Stability AI kündigt die Vorabversion von Stable Diffusion 3 an. Es soll das bisher leistungsstärkste Text-zu-Bild-Modell des Unternehmens sein.
Konkret verspricht Stability AI eine verbesserte Leistung bei mehrteiligen, komplexen Prompts, bei der Bildqualität und bei der Fähigkeit, Texte zu schreiben. Stability-AI-CEO Emad Mostaque zeigt bei X ein Beispiel, wie exakt Stable Diffusion 3 einen komplexen Prompt umsetzt. Ob das immer so zuverlässig funktioniert und wie viele Versuche pro Bild nötig sind, um ein solches Ergebnis zu erzielen, muss die Praxis zeigen.
Die Modelle der Stable Diffusion 3-Suite reichen von 800 Millionen bis zu 8 Milliarden Parametern und kombinieren neuere Forschungsansätze der letzten Jahre, darunter die Diffusion Transformer Architecture mit Flow Matching. Eine detaillierte technische Beschreibung wird in Kürze veröffentlicht.
Die Vorschau ist bisher nicht allgemein verfügbar, aber es gibt eine Warteliste, in die man sich hier eintragen kann. In der Preview-Phase sollen Performance und Sicherheit vor dem "offenen Release" verbessert werden.
Stability AI will für mehr Sicherheit sorgen
Stable Diffusion 3 soll insbesondere im Bereich der sicheren und verantwortungsvollen KI verbessert werden. Das Open-Source-Modell Stable Diffusion steht hinter teils fragwürdigen KI-Bild-Anwendungen.
Stability AI hat nach eigenen Angaben zahlreiche Sicherheitsvorkehrungen getroffen, um den Missbrauch des Modells durch böswillige Akteure zu verhindern. Die Sicherheit beginnt beim Training und setzt sich beim Testen, Evaluieren und Deployment fort. Das Unternehmen betont die kontinuierliche Zusammenarbeit mit Forschern, Experten und der Community bei der Entwicklung und öffentlichen Bereitstellung des Modells.
Auch im Bereich der Trainingsdaten ist Stable Diffusion in die Kritik und vor Gericht geraten. Für Stable Diffusion 3 entfernten Künstler vorab Millionen Werke aus den Trainingsdaten. Stability AI spricht das Thema bei der Vorstellung nicht an.
Stability AI hat zuletzt mehrere neue Modelle vorgestellt oder veröffentlicht, darunter "Stable Cascade", ein Text-zu-Bild-Modell, das sehr schnell Bilder erzeugen kann. Ein weiteres Modell ist "Stable Video Diffusion (SVD)", ein generatives Videomodell, das KI-generierte Videos mit besserer Bewegung und Konsistenz erzeugt, und "Stable Zero123", ein Modell für Text-zu-3D-Anwendungen.