外，Stable Diffusion3.5Large Turbo 是 Stable Diffusion3.5Large 的简化版。它在生成高质量图像的同时，极大地提升了速度，仅

Stability AI再次突破技术壁垒，推出全新Stable Diffusion3.5Medium模型。这款面向大众的AI绘画工具不仅完全免费开放商用，更重要的是实现了高性能与普及性的完美平衡。这款采用多模态扩散变换器（MMDiT-X）架构的模型，以25亿参数的精简设计，巧妙解决了普通用户的硬件门槛问题。仅需9.9GB显存，便能在大多数消费级显卡上流畅运行，真正实现了"人人可用"的愿景。在技术创新方面，该模型整合了三种预训练文本编码器，并引入QK标准化技术提升训练稳定性。特别值得一提的是，其前12个变换层

昨日晚间，Stability AI发布了其最强大的模型——Stable Diffusion3.5，这不仅是一个单一的模型，而是一个包含三个版本的全家桶，旨在满足从科研人员到业务爱好者、初创公司和企业的多样化需求。这三个版本分别是Stable Diffusion3.5Large、Stable Diffusion3.5Large Turbo和即将于10月29日发布的Stable Diffusion3.5Medium。

来自智源研究院的Emu3团队发布了一套全新的多模态模型Emu3，该模型仅基于下一个token预测进行训练，颠覆了传统的扩散模型和组合模型架构，在生成和感知任务上均取得了最先进的性能。一直以来，下一个token预测被认为是通向人工智能通用智能（AGI）的希望之路，但在多模态任务上却表现不佳。目前，多模态领域仍然由扩散模型(如Stable Diffusion)和组合模型(如CLIP与LLM的结合)主导。Emu3团队将图像、文本和视频都标记化到离散空间中，并在混合的多模态序列上从头开始训练单个Transformer模型

德国研究机构LAION创建并发布了新数据集Re-LAION-5B，声称已清除疑似儿童性虐待材料（CSAM）链接。该数据集是旧数据集LAION-5B的修复版，采纳了互联网观察基金会、人权观察、加拿大儿童保护中心和斯坦福互联网观察站的建议。Re-LAION-5B分为两个版本：Research和Research-Safe，后者额外删除了NSFW内容。数据集旨在支持Stable Diffusion等生成式AI模型的训练，且不包含图像，仅提供图像链接和替代文本的索引。Re-LAION-5B的发布前，斯坦福互联网观察站发现LAION-5B包含非法图片链接，且数据集中可能存在不当内容。LAION已暂时下线原数据集，并承诺删除已知违规链接。新数据集包含约55亿个文本图像对，根据Apache2.0许可发布。LAION强调数据集用于研究而非商业目的，并鼓励使用元数据清理现有副本。

Runway从Hugging Face平台秘密删除了包括Stable Diffusion v1.5在内的代码库，这一举动在科技界引起了广泛关注。删除行为未通知Hugging Face或社区成员，导致依赖这些资源的开发者和研究者陷入困扰。Stable Diffusion v1.5曾是Runway参与的研究项目，并在相关论文中占有重要位置。然而，这一版本因版权问题最终被要求下架。面对争议，Runway CEO/联合创始人表示发布该版本是合理的，强调了研究的作者包括Runway ML和慕尼黑大学成员，并强调相关研究和代码已开源。除了开源项目，Runway还推出了Gen-3Alpha视频方案，显示了公司在视频技术领域的探索。外界对删除行为的猜测包括版权问题和市场压力，如竞争对手Cog-5B的崛起。

ViPer是一种个性化图像生成工具，旨在与用户互动以学习并应用其艺术喜好，类似于Midjourney。通过分析用户对图像的评论，ViPer识别出如“柔和的颜色”、“朦胧的光线”、“梦幻氛围”等偏好，并在生成新图像时作为指导原则，避免用户不喜欢的元素。这使得ViPer能够创造出符合用户审美、体现个性化风格的图像，为用户提供独特的艺术创作体验。在线体验地址为：https://huggingface.co/spaces/EPFL-VILAB/ViPer。

Stability AI 对其 Stable Diffusion3许可证进行放宽，回应了最近的争议，目的是平息用户对其更新许可条款的反对。初始发布包含限制性条件，导致社区不满，尤其在CivitAI平台上引起反响。面对批评，Stability AI 前身发布了更为宽容的社区许可证，允许免费使用SD3模型进行研究和非商业用途。其对企业用途提供额外的宽松范围，至年收入低于100万美元的企业，无须付费许可。超过此收入门槛，企业需申请付费企业许可证。值得注意的是，禁止使用Stable Diffusion3生成的图像作为新模型训练数据，限制了原始模型的使用。Stability AI 保有材料所有权使用权的特定条款，明确允许用户作为衍生作品所有者，遵循限制情况下对模型调整以盈利。尽管采取了这些措施，AI社区的一家领导者Invoke AI的CEO表示保持警惕，认为修改并不能解决问题，反而引入了复杂性。

["StableDiffusion的核心研究团队宣布集体离职，引起科技界广泛关注。","团队领导和作者离职，Stability AI可能因财务困境挑战。","Stable Diffusion项目由慕尼黑大学和AI创业公司共同完成。","Stability AI运营成本高，财务压力增大，曾传出寻求出售消息。","Stable Diffusion3发布后，核心团队集体离职，公司未来存疑。"]

["Stable Diffusion 3 模型发布","DiT（Diffusion Transformer）架构应用","Stable Diffusion 3 在质量上有显著改进","Stable Diffusion 3 优于其他文本到图像生成系统","Stable Diffusion 3 参数量从 800M 到 8B","SD3 架构基于 Sora 核心研发成员和纽约大学助理教授合作","MMDiT 架构优于 UViT 和 DiT","Stable Diffusion 3 采用 Rectified Flow（RF）公式","作者提出的重新加权 RF 变体性能持续提高","Stable Diffusion 3 模型进行了扩展研究","作者利用灵活的文本编码器进行改进","Stable Diffusion 3 与其他模型进行了性能比较"]

["Stable Diffusion 3技术报告发布","SD3采用多模态扩散Transformer架构MMDiT","SD3引入重新加权流技术，提升性能","SD3进行规模化研究并展望未来性能提升","文本编码器问题与建议"]

["Stable Diffusion 3是一款最强的文生图模型","Stable Diffusion 3采用了MMDiT架构，展现出超越现有文本到图像生成系统的性能","Stable Diffusion 3在视觉美感、文本遵循和排版方面超越了其他先进模型","MMDiT架构结合了DiT和矩形流形式，通过独立的权重集合处理图像和语言表示","Stable Diffusion 3具有灵活性，能在不同硬件设备上快速生成图像，并提供多种模型规模选择","Stable Diffusion 3通过MMDiT架构、Prompt Following功能、Rectified Flow方法等技术实现了改进"]