Stable Diffusion 3（SD3）で検索すると、2024年前半の発表記事と、その後に登場したSD3.5の解説が入り混じって出てきます。混乱の原因ははっきりしています。発表時にアナウンスされた最大構成と、実際に配布された重みが一致しなかったからです。この記事では、SD3として何が公開され、何が公開されなかったのかを公式発表で確定させたうえで、2026年8月時点でSD3系を手元で動かすときの選択肢まで整理します。数値はすべて公式発表かリポジトリの実測値で、取得日を添えています。
まとめ｜Stable Diffusion 3の現在地と選ぶべきモデル
- SD3世代でオープンウェイトとして配布されたのは、20億パラメータのSD3 Mediumだけです（2024年6月12日公開）。
- 8Bクラスの重みが手元に降りてきたのは、2024年10月22日のSD3.5 Large（81億パラメータ）が最初です。
- 商用利用は年間収益100万米ドル未満なら無料です（Stability AI Community License、2024年7月5日発表）。
- これから触るならSD3 MediumではなくSD3.5 Mediumを選びます。Hugging Faceの直近30日ダウンロード数は107,238対2,687で、実利用はすでに置き換わっています（2026年8月15日取得）。
- 本家のAUTOMATIC1111はSD3には対応しましたが、SD3.5には対応していません。masterブランチは2024年7月27日から1コミットも進んでいません。同じUIでSD3.5まで使うなら派生版のForge（2025年2月27日に対応）を選びます。
以下では、この結論の根拠を公式発表とリポジトリの実測値で順に確認します。
Stable Diffusion 3として公開されたモデルの実体
発表時の「800M〜8B」と、実際に配布された20億パラメータ版
Stability AIがSD3を発表したのは2024年2月22日です。発表文はモデル群の規模を「The Stable Diffusion 3 suite of models currently ranges from 800M to 8B parameters.」と説明し、この時点ではまだ一般公開されていませんでした。案内されたのは順番待ちリスト経由の早期プレビューです。
重みが実際に配布されたのは、その約4か月後でした。2024年6月12日の発表でStability AIが公開したのは「2 billion parameter SD3 model」、つまりSD3 Medium 1本だけです。発表文はこのモデルを消費者向けPCやノートPCでも動く規模だと位置づけていました。8Bのモデルは、このときダウンロード対象に含まれていません。
「SD3 8B」が見つからない理由と、8Bオープンウェイトの到着時期
検索結果に「Stable Diffusion 3 8B」という表記が並ぶ背景には、2つの出来事が重なっています。ひとつは2024年2月の発表がモデル群の上限として8Bに触れたこと。もうひとつは、重みの配布より先にAPIでの提供が始まったことです。2024年4月17日にStability AIは「Stable Diffusion 3 and Stable Diffusion 3 Turbo are now available on the Stability AI Developer Platform API.」と告知し、同じ発表で「we aim to make the model weights available for self-hosting with a Stability AI Membership in the near future」と、自己ホスト用の重み公開を将来の予定として書いていました。
つまりSD3という名前は、まずAPIから触れる状態で広まり、ローカル用の重みは後から一部だけが降りてきました。配布されたのは20億パラメータ版だけで、81億パラメータ級の重みがSD3の名前で配られたことはありません。8Bクラスがローカルに降りてきたのは、2024年10月22日のSD3.5 Large（81億パラメータ）が最初です。
ここが実務上いちばん効きます。「SD3 8Bをローカルで動かす手順」を探しているなら、対象はSD3.5 Largeです。SD3の名前で8Bのローカル導入を説明している記事はこの4か月のずれを取り込めておらず、ファイル名もリポジトリ名も別物なので途中で必ず詰まります。
SD3とSD3.5の違い｜パラメータ・ファイル容量・実利用量
| モデル | 公開日 | パラメータ | 単体ファイル容量 | 直近30日DL数 |
|---|---|---|---|---|
| SD3 Medium | 2024-06-12 | 20億 | 4.34GB | 2,687 |
