Stable Diffusion 是什么？一切都从中借来的开源模型

扩散模型的学习过程是“看着图片被破坏”。拿一张照片，加一点噪声，再加，再加，直到只剩下雪花点；训练一个网络去预测每一步被抹掉的内容。把这个过程从纯噪声反向运行，就能“画出”一张原本不存在的图。

在全分辨率上做这件事成本极高，因为每一步都要在每个像素上运算。“潜在”的诀窍是先把图像压缩成一个更小的表示，保留结构而丢掉像素级细节，在这个小空间里完成整个带噪过程，直到最后一步才解码回真实图像。

这一条决策让技术走进了普通人：生成成本大约下降了一个数量级，图像生成从“租一片集群”变成了“很多人家里已有的显卡就能跑”。

Stability 发布的是模型文件本身，而不是只给一个 API。这件事的影响最深，也最容易在成果满地后被低估。

因为任何人都能查看并修改模型，大家补齐了底模缺少的那层控制力。LoRA 让你用一个小文件就能教会特定风格或主体，而不用重训；ControlNet 让你把生成约束在姿态、深度或边缘线稿上；社区的 checkpoint 把底模细分成插画、摄影、建筑等专长。

那段时期冒出来的词汇，成了如今大家谈论图像生成的通用语言——seed、sampler、denoise 强度、CFG、inpainting。这些词是一个能被打开并改写的开源社区共同打磨出来的，所以本站术语表才会这么写。

比早年好，但还谈不上“随手”。有一键安装包，也有复杂到可搭积木的节点式界面；从“我生出一张图”到“我生出想要的那张图”，时间都花在这段距离上。

回报是托管产品给不了的控制力：精确的 seed、任意分辨率、随便换 checkpoint 或 LoRA、没有站在你和结果之间的内容流水线、买硬件之后没有按图计费、数据不出你的机器。

代价是你在运营一小段基础设施。模型文件动辄数 GB，扩展之间会互相打架，显存足够的显卡是入场券。只想要一张图的人更适合用托管服务；想要一套流程的人会留下来。

在“原始输出质量”上它不再自动最佳，数个新模型——包括由部分 Stable Diffusion 贡献者参与的 FLUX——对 prompt 的字面遵循更好，也更能生成可读文本。

它保留的优势是生态。围绕旧版本累积的社区 checkpoint、风格适配器和控制工具的体量，不是新模型短时间能补齐的；对需要复现某种特定风格或已搭好流水线的人来说，这份库存往往比总体画质差距更重要。

后续版本的授权条款也比早期更“有条件”，在使用前要和你的用途逐条核对，别想当然。“开放权重”与“可免费用于一切”早就不是同一句话了。

本站几乎每篇技巧文都在用这个模型普及的术语。denoise 强度决定图生图离开输入的幅度；seed 让生成可复现；inpainting 只改蒙版里，其他不动。这些概念换到任何模型上都适用。

这就是为什么即便你从不安装它，也值得理解 Stable Diffusion：它把自己的界面语言“泄漏”成了行业通用语言。学会一次，其他工具都更好读。