字数 1630，阅读大约需 9 分钟

摘要（发布时填入公众号摘要栏，不进入正文）：8 月初，GLM、Kimi、MiniMax、火山方舟的官方定价页都有更新，其中 GLM 刚完成套餐改版、Kimi 新用户订阅仍受限、火山方舟 2.5 折活动进行中。本文整理四家官方在售的档位与价格（核验日期：2026-08-07），不替你做“哪家最划算”的结论，下单前请以官方页面当天显示为准。

AI 订阅的价目表几乎月月在变。7 月下旬到现在，四家官方页面都更新过：智谱把 GLM Coding Plan 改版成积分制套餐，Kimi 暂停了新用户订阅，火山方舟的 2.5 折活动还在进行中。这篇文章把四家官方在售的档位和价格整理到一起，核验日期是 2026 年 8 月 7 日。我不替你做“哪家最划算”的结论，下单前回官方页面看一眼当天价格最保险。

下单前先想清楚三件事

1. 1. 你主要拿它做什么。 写代码、跑 Agent，还是做多模态（图像、语音、音乐）？四家侧重不同。
2. 2. 额度口径是什么。 有的按“每 5 小时窗口 + 每周额度”，有的按会员等级给功能。额度耗尽后多久恢复，直接决定你够不够用。
3. 3. 账单周期和折扣。 年付、连续包季、限时活动价差别很大，续费价格不一定等于首月价格。

GLM（智谱）：三档编码套餐

GLM Coding Plan 7 月 30 日改版为积分制，官方公告里直接给了个人版价格：Lite ¥49/月、Pro ¥149/月、Max ¥469/月。连续包季 9 折，折合每月 44.1 / 134.1 / 422.1 元；包年 8 折，折合每月 39.2 / 119.2 / 375.2 元。

三档都支持 GLM-5.2、GLM-5-Turbo、GLM-4.7。额度按“每 5 小时积分 + 每周积分”算：Lite 是 2,000/10,000，Pro 是 12,000/60,000，Max 是 28,000/140,000。工作日 14:00～18:00 之外算非高峰，调用只按 0.5 倍积分扣，周末全天都算非高峰。

还有一点：套餐额度只能在官方支持的编码工具里用（Claude Code、OpenCode、TRAE 等），直接调 API 不享受套餐额度。

Kimi：四档付费会员

Kimi 会员官方定价页目前列出四档：Andante、Moderato、Allegretto、Allegro。年付折合每月 ¥39 / 79 / 159 / 559；月付对应 ¥49 / 99 / 199 / 699。Allegro 解锁 K3 的超长对话，最多 100 万 token 上下文，Agent 并行任务从 1 个提到 4 个。

K3 API 按量计费：输入 ¥20/百万 token（缓存命中 ¥2），输出 ¥100/百万 token。

但要注意：7 月 19 日 Kimi 官方宣布暂停 C 端新用户付费订阅，把算力优先留给已订阅用户；7 月 20 日官方帮助中心进一步说明新套餐暂未开放购买。截至 8 月 7 日未见恢复公告，以下单时会员页的实际可购状态为准。

MiniMax：Token Plan 三档，多模态共享额度

MiniMax Token Plan 按月订阅：Plus ¥49、Max ¥119、Ultra ¥469。文本、图像、语音、音乐共享同一份额度；额度窗口是每 5 小时固定窗口 + 周窗口，Agent 用量约 3-4 / 4-5 / 6-7 个。

套餐外还有积分包（¥30 / ¥150 / ¥500），1,000 积分 = ¥7，套餐额度用完按量抵扣。少数特殊模型（MiniMax H3、音色设计、快速复刻）暂不支持套餐额度。

火山方舟：Coding Plan + Agent Plan 两套

火山方舟有两套套餐：Coding Plan（Lite、Pro 两档）面向编程，Agent Plan（Small、Medium、Large、Max 四档）覆盖非编码的 Agent 任务，支持 Codex、Claude Code、OpenCode、OpenClaw、TRAE 等工具。Agent Plan 的 Small、Medium 两档官方标注不支持视频生成，需要视频生成建议选 Large 或 Max。

价格方面，官方文档刊例价为：Coding Plan Lite ¥40/月、Pro ¥200/月；Agent Plan Small ¥40/月、Medium ¥200/月（Large、Max 官方文档未直接列出价格）。当前有官方 2.5 折普惠活动（2026-06-08 至 2026-11-08）：所有用户新购、续费或升配，首两个月 Lite、Small 都是 ¥9.9/月，Pro、Medium 都是 ¥49.9/月，第三个月起恢复原价；名额有限，先到先得。活动页显示的“限时 9.9 元起”与此一致。

一张对照表

下单前再核对一次

价格和可购状态变得很快，本文核验日期是 2026-08-07，下单前回各平台官方页面复核。拿不准的话，先用限时活动价或低价档跑一周真实任务，再决定要不要年付——这比看任何整理帖都准。

参考资料

• • GLM Coding Plan 套餐概览（智谱官方文档，2026-07-22 更新）^[1]
• • GLM Coding Plan 老用户权益说明与 V2 价格表（智谱官方公告，2026-07-30）^[2]
• • Kimi K3 价格：套餐、会员与 API 费用（Kimi 官方，2026-08-07 更新）^[3]
• • Kimi 关于会员订阅套餐调整的说明（Kimi 官方帮助中心，2026-07-20）^[4]
• • MiniMax Token Plan 订阅定价（官方文档，2026-08-04 访问）^[5]
• • 火山方舟 Coding Plan 套餐概览（官方文档，2026-08-04 更新）^[6]
• • 火山方舟 Agent Plan 套餐概览（官方文档，2026-08-04 更新）^[7]
• • 方舟 Coding Plan 2.5 折普惠活动（官方文档，2026-06-08 至 2026-11-08）^[8]
• • 方舟 Agent Plan Small & Medium 2.5 折普惠活动（官方文档，2026-06-08 至 2026-11-08）^[9]
• • 方舟 Coding Plan 活动页（动态页面，2026-08-07 快照显示“限时 9.9 元起”）^[10]
• • Kimi 暂停 C 端新用户订阅说明（官方公告，2026-07-19）^[11]