| SD3.5 Large | 2024-10-22 | 81億 | 16.46GB | 67,950 |
| SD3.5 Large Turbo | 2024-10-22 | Largeの蒸留版（数値は再掲なし） | 16.46GB | 8,112 |
| SD3.5 Medium | 2024-10-29 | 25億 | 5.11GB | 107,238 |
ファイル容量とダウンロード数はHugging Face APIから2026年8月15日に取得した実測値です。目を引くのは最下段で、SD3.5 MediumのダウンロードはSD3 Mediumの約40倍あります。パラメータ数は20億と25億でほとんど変わらないのに、この差がついています。SD3世代は事実上、後続に置き換えられたと読むのが妥当です。
選び方はGPUのメモリ量で決まります。パラメータ81億のSD3.5 Largeが上位モデル、25億のSD3.5 Mediumが省メモリ構成という関係です。Mediumは公式が動作条件を数値で示している唯一のモデルでもあります（後述の9.9GB）。プロンプトの試行回数を稼ぎたい場合は、4ステップ生成の蒸留版であるLarge Turboを選びます。ただしTurboはファイル容量がLargeと同じ16.46GBで、メモリを節約する目的では選べません。生成ステップ数を減らして待ち時間を縮める用途に限られます。
商用利用の条件｜Community Licenseの年商100万ドル基準
SD3 Mediumが公開された2024年6月時点のライセンス条件には、商用利用の範囲をめぐって反発がありました。Stability AIはこれを受けて2024年7月5日にStability AI Community Licenseを発表し、条件を整理しています。
現在の条件はシンプルです。年間収益がUSD $1M未満なら、研究・非商用に加えて商用利用も無料です。基準を超えた場合の扱いは発表文に明記されています。「Once your annual revenues exceed USD $1M (or local currency equivalent), you’ll need to contact Stability for a separate Enterprise license.」つまり自動的に有料プランへ移行するのではなく、個別の問い合わせが必要になります。
生成物については「Stability AI will never ask you to delete resulting images, fine-tunes or other derived products」と書かれています。条件が変わっても、それまでに生成した画像やファインチューニング済みモデルの削除を求められることはない、という趣旨です。SD3.5もHugging Faceのモデルカード上で同じCommunity Licenseが適用されています。
基準は米ドル建てで、円換算額は為替で動きます。年間収益がこの水準に近い事業では、確認の順序を間違えないでください。判断が分かれるのは生成した画像の権利ではなく、モデル自体を自社サービスに組み込むかどうかです。組み込む計画があるなら、実装前にEnterpriseライセンスの条件を確認しておくべきです。
ローカル実行に必要なVRAMとディスク容量
公式VRAM値はSD3.5 Mediumの9.9GBのみ
SD3.5の発表文でVRAMの具体的な数値が示されているのは、Medium 1つだけです。「only requires 9.9 GB of VRAM (excluding text encoders) to unlock its full performance」と書かれています。括弧書きを読み飛ばすと見積もりを外します。この9.9GBにテキストエンコーダは含まれていません。
SD3系はCLIP-G、CLIP-L、T5-XXLの3つのテキストエンコーダを併用する構成で、T5-XXLをfp16で読み込むと数GB分が上乗せされます。ComfyUIの公式案内はこの点について「t5xxl_fp16 is still recommended if you have more than 32GB RAM」と説明しており、判断基準がVRAMだけでなくシステムRAM側にも及ぶことを示しています。32GBに満たない環境ではfp8版のテキストエンコーダに切り替えます。量子化フォーマットの前提はFP8とは？8ビット浮動小数点フォーマットの基本とその仕組みで整理しています。
Large、Large Turbo、SD3 Mediumについて、Stability AIは公式にVRAM数値を出していません。これらを名指しで「必要VRAMは何GB」と断言している解説は、出典を確認したうえで扱ってください。実務的にはファイル容量から下限を見積もるのが現実的です。
ダウンロード容量とゲート付きリポジトリの通し方
