Stable Diffusion 3

Calidad de imagen, texto y capacidades

• Muchos comentaristas consideran que las imágenes de muestra son “impresionantes”, con una renderización del texto notablemente mejor (señalización legible, títulos, etc.), vista como un gran avance frente a los modelos SD anteriores y Midjourney/DALL‑E.
• Un ejemplo compartido (“esfera roja sobre cubo azul, triángulo verde, gato/perro izquierda/derecha”) impresiona a la gente: las relaciones espaciales, la iluminación y la iluminación global parecen mucho más precisas que en modelos antiguos.
• Algunos señalan rarezas compositivas ocasionales (por ejemplo, la perspectiva del autobús) y enfatizan que aún se desconoce la fiabilidad a lo largo de muchos prompts.

Arquitectura, rendimiento y hardware

• SD3 usa transformadores de difusión (DiT) más flow matching, en espíritu similar a Sora.
• Los tamaños del modelo van actualmente de 800M a 8B parámetros; los más pequeños para móvil/borde, los más grandes para GPUs de gama alta. La gente debate la cuantización y el batching, y si las GPUs de consumo (por ejemplo, tarjetas de 12 GB) siguen siendo viables.
• Se anticipa que la misma arquitectura pueda extenderse a vídeo y 3D con suficientes datos de entrenamiento y GPUs.

Seguridad, censura y uso indebido

• El lenguaje del anuncio está muy orientado a la “seguridad”, lo que desencadena un debate extenso.
• Un bando: seguridad = protección de la empresa/organización (PR, demandas, reguladores, procesadores de pago), no seguridad del usuario. Se esperan barandillas principalmente para evitar CSAM, pornografía deepfake no consentida, uso indebido político/de celebridades y resultados racistas.
• Otros sostienen que la seguridad es realmente necesaria para prevenir el acoso (por ejemplo, deepfakes escolares), el fraude (documentos falsos) y deepfakes relacionados con elecciones.
• Varios critican la “seguridad” como una fijación puritana con la desnudez y como un vector para un control ideológico más amplio o “delitos de pensamiento”.
• Otros señalan que, para quienes integran el modelo en aplicaciones o intranets, sí es genuinamente útil contar con modelos que nunca saquen porno o gore de forma inesperada.

NSFW, fine-tuning y lanzamiento abierto

• Historial: SD 1.5 generó rápidamente poderosos fine-tunes NSFW; SD 2.x fue ampliamente criticado, en parte por una censura más fuerte y cambios en CLIP; SDXL es popular, pero aún se percibe como más “puritano”.
• Algunos usuarios de API informan de desenfoque demasiado agresivo (por ejemplo, retratos de personajes inofensivos), lo que hace que el SaaS sea menos usable que los modelos locales.
• Expectativa consensuada: una vez se publiquen los pesos de SD3, aparecerán fine-tunes de la comunidad (incluidos NSFW), aunque las técnicas de seguridad podrían ser más difíciles de “deshacer”.

Licencia, apertura y negocio

• Se promete que SD3 será “open” tras una fase de vista previa, pero la licencia exacta no está clara; modelos recientes (por ejemplo, Stable Cascade) limitan la reventa comercial, algo que algunos llaman “restrictivo” y otros ven como razonable.
• La discusión señala la necesidad de Stability de monetizar (API, empresa) y la tensión entre pesos totalmente abiertos y un negocio sostenible.

Comparaciones con otros modelos

• En comparación con Gemini: SD3 se ve como técnicamente más estrecho (solo imágenes), pero probablemente menos constreñido políticamente; los fallos de Gemini en “diversidad” son un punto de referencia frecuente.
• En comparación con Midjourney y DALL‑E 3: se elogia a SD por su control local y su ecosistema (ComfyUI, LoRAs, controlnets), mientras que algunos siguen sintiendo que Midjourney ofrece arte más agradable estéticamente “de serie”.