Stable Cascade

两者都出自 Stability AI，都是文生图模型，但生成方式不同。Stable Diffusion 走的是单阶段扩散路线，Stable Cascade 把生成拆成由粗到细的几个阶段，先出低分辨率骨架再逐级放大补细节。好处是每一级的算力和显存需求更可控，训练和微调时也更容易分模块处理。代价是它的社区生态、风格模型和插件积累还没有老牌模型那么厚。

Stable Cascade 以开源模型的形式发布，模型权重和推理代码可以自行获取，在自己的机器上运行不涉及按次付费。但如果把它部署到云服务器上跑，算力费用需要自己承担。官网未公开具体的商用授权细则，用于商业项目前建议先在官方页面确认许可范围。

它需要一块支持 CUDA 的独立显卡，因为三阶段级联架构对显存做了压缩，对显存的要求相对同类模型更温和，消费级显卡有跑起来的余地。具体需要多大显存取决于出图分辨率和你选择的阶段配置，建议先按官方给出的推荐配置核对，再决定是否本地部署。

可以直接用，但需要先过环境配置这一关。常见做法是把它接入图形化的前端界面，装好模型权重后在界面里输提示词出图，之后的操作和用其他文生图工具差别不大。难点在于第一次安装依赖、下载权重、配置路径这几步，纯新手建议先找一份完整的安装教程照着做。

可以。它的三阶段结构让训练可以分模块进行，不用每次把整个模型从头训一遍，因此适合在已有权重基础上做微调，训练出特定题材或个人风格的模型。不过微调本身需要额外的算力和数据集准备，属于进阶玩法，建议先把基础出图流程跑顺再考虑。

耗时取决于显卡性能、出图分辨率以及你选择的阶段配置。级联架构的好处是可以按需调整每一级的处理程度，想快就减少细化阶段，想出精品就多跑几步。实际速度建议用自己机器实测，同一套参数在不同显卡上的差异会比较明显。