ディスク側の見積もりは実測値で取れます。単体のsafetensorsはSD3.5 Largeが16.46GB、SD3.5 Mediumが5.11GB、SD3 Mediumが4.34GBです。SD3 Mediumにはテキストエンコーダを同梱した版もあり、CLIPのみを含む版が5.97GB、T5-XXLをfp16で含めた版が15.76GB、fp8で含めた版が10.87GBになります。T5同梱版を選ぶと、20億パラメータのモデルでも10GB超のダウンロードになります。容量を抑えたい場合はCLIPのみの5.97GB版から始めるのが無難です。
もう一段の落とし穴が、リポジトリのアクセス制限です。SD3系とSD3.5系のHugging Faceリポジトリはいずれもゲート付きで、ライセンスに同意したアカウントでないとファイルを取得できません。
pip install -U huggingface_hub
hf auth login
hf download stabilityai/stable-diffusion-3.5-medium sd3.5_medium.safetensors --local-dir ./modelsログインしていない状態でこの3行目を実行すると、進捗バーも出ないまま「Error: Access denied. This repository requires approval.」で停止します（huggingface_hub v1.27.0で確認）。先にモデルページを開いてライセンスに同意し、hf auth login でトークンを通しておけば回避できます。
コマンド名も変わりました。huggingface_hubのCLIは現在 hf で、従来の huggingface-cli は互換用のエイリアスとして残っているだけです。v1.27.0（2026年8月7日公開）のsetup.pyでは、後者の登録先が deprecated_cli になっています。古い解説の huggingface-cli download でも当面は動きますが、新しく書く手順書は hf に寄せておくべきです。
実行環境の選び方｜AUTOMATIC1111・Forge・ComfyUI・diffusersの対応範囲
AUTOMATIC1111はSD3止まり、Forgeは2025年2月にSD3.5対応
AUTOMATIC1111がSD3に対応していないという説明を見かけますが、正確ではありません。v1.10.0（2024年7月27日）のリリースノートには「Stable Diffusion 3 support」が機能として明記され、PR #16030、#16164、#16212が紐づいています。制約も同じ場所に書かれています。「Recommended Euler sampler; DDIM and other timestamp samplers currently not supported」、そして「T5 text model is disabled by default, enable it in settings」の2点です。T5を有効化しないままプロンプトの解釈精度を評価して「品質が低い」と判断するのは早計です。
問題はSD3.5のほうです。GitHub APIで確認すると、masterブランチの最新コミットは2024年7月27日（82a973c）で、これはv1.10.1タグが指すコミットと同一でした。SD3.5が公開されたのは2024年10月22日なので、masterには構造的に入りようがありません。devブランチは2026年3月2日まで動いていますが、2024年10月22日以降の75コミットはsetuptoolsのインストール失敗の修正、CLIPのインストール不具合の修正、GPU互換対応といった保守が中心で、新しいモデルアーキテクチャの追加は含まれていません（いずれも2026年8月15日時点）。
結論を言い切ります。本家のAUTOMATIC1111でSD3.5を動かす方法を探すのは時間の無駄です。SD3 Mediumまでなら現行のv1.10.1で動きますが、そこが上限です。
ただしAUTOMATIC1111系のUIを手放す必要はありません。派生版のForgeはSD3.5に対応済みです。PR #2688「SD3+」が2025年2月27日にマージされ、backend/diffusion_engine/sd35.py が追加されています。PR本文には動作確認済みの構成として、SD3.5 Mediumが「transformer+vae model, with CLIPs and T5 specified as additional modules」、SD3.5 Largeが「transformer only model in fp8, with VAE and TEs specified as additional modules」と記載され、img2imgやhires.fix、LoRA、GGUF量子化版も対象に挙がっています。単一ファイルで完結する本家と違い、テキストエンコーダを追加モジュールとして個別指定する点だけ注意してください。Forgeのmainブランチも最新コミットは2025年6月26日で、更新頻度は高くありません。
