Stable Diffusion 3 Medium 開源釋出：20億參數模型正式對外開放

Stability AI 於 2024 年 6 月 12 日正式發布 Stable Diffusion 3 Medium（SD3 Medium）模型權重，以「Stability AI 社群授權」形式在 Hugging Face 開源釋出，非商業用途可免費下載；同時透過官方 Developer Platform 及 Fireworks AI、Replicate 等第三方平台提供商用 API。這是 SD3 系列自今年 2 月釋出候補預覽以來，首次真正對外開放使用。

SD3 Medium 參數量約 20 億（2B），採用全新的「多模態擴散 Transformer」（MMDiT）架構，取代前代 SDXL 的 U-Net 骨幹，讓文字與影像資訊在同一組 Transformer 層中共同運算、表徵各自獨立。官方表示這是排版準確度與提示詞理解力提升的關鍵設計。

技術意義：文字排版終於能用了

影像生成模型長期被詬病「畫不出正確文字」——招牌、標語、書封常見扭曲亂碼。SD3 Medium 官方展示與早期使用者測試都顯示，英文拼寫準確度明顯進步，對需要在圖中嵌入品牌名稱、標語的商業用途是實質突破；同時在多主體構圖與長提示詞遵循度上也優於 SDXL。

與前代及競品的落差

相較於 SDXL（30 億參數，2023 年釋出），SD3 Medium 參數規模較小，但架構世代不同，官方定位其為「效能與硬體需求的平衡點」——20 億參數規模可在消費級顯卡（如 RTX 4090）上執行。與同期 Midjourney、DALL-E 3 相比，SD3 Medium 的差異化賣點在於開源可下載、可本地部署，延續 Stability AI「開放模型陣營」的一貫市場定位。

業界反應：授權條款引發討論

開源社群普遍肯定文字生成與構圖穩定度的進步，但也有開發者對「Stability AI 社群授權」提出疑慮——非商業用途雖免費，商業使用門檻（年營收超過一定金額須另購商用授權）較過去 SD1.5/SDXL 明顯收緊，部分社群因此重提 Stability AI 商業模式轉型的討論。

對管理者的意義

對需要大量視覺內容（社群貼文、商品圖、廣告素材）的企業而言，SD3 Medium 補上了「圖片中文字要正確」這塊長期缺口，可望降低行銷團隊反覆修正排版的成本；但授權條款的變化也提醒管理者，採用開源 AI 工具前務必先確認授權範圍與規模門檻，避免上線後才發現需額外付費。