Stable Diffusion 3.5 Large（ステーブルディフュージョンサンテンゴラージ）
Stability AIが2024年10月にリリースした8.1Bパラメータの大規模画像生成モデル。MMDiTアーキテクチャ・16チャンネルVAEを採用し、Community Licenseで商用利用の道を開いた。
Stable Diffusion 3.5 Large — オープンソース画像生成の新基準
SD 3.5 Largeとは
Stable Diffusion 3.5 Largeは、Stability AIが2024年10月22日にリリースした次世代画像生成モデルです。前作SD3の課題（解剖学的歪み・プロンプト追従性）を大幅に改善し、8.1Bパラメータの大規模モデルでFLUX.1やMidjourneyに匹敵する品質を達成しました。
アーキテクチャの特徴
MMDiT-X（Multimodal Diffusion Transformer）
SD3.5 LargeはSD3のMMDiTを進化させたMMDiT-Xを採用しています。主な改善点：
- クエリ・キー正規化: Attentionの安定性向上
- 改善されたポジションエンコーディング: 高解像度生成での品質維持
- デュアルストリームTransformer: テキストと画像を独立したストリームで処理後、融合
16チャンネルVAE
SD1.xの4チャンネルから16チャンネルVAEに拡張したことで：
- 細かいテクスチャの再現性向上
- 文字・記号の描写精度改善
- 色再現の忠実度向上
モデルラインナップ
| モデル | パラメータ | VRAM目安 | 特徴 |
|---|---|---|---|
| SD3.5 Large | 8.1B | 24GB（FP16）/ 16GB（8bit） | 最高品質 |
| SD3.5 Large Turbo | 8.1B | 24GB | 4ステップ高速版 |
| SD3.5 Medium | 2.6B | 10GB | バランス型 |
ライセンス体系（2025年時点）
SD3.5はStability AI Community Licenseを採用しています：
-
無料利用可能な条件:
- 個人利用・研究目的
- 年間収益500万ドル未満の商用利用
- Stability AI製品への組み込み（要申請）
-
Enterprise License（有料）が必要な条件:
- 年間収益500万ドル以上の商用利用
- クラウドAPIとして第三者に提供
- SaaS製品への組み込み（大規模）
このライセンスにより、スタートアップや個人開発者は実質的に無料でSD3.5を商用利用できます。
実際のセットアップ（ComfyUI）
# 必要なファイル（Hugging Face: stabilityai/stable-diffusion-3.5-large）
# 1. sd3.5_large.safetensors → models/checkpoints/
# 2. text_encoders/
# - clip_g.safetensors → models/clip/
# - clip_l.safetensors → models/clip/
# - t5xxl_fp16.safetensors → models/clip/ (16GB+ VRAM必須)
# - t5xxl_fp8_e4m3fn.safetensors → models/clip/ (低VRAM向け)
# diffusers経由での生成
from diffusers import StableDiffusion3Pipeline
import torch
pipe = StableDiffusion3Pipeline.from_pretrained(
"stabilityai/stable-diffusion-3.5-large",
torch_dtype=torch.bfloat16
)
pipe = pipe.to("cuda")
image = pipe(
"A majestic lion walking through golden savanna at dusk",
negative_prompt="",
num_inference_steps=28,
guidance_scale=3.5,
max_sequence_length=512,
).images[0]
image.save("output.png")
SD3.5のコミュニティエコシステム
2025年時点でCivitAIには数千のSD3.5対応LoRAが公開されています：
- キャラクター特化LoRA: アニメキャラ・実写風人物
- スタイルLoRA: 特定イラストレーターの画風
- プロダクトLoRA: 商品撮影・建築ビジュアライゼーション
- Controlnet: ポーズ制御・深度マップ・エッジ検出対応
よくある質問（FAQ）
Q: SD3.5 LargeとFLUX.1 Devはどちらが優れていますか？ A: 用途次第。人物・アニメ系はFLUX.1、フォトリアリズムはSD3.5が強い傾向。コミュニティのLoRA資産はまだFLUX.1の方が豊富。
Q: 8GBのGPUでも動きますか？ A: SD3.5 MediumならFP8量子化で8GB GPUでも動作可能。LargeはQ4量子化でも最低12GB程度必要。
Q: SD1.5向けのLoRAは使えますか？ A: SD3.5はアーキテクチャが根本的に異なるため互換性なし。SD3.5専用のLoRAを使用してください。