ComfyUIとdiffusersという2026年時点の現実解
更新が続いているGUIはComfyUIです。SD3.5の公開当日である2024年10月22日に対応が告知され、最新リリースはv0.33.1（2026年8月13日）です。配置先はチェックポイントが models/checkpoints、テキストエンコーダの clip_g.safetensors、clip_l.safetensors、t5xxl_fp16.safetensors が models/text_encoders です。公開当時の案内は models/clip と書かれていますが、v0.33.1 の folder_paths.py は text_encoders を第一の探索先、clip を旧名として扱う実装になっています。ノードベースの操作に不慣れな場合は、同じくComfyUIで動かすWan2.2のComfyUI導入手順が参考になります。
コードから呼び出すならdiffusersです。0.39.0（2026年7月3日公開）のソースにも StableDiffusion3Pipeline と StableDiffusion3Img2ImgPipeline が残っており、SD3系は現役でサポートされています。以下はStability AI公式モデルカードに掲載されている実行例です。事前に pip install -U diffusers と、環境に合ったPyTorchの導入が必要になります。
import torch
from diffusers import StableDiffusion3Pipeline
pipe = StableDiffusion3Pipeline.from_pretrained(
"stabilityai/stable-diffusion-3.5-medium",
torch_dtype=torch.bfloat16
)
pipe = pipe.to("cuda")
image = pipe(
"A capybara holding a sign that reads Hello World",
num_inference_steps=40,
guidance_scale=4.5,
).images[0]
image.save("capybara.png")コード例の pipe.to("cuda") が示すとおり、bfloat16で読み込んでもGPU側にモデル全体を載せる前提です。16.46GBのSD3.5 Largeを常時動かせるGPUを自前で用意できない場合は、時間貸しのGPUクラウドで必要な時間だけ借りる構成に切り替えられます。選定の観点はGPUクラウドの料金と選び方にまとめています。
拡張の可用性｜SDXL資産の非互換とLarge限定の公式ControlNet
SDXL向けLoRAが読み込めない理由
LoRAの読み込み口はdiffusers側に用意されています。0.39.0のloadersモジュールにSD3LoraLoaderMixinが公開されており、SD3系向けのLoRA重みを扱えます。
問題は既存資産の互換性です。SD3系はMMDiT系のアーキテクチャで、SDXLのUNetとは構造が異なります。そのためSDXL向けに配布されたLoRAはそのままでは読み込めません。SD1.5やSDXLで蓄積したLoRA資産をそのまま持ち込む前提で移行を計画すると、ここで手が止まります。SD3 Medium向けとSD3.5向けもパラメータ規模が違うので、同じSD3系というだけで流用できると考えないでください。
公式ControlNetはSD3.5 Large向けの3種のみ
ControlNetはSD3.5 Large向けに公式版があります。Blur、Canny、Depthの3種類で、stabilityai/stable-diffusion-3.5-controlnets が2024年11月15日、個別リポジトリが同年11月25日に作成されています。
構図やエッジを固定した生成が要る案件では、この3種で足りるかどうかが実装可否の分かれ目になります。SD3 Medium向けの公式ControlNetは用意されていないため、制御が必要な用途では最初からSD3.5 Largeを選んでください。省メモリを優先してMediumを選ぶと、後から制御手段を足せません。
Stability AIの開発状況｜2024年10月以降に公開されたもの
「Stable Diffusionの開発は終了したのか」という疑問は、検索結果の関連質問にも出てきます。Hugging Faceのstabilityaiオーガニゼーションを作成日の降順で確認した結果（2026年8月15日取得）で答えます。以下は代表例です。
