2022 年 8 月，一家名叫 Stability AI 的公司联合慕尼黑大学的研究团队，把一个文生图模型的权重整个公开到网上：任何人下载之后，用一块消费级显卡就能在本地生成图像。这个叫 Stable Diffusion 的模型让 AI 绘图在几周之内从演示视频变成了普通人的桌面应用。这篇按公开时间线梳理：发布之前文生图是什么格局，权重是怎么放出来的，以及开源这一个决定为什么分量如此之重。
发布之前的文生图格局
在 2022 年年中，能画出像样图像的 AI 模型其实已经有几个，但普通用户都摸不到。2021 年 1 月 OpenAI 公布 DALL·E（见DALL·E 与牛油果扶手椅一篇），只发论文与精选图集，模型本身不公开；2022 年 4 月 DALL·E 2 发布，画质大幅提升，仍然采取排队审批的封闭试用；2022 年 7 月，Midjourney 开始内测，入口同样由官方把持。想画图，得排队、受限于官方接口，生成的图也归各家的条款管着。
| 模型 | 普通用户的获取方式 | 生成物的使用边界 |
|---|---|---|
| DALL·E | 只发论文与精选图集，模型不公开 | 只能看官方放出的图 |
| DALL·E 2 | 排队审批的封闭试用 | 受官方接口与条款限制 |
| Midjourney | 内测，入口由官方把持 | 受官方接口与条款限制 |
| Stable Diffusion | 权重与代码公开下载，本地部署 | 许可允许大多数场景商用 |
2022 年 8 月的公开决定
Stable Diffusion 的技术底子来自慕尼黑大学 CompVis 团队的「潜在扩散模型」研究：先把图像压缩到低维潜空间，再在潜空间里做扩散去噪，计算量由此大幅下降，这是它能跑上消费级显卡的关键。2022 年 8 月 22 日前后，Stability AI 与 CompVis、Runway 等合作方按公开公告放出了模型权重与代码，采用的许可允许大多数场景下的商用，具体条款以公开许可文本为准。按公开口径，一块游戏显卡即可出图，本地部署的门槛由此降到个人玩家层面。
把节点排成速查表：
2021 年 1 月，DALL·E 论文公开，模型不开放；2022 年 4 月，DALL·E 2 发布，封闭试用；2022 年 7 月，Midjourney 内测；2022 年 8 月 22 日前后，Stable Diffusion 权重公开下载；发布后一周内，社区界面、教程与微调模型密集出现；2023 年，SDXL 等升级版本陆续发布。
一周之内长出的生态
权重公开后，生态生长的速度是公开可见的：集成模型的开源界面在几天内上线，围绕提示词写法的社区教程铺满各平台，本地部署的一键安装包让不会写代码的用户也跑了起来；开源代码库里的配套推理与训练工具，在发布当天就完成了对接。此后数月，社区微调出各种风格化版本，低秩微调等方法让个人用户用小数据量就能定制自己的模型，围绕出图质量的客观评测思路见盲测集一篇。
开源权重改变了什么
对照 2019 年 GPT-2 分阶段放出的先例（见GPT-2 分阶段发布一篇），Stable Diffusion 的做法等于把节奏整个反转：不设排队，不做观察期，权重一次到位。能力发放权从实验室手里移到了社区手里，这件事在此后几年反复显出后果——各家模型追赶的方向、应用的成本结构、甚至监管讨论的参照系，都因为「人人可跑」而不同。同年年底 ChatGPT 上线（见ChatGPT 上线一篇），2023 年国内百模大战开打（见百模大战一篇），文生图与对话两条线在开源的助推下把 AI 推进了大众日用。今天你用豆包生成一张插画、用通义千问把文字转成配图，背后模型的能力边界讨论，很多都源自 2022 年 8 月这个把权重放到网上的决定。
关于Stable Diffusion开源的三问三答
- Stable Diffusion 是谁发布的？按公开公告，由 Stability AI 与慕尼黑大学 CompVis 团队、Runway 等合作发布，技术论文出自 CompVis 团队。
- 为什么它能在普通电脑上跑？核心是潜在扩散结构：先压缩到潜空间再去噪，计算量大幅降低，按公开口径一块消费级显卡即可出图。
- 权重公开后发生了什么？一周内社区界面与工具密集上线，微调模型与教程大量出现，开源文生图生态自此成型。
