Vergleichstabelle
| SD 1.5 | SDXL 1.0 | SD 3 Medium | SD 3.5 Large | |
|---|---|---|---|---|
| Veröffentlichung | Okt. 2022 | Juli 2023 | Juni 2024 | Okt. 2024 |
| Parameter | 0,9 Mrd. | 2,6 Mrd. (+ Refiner) | 2 Mrd. | 8 Mrd. |
| Native Größe | 512×512 | 1024×1024 | 1024×1024 | 1024×1024 |
| VRAM (fp16) | 4–6 GB | 8 GB | 10 GB | 19 GB (11 GB in fp8) |
| Tempo (unsere 12-GB-GPU) | ~4 s | ~20 s | — | — |
| Prompt-Verständnis | Stichwörter | Stichwörter, bessere Komposition | Sätze, mehrere Motive | am besten |
| Text im Bild | nein | selten | ja, kurz | ja |
| Künstlernamen | stark | stark | schwächer | schwächer |
| Community-Modelle | sehr viele | die meisten, mit Pony und Illustrious | wenige | wenige |
| Lizenz | OpenRAIL-M | OpenRAIL++ | Community-Lizenz (kostenlos unter 1 Mio. $ Umsatz) | |
| Auf dieser Seite testen | SD 1.5 | SDXL | SD 3 | — |
Stable Diffusion 1.5: das Arbeitspferd
Klein, schnell, endlos angepasst. Es gibt fotorealistische und Anime-Feintunings, ControlNet-Modelle, LoRAs und Embeddings für alles. Seine Schwächen sind die Basisauflösung von 512 px, Hände und ein wörtliches Lesen der Prompts. Für eine 6-GB-Karte, für Animation mit AnimateDiff und ControlNet-lastige Arbeit bleibt es die richtige Wahl. Das txt2img für Mitglieder dieser Seite läuft mit einem angepassten SD-1.5-Modell.
SDXL 1.0: Detail und Stil
Viermal so viele Pixel, ein zweiter Text-Encoder, ein Refiner für die letzten Schritte. Gesichter, Hände und Komposition haben sich stark verbessert, und Künstlernamen wirken stark und vorhersehbar, weshalb unser Vergleich von 1.731 Künstlern mit SDXL erzeugt wurde. Es braucht 8 GB und ist um ein Mehrfaches langsamer als 1.5: etwa 20 s gegenüber 4 s pro Bild auf unserer GPU. Destillierte Varianten (SDXL Turbo, LCM LoRA) kommen mit einem bis acht Schritten statt 25 bis 30 aus, bei etwas Qualitätsverlust.
Stable Diffusion 3 und 3.5: Verständnis und Text
Eine neue Architektur (Diffusion-Transformer mit drei Text-Encodern), die Sätzen statt Stichwortlisten folgt: „a red cube on a blue sphere, to the left of a green cone“ kommt meist richtig heraus, und kurzer Text in Anführungszeichen ist meist lesbar. 3 Medium hatte Anatomieprobleme, die 3.5 verringert hat; 3.5 Large ist das leistungsfähigste Modell der Familie, 3.5 Medium das ausgewogene. Künstlernamen und alte Negativ-Prompt-Gewohnheiten zählen weniger. Testen Sie Stable Diffusion 3 Medium hier.
Welches sollten Sie wählen?
- Lernen, 6-GB-Karte, ControlNet, AnimateDiff: SD 1.5.
- Illustration, Porträts, Künstlerstile, 8–12 GB: SDXL.
- Poster mit Text, komplexe Szenen, 12–16 GB+: SD 3.5 Medium oder Large.
- Keine GPU: die Online-Werkzeuge dieser Seite, ohne Konto.