- SD3.5 Medium（2024年10月29日）以降、オープンウェイトとして新規の基盤画像生成モデルは公開されていません。
- SD3.5向けControlNetが2024年11月に追加されています。
- TensorRT最適化版が2025年5月と8月、AMD NPU向け版が2026年2月と5月に公開されています。SD3.5 MediumとSD3 MediumのAMD NPU版は2026年5月1日の作成です。
- 画像以外では、Stable Audio 3が2026年5月、3D系のstable-point-aware-3dが2024年12月、sp4dが2025年11月、カメラ制御のstable-virtual-cameraが2025年2月に公開されています。
読み取れることは2つあります。開発そのものは止まっていません。2026年5月にSD3とSD3.5をAMD NPU向けへ再パッケージしているので、SD3系は今も配布とメンテナンスの対象です。一方で、画像生成の基盤モデルはSD3.5から更新されておらず、Stability AIの手は音声・3D・実行環境の高速化に振られています。
だからSD3.5を選ぶ判断は、当面ひっくり返りません。逆に言えば、2024年10月時点の画質が上限だということでもあります。最新の画質水準を求める案件では、FLUX.2の5モデルの違いと選び方のように別系統のモデルを並べて評価したほうが結果が出ます。系統ごとの得意分野はMidjourneyなど他の画像生成AIとの比較ポイントで整理しています。
よくある質問
Stable Diffusion 3とは何ですか？
Stability AIが2024年2月22日に発表した画像生成モデル群です。発表時は800Mから8Bまでの複数サイズが計画されていましたが、オープンウェイトとして実際に配布されたのは2024年6月12日公開の20億パラメータ版、SD3 Medium 1本だけでした。従来のUNet系とは異なるMMDiT系のアーキテクチャを採用し、プロンプト内の文字の描画精度が改善しています。2026年8月時点では後継のSD3.5シリーズが実利用の中心です。
Stable Diffusion 3は無料で使えますか？
年間収益が100万米ドル未満の個人・法人であれば、研究用途と非商用に加えて商用利用も無料です。2024年7月5日発表のStability AI Community Licenseにもとづきます。年間収益がこの基準を超える場合は、Stability AIに個別に問い合わせてEnterpriseライセンスを取得する必要があります。なお、モデルの重みをダウンロードするにはHugging Faceでライセンスへの同意が必要で、同意していないアカウントではファイルを取得できません。
Stable Diffusion 3の後継モデルはどれですか？
SD3の後継はSD3.5シリーズです。2024年10月22日にLarge（81億パラメータ）とLarge Turbo、10月29日にMedium（25億パラメータ）が公開されました。2026年8月時点で、オープンウェイトとしてこれより新しい基盤の画像生成モデルはStability AIから公開されていません。Hugging Faceの直近30日ダウンロード数はSD3.5 Mediumが107,238、SD3 Mediumが2,687で、利用実態もSD3.5側に移っています。
AUTOMATIC1111でStable Diffusion 3は動きますか？
SD3 Mediumなら動きます。v1.10.0（2024年7月27日）でStable Diffusion 3対応が入りました。ただしサンプラーはEulerが推奨で、DDIMなどのタイムスタンプ系サンプラーは未対応、T5テキストモデルは初期状態で無効なので設定から有効化が必要です。SD3.5は本家では動きません。masterブランチの最新コミットが2024年7月27日で止まっており、SD3.5の公開日より前だからです。SD3.5まで使いたい場合は、2025年2月27日に対応が入った派生版のForge、またはComfyUIとdiffusersを選んでください。
Stable Diffusion 3をローカルで動かすには何GBのVRAMが必要ですか？
Stability AIが公式に数値を示しているのはSD3.5 Mediumだけで、テキストエンコーダを除いて9.9GBです。テキストエンコーダのT5-XXLをfp16で読み込む場合はさらに上乗せされ、ComfyUIの公式案内ではシステムRAMが32GBを超える環境で推奨とされています。それ未満ならfp8版に切り替えます。ディスク側は、単体ファイルでSD3.5 Largeが16.46GB、SD3.5 Mediumが5.11GB、SD3 Mediumが4.34GBです。
