Was ist Stable Diffusion? Das offene Modell, von dem der Rest gelernt hat

Ein Diffusionsmodell lernt, indem es beim Zerstören von Bildern zusieht. Man nimmt ein Foto, fügt ein wenig Rauschen hinzu, dann mehr, bis nur noch Störmuster übrig sind — und trainiert ein Netz darauf, an jedem Schritt vorherzusagen, was entfernt wurde. Läuft man das Netz von reinem Rauschen rückwärts, malt es ein Bild, das nie existierte.

Das in voller Auflösung zu tun, ist extrem teuer, weil jeder Schritt jeden Pixel betrifft. Der Trick der Latenz ist, das Bild zuerst in eine viel kleinere Darstellung zu komprimieren, die die Struktur behält und die exakten Pixel verwirft, den gesamten Rausch-Prozess in diesem kleinen Raum laufen zu lassen und erst ganz am Ende zurück in ein echtes Bild zu decodieren.

Diese eine Entscheidung brachte das Ganze zu normalen Menschen. Sie senkte die Generierungskosten um grob eine Grössenordnung und holte Bildgenerierung auf Hardware, die man bereits besitzt — statt in einen gemieteten Cluster.

Stability veröffentlichte die Modelfiles selbst statt nur eine API. Das ist die folgenreichste Tatsache — und heute, wo die Ergebnisse allgegenwärtig sind, leicht zu unterschätzen.

Weil jede und jeder das Modell inspizieren und verändern konnte, entstand die Kontrollebene, die dem Basismodell fehlte. LoRAs machten es möglich, Stil oder Motiv mit einer kleinen Zusatzdatei beizubringen statt neu zu trainieren. ControlNet machte es möglich, eine Generierung an Pose, Tiefenkarte oder Kantenzeichnung zu binden. Community-Checkpoints spezialisierten das Basismodell auf Illustration, Fotografie, Architektur und alles dazwischen.

Die Vokabeln aus dieser Zeit sind heute die Sprache der Bildgenerierung generell — seed, sampler, denoise-Stärke, CFG, inpainting. Diese Wörter wurden von einer offenen Community geprägt, die ein tatsächlich öffnendes Modell las und umschrieb — deshalb ist auch das Glossar auf dieser Seite so geschrieben.

Besser als früher — aber noch nicht beiläufig. Es gibt One-Click-Installer und node-basierte Oberflächen von echter Komplexität, und die Strecke zwischen „Ich habe ein Bild erzeugt“ und „Ich habe das Bild bekommen, das ich wollte“ ist der Zeitfresser.

Die Belohnung ist Kontrolle, die gehostete Produkte nicht bieten: exakte seeds, beliebige Auflösungen, jede gewünschte Checkpoint- oder LoRA-Kombination, keine Content-Pipeline zwischen Ihnen und dem Output, keine Kosten pro Bild nach der Hardware und nichts verlässt Ihre Maschine.

Der Preis ist, dass Sie nun ein kleines Stück Infrastruktur betreiben. Modelfiles umfassen mehrere Gigabyte pro Stück, Erweiterungen kollidieren miteinander, und eine Grafikkarte mit genügend Speicher ist das Eintrittsticket. Menschen, die ein Bild wollen, sind oft mit einem gehosteten Modell glücklicher; Menschen, die einen Prozess wollen, bleiben.

Es ist nicht mehr automatisch die stärkste Option bei der reinen Ausgabequalität, und mehrere neuere Modelle — darunter FLUX, teils von Personen gebaut, die auch an Stable Diffusion gearbeitet haben — folgen prompts wörtlicher und setzen lesbaren Text deutlich besser.

Geblieben ist das Ökosystem. Die Menge an Community-Checkpoints, Stil-Adaptern und Kontroll-Tools, die auf älteren Versionen aufbauen, bekommt ein jüngeres Modell nicht schnell — und für alle mit spezifischem Stilbedarf oder bereits gebauter Pipeline wiegt dieses Inventar eine allgemeine Qualitätslücke auf.

Aufeinanderfolgende Versionen erschienen zudem unter zunehmend bedingteren Lizenzen als die frühen Releases. Prüfen Sie die Lizenz Ihrer Zielversion gegen Ihre Nutzung — „offene Gewichte“ und „für alles frei“ sind seit einiger Zeit nicht mehr dasselbe.

Fast jede Technikseite hier benutzt Begriffe, die dieses Modell popularisiert hat. Die denoise-Stärke bestimmt, wie weit sich ein Image-to-Image-Ergebnis von seinem Input entfernt. Ein seed macht eine Generierung reproduzierbar. Inpainting bearbeitet innerhalb der Maske und lässt den Rest unangetastet. Diese Konzepte gelten unabhängig vom später genutzten Modell.

Das ist der ehrliche Grund, Stable Diffusion zu verstehen, selbst wenn Sie es nie installieren: Es ist das Modell, dessen Bedienlogik in die Sprache durchgesickert ist. Lernen Sie es einmal — und jedes andere Tool wird leichter lesbar.