FLUX.1 Stable diffusion开源120亿参数AI绘画史上最大的模型

在6月上旬,SD3刚刚开源了SD3的medium版本模型,当然SD3的最佳之处在于模型架构与Sora是同源架构,而不是参数量,因为SDXL就有101亿参数,当然了,SD3有3个版本,但是最大也是80亿,虽然不一定是越大越好,但是一个AI文生图大模型,都超越了一些开源的大语言模型,那就是我们的主角FLUX.1,一出手就获得了3000万美元的融资,而这仅仅是推出的三个版本中开源的一个。

Flux 有三个版本:

  • FLUX.1 [dev]:基础模型,开源且拥有非商业许可,供社区在此基础上进行构建。可直接在comfyui中使用

  • FLUX.1 [schnell]:基本模型的精简版本,运行速度最高可提高 10 倍。Apache 2 许可。

  • FLUX.1 [pro]:仅通过 API 提供的闭源版本。

图片

图片

我用夸克网盘分享了「flux and SD3」,点击链接即可保存。打开「夸克APP」,无需下载在线播放视频,畅享原画5倍速,支持电视投屏。链接:https://pan.quark.cn/s/5c72393c181d

往期精彩内容

一键安装所有AI项目 再见了整合包

全民舞王收费?腾讯开源windows一键包 Comfyui免费可用 一键部署

超越MJ6 快手kolors 手慢无 ComfyUI工作流合集分享第三期

AI一张图片 还你一个动画  免费开源一键整合包

快手可灵AI生成视频内测申请手册

Sora生成1分钟视频需要12分钟

KK长这样子你信吗?

AI变声器chatTTS教程来了!5S夺走你的卧槽

声音好难选啊~选萝莉还是御姐?

全网首发:Stable Diffusion 3 Medium SD3模型参见 附带Comfyui工作流

图片

    今天,我们很高兴地宣布推出 Black Forest Labs。我们深深植根于生成式人工智能研究社区,我们的使命是开发和推进用于图像和视频等媒体的最先进的生成式深度学习模型,并推动创造力、效率和多样性的界限。我们相信,生成式人工智能将成为所有未来技术的基本组成部分。通过向广大受众提供我们的模型,我们希望将其好处带给每个人,教育公众并增强对这些模型安全性的信任。我们决心为生成媒体建立行业标准。今天,作为实现这一目标的第一步,我们发布了 FLUX.1 模型套件,该套件推动了文本到图像合成的前沿

图片

如何在comfyui中使用它

图片

模型存放

flux1-dev.sft:ComfyUI\models\unetae.sft:ComfyUI\models\vaeSD3的几个clip:ComfyUI\models\clipclipl、t5xxlFP8/t5xxl_fp8_e4m3fn

提示词

​​​​​​​

detailed cinematic dof render of an old dusty detailed CRT monitor on a wooden desk in a dim room with items around, messy dirty room. On the screen are the letters “FLUX” glowing softly. High detail hard surface render

图片

close up dof render of a mythical creature made of detailed spiraling fractals and tendrils, detailed recursive skin texture

图片

<think>好的,我需要回答用户关于Flux模型Stable Diffusion在机器学习和深度学习中的比较或区别的问题。首先,我需要明确这两个模型各自的背景和应用领域。 根据引用[2],Flux模型经过量化后显存需求降低,12G显存即可运行,适合资源有限的环境。而引用[1]和[3]提到Stable Diffusion主要用于图像生成,支持多种风格化方法,如预训练模型、LoRA等。引用[4]则涉及Stable Diffusion与其他工具的集成,显示其部署复杂性。 接下来,我需要对比两者的核心差异。Flux可能属于轻量化模型,注重效率和资源节省,适合边缘计算。而Stable Diffusion作为生成模型,专注于高质量图像生成,需要更多计算资源。此外,应用场景不同,一个是可能用于推理或特定任务,另一个是创意图像生成。 然后,考虑用户可能的深层需求,比如如何根据项目需求选择模型。需要从资源、应用目标、技术特点等方面给出建议,并引用相关引用支持观点。同时,生成相关问题时要覆盖性能优化、应用场景和部署考量等方面。</think>### Flux模型Stable Diffusion的对比分析 #### 1. **核心定位与功能差异** - **Flux模型** 根据引用[2],Flux模型的核心优势在于**显存优化**,量化后的版本(如`flux1-dev-fp8`)仅需12GB显存即可运行,适合资源受限的场景(如边缘设备或中小型GPU)。其设计目标更偏向于**高效推理**,可能在模型压缩或特定领域(如低资源环境下的图像处理)有应用[^2]。 - **Stable Diffusion** Stable Diffusion是专注于**图像生成**的扩散模型,支持生成高质量的艺术图像,并可通过预训练大模型(Checkpoint)、LoRA微调模型等方式实现风格化(引用[1])。其资源需求较高,通常需要高性能GPU(如16GB以上显存),且部署复杂度更高(引用[4])[^1][^4]。 #### 2. **技术架构与适用场景** - **Flux模型** - **技术特点**:可能基于轻量化架构(如量化、剪枝),牺牲少量精度以换取显存和计算效率。 - **适用场景**:实时推理、移动端部署、资源敏感型任务(如工业检测或嵌入式系统)。 - **Stable Diffusion** - **技术特点**:基于扩散模型Diffusion Model),通过逐步去噪生成图像,依赖大规模预训练和微调技术。 - **适用场景**:艺术创作、广告设计、游戏资产生成等需要高创意性和多样性的领域(引用[3])[^3]。 #### 3. **性能与资源权衡** - **显存需求**:Flux模型在量化后显存需求大幅降低(12GB),而Stable Diffusion的标准版本可能需要16GB以上显存,且4位量化版本仍需231GB显存(引用[4])[^4]。 - **生成质量**:Stable Diffusion在图像细节和多样性上更优,而Flux可能更注重速度与资源效率的平衡(引用[2])[^2]。 #### 4. **选择建议** - **选择Flux模型**:若需快速部署在资源有限的设备,或任务对生成速度敏感但对图像质量要求中等。 - **选择Stable Diffusion**:若追求高创意性图像输出,且有充足计算资源(如云端GPU或工作站)支持[^1][^3]。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值