Anuncio de Stable Diffusion 3

• Stable Diffusion 3 es el modelo de texto-imagen más destacado, y ofrece una mejora de rendimiento significativa en prompts de múltiples temas, calidad de imagen y capacidad de ortografía.
• Aún no está disponible de forma amplia, pero comenzó el registro en lista de espera para el early preview.
• Al igual que con los modelos anteriores, esta fase de vista previa es clave para obtener conocimientos que ayuden a mejorar el rendimiento y la seguridad.

Alcance y tecnología del modelo

• La suite de modelos Stable Diffusion 3 abarca un rango de 800M a 8B parámetros.
• Este enfoque está alineado con el valor principal y el objetivo de hacerlo accesible para todos, ofreciendo una variedad de opciones de escalabilidad y calidad que se ajustan mejor a las necesidades creativas de los usuarios.
• SD3 combina la arquitectura Diffusion Transformer con Flow Matching.
• El informe técnico detallado se anunciará próximamente.

Práctica de IA segura y responsable

• Se toma muy en serio la IA segura y responsable.
• Se están tomando medidas razonables para prevenir el mal uso de Stable Diffusion 3 y se mantienen de forma constante durante todo el proceso de entrenamiento, prueba, evaluación y despliegue del modelo.
• Al preparar la vista previa temprana, se han incorporado múltiples medidas de seguridad.
• Se espera innovar aún más al abrir el acceso al modelo, mediante una colaboración continua con investigadores, expertos y la comunidad.

Compromiso y activación de la creatividad

• La promesa de una IA generativa abierta, segura y de acceso universal es firme.
• Con Stable Diffusion 3, se ofrecerán soluciones adaptables para que personas, desarrolladores y empresas puedan potenciar su creatividad.
• Si quieres usar otro modelo de imagen con fines comerciales antes del lanzamiento de Stable Diffusion 3, puedes visitar la página de membresía de Stability AI o acceder a la API a través de la plataforma para desarrolladores.

[xguru]

Opinión de Hacker News

• Se usa un nuevo tipo de transformador de difusión que combina flow matching y otras mejoras.

  • Al aprovechar las mejoras del transformador, permite escalar mucho más y aceptar entradas multimodales.
  • Se lanzará públicamente para mejorar la calidad y la seguridad, y saldrá junto con todo el ecosistema de herramientas.
  • Es una nueva base que aprovecha hardware de última generación y está disponible en todos los tamaños.
  • Habilita video, 3D y más.
  • Requiere más GPUs.
  • Los detalles técnicos se compartirán pronto.
  • Con suficientes GPUs y buenos datos, puede generarse video similar a Sora.
  • Se ofrece en una variedad de tamaños que van desde 80 millones hasta 8 mil millones de parámetros, por lo que puede usarse en todo tipo de GPU.

• La obsesión con la seguridad parece haber perdido una oportunidad de marketing, considerando el reciente incidente de Gemini.

  • La seguridad está tan exagerada que la mayoría de las imágenes salen borrosas, y prompts que funcionaban antes quedan borrosos en SDXL.
  • Si la próxima versión es así, dejaré de usar la API de Stability.
  • Me intriga si existe otro servicio de texto a imagen que ofrezca un valor y calidad similares a Stable Diffusion sin excesivo desenfoque.

• Teniendo en cuenta el ambiente de censura actual, será interesante ver qué significa “seguridad” esta vez.

  • Tuve bastantes dificultades para generar imágenes de armas para assets de videojuegos usando DallE.

• La mitad del comunicado de lanzamiento dice que “realmente somos responsables y seguros”.

• Las imágenes de la demo son todas "artworks".

  • Me intriga si el modelo también puede generar bien fotos, planos técnicos y otros medios gráficos.

• Ha habido un gran avance en texto/ortografía.

• Reescribieron la sección de “seguridad”, pero reemplazando la herramienta de IA por un cuchillo imaginario llamado “Big Knife”.

  • “Creemos en el uso seguro y responsable de cuchillos. Esto significa que se han tomado medidas razonables para evitar que actores malintencionados hagan un mal uso de Big Knife.”