Stability AI因其Stable Diffusion文本生成图像模型而闻名。最近，该公司与全球半导体巨头 Arm 展开合作，致力于将生成音频人工智能能力引入移动设备。这一合作使得Stable Audio Open模型能够完全在 Arm CPU 上运行，用户可以在设备上快速生成音效、音频样本和制作元素，且无需互联网连接。Stability AI表示，随着生成性人工智能在企业和专业创作者中的应用越来越广泛，确保我们的模型和工作流程在各个创造领域都能便捷使用显得尤为重要。这不仅能够提升创作效率，也有助于将这些技术无缝整合

在近日的 AWS re:Invent 大会上，Stable Diffusion3.5 Large（SD3.5Large）宣布正式在亚马逊 Bedrock 平台上可用。作为 AWS 的完全托管平台，Bedrock 旨在为开发者提供构建和扩展生成式人工智能应用的基础模型。通过将 SD3.5Large 引入亚马逊 Bedrock，Stability AI 希望满足开发者在可信的 AWS 环境中进行工作和部署的需求，从而使初创企业和大型企业能够安全、便捷地使用这一先进模型，而无需担心额外的基础设施问题。Stable Diffusion3.5 Large在文本到图像生成方面表现卓越，具有多种关键能力。首先，它支持多样

Stability AI 正式发布了新版 Stable Diffusion3.5 Large，并新增了三种 ControlNet 功能，分别是Blur、Canny和Depth。这一更新为用户提供了更强大的图像生成能力，使得生成的图像更加丰富和多样化。根据 Stability AI 的介绍，这一模型的发布是基于其社区许可协议，允许用户在不商业化的前提下免费使用。无论是个人还是机构，都可以在科学研究等领域使用该模型，而无需支付费用。此外，对于年收入低于100万美元的小型企业和创作者，Stability AI 也允许其在商业用途上免费使用该模型。这种宽松的使用

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。

近日，人工智能研究组织Artificial Analysis推出了一项名为"Artificial Analysis Text to Image Leaderboard & Arena"（文本到图像排行榜与竞技场）的新举措，旨在全面评估这些模型的性能。

英国人工智能公司 Stability AI 因其图像生成器 Stable Diffusion 备受瞩目，但却在商业问题上屡遭波折。

英国人工智能初创公司 Stability AI 已任命 Prem Akkaraju 为新任首席执行官。Akkaraju 此前曾担任视觉特效公司 Weta Digital 的首席执行官，同时也是 Stability AI 的投资者之一。Stability AI 的投资者阵容强大，其中包括前 Facebook 总裁 Sean Parker 等人，总投资金额超过1亿美元。

["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"]