引用链接

[1] GLM Coding Plan 套餐概览（智谱官方文档，2026-07-22 更新）: https://docs.bigmodel.cn/cn/coding-plan/overview
[2] GLM Coding Plan 老用户权益说明与 V2 价格表（智谱官方公告，2026-07-30）: https://docs.bigmodel.cn/cn/coding-plan/notice/usage-revision
[3] Kimi K3 价格：套餐、会员与 API 费用（Kimi 官方，2026-08-07 更新）: https://www.kimi.com/zh-cn/resources/kimi-k3-pricing
[4] Kimi 关于会员订阅套餐调整的说明（Kimi 官方帮助中心，2026-07-20）: https://www.kimi.com/zh-cn/help/kimi-blackboard/plan-adjustment-notice
[5] MiniMax Token Plan 订阅定价（官方文档，2026-08-04 访问）: https://platform.minimaxi.com/docs/guides/pricing-token-plan
[6] 火山方舟 Coding Plan 套餐概览（官方文档，2026-08-04 更新）: https://docs.volcengine.com/docs/82379/1925114?lang=zh
[7] 火山方舟 Agent Plan 套餐概览（官方文档，2026-08-04 更新）: https://docs.volcengine.com/docs/82379/2366394?lang=zh
[8] 方舟 Coding Plan 2.5 折普惠活动（官方文档，2026-06-08 至 2026-11-08）: https://docs.volcengine.com/docs/82379/2525065?lang=zh
[9] 方舟 Agent Plan Small & Medium 2.5 折普惠活动（官方文档，2026-06-08 至 2026-11-08）: https://docs.volcengine.com/docs/82379/2525063?lang=zh
[10] 方舟 Coding Plan 活动页（动态页面，2026-08-07 快照显示“限时 9.9 元起”）: https://www.volcengine.com/activity/codingplan
[11] Kimi 暂停 C 端新用户订阅说明（官方公告，2026-07-19）: https://m.thepaper.cn/newsDetail_forward_33618490

有人说，中国大模型已经追平美国；也有人说，中美 AI 仍差一代。

两边未必都在胡说。问题是，他们比较的往往不是同一件事。

有人只看最强模型，有人看一年能推出多少头部模型；有人看论文专利，有人看芯片、数据中心和融资；还有人更关心 AI 有没有真正进入工厂和业务。

把这些指标揉成一个“综合分”，答案一定会失真。

2.7%，到底是什么差距？

Stanford 2026 AI Index 称，截至 2026 年 3 月，排名最高的美国模型领先排名最高的中国模型 2.7%。从 2025 年初起，中美模型还多次交换榜首位置。

这足以说明：中美顶尖模型已经进入同一个竞争区间。

但它只是特定时间、特定榜单、各自最强模型之间的比较。Stanford 也提醒，一些常用基准存在无效题目、数据污染和针对榜单优化等问题。

所以，2.7% 不能被改写成“中国 AI 全体系只比美国差 2.7%”。

顶尖模型接近，不等于持续产出相同

把视角从“最强的一款”拉到“一整年的产出”，差距又出现了。

Stanford 统计，2025 年美国机构产生了 59 个重要模型，中国是 35 个。这里的“重要模型”是 AI Index 按影响力和技术特征筛选的集合，并非市场上所有模型。

美国仍有更多前沿团队同时推进下一轮探索；但 35 个也说明，中国已经形成了能连续推出头部模型的产业群，不再只是偶尔有一款模型冲上榜单。

论文和专利：中国的规模优势很明显

换到研究和专利，画面又反过来了。

Stanford 报告显示，中国在 AI 论文数量、引用数量和专利授权数量上领先，美国则在高影响力专利等指标上更强。

WIPO 2026 年 7 月更新的数据更直观：仅 2024—2025 年，中国发明人贡献的生成式 AI 专利族就超过 4.3 万个。美国也在加速，从 2023 年约 1185 个增长到 2025 年超过 4380 个。

下面这张 WIPO 原图显示的不是宣传口径，而是按发明人所在地统计的专利族。灰色为 2014—2023 年累计，紫色为 2024—2025 年两年新增。

数量并不等于技术价值。专利制度、申请策略、海外布局和审查周期都会影响结果。但“质量还要再看”也不能被用来抹掉中国已经形成的规模优势。

最难追的差距，藏在模型背后

聊天框看起来很轻，背后却是一套重系统：先进芯片、数据中心、电力、云平台、人才和融资。

Stanford 统计，美国拥有 5427 个数据中心，超过任何其他国家十倍以上。这个数字不能直接换算成 AI GPU 数量，却能反映其基础设施和云服务体系的密度。

按私人投资口径，2025 年美国 AI 私人投资约为中国的 23 倍。这里不能漏掉“私人”二字：中国的政府引导基金、地方投资和产业资本，并不完全进入同一统计口径。

即便如此，美国前沿公司更容易承担昂贵训练、数据中心建设和多轮失败的成本，仍是当前最明显的结构性优势。

中国走出了另一条竞争路径

资源限制不只会拉开差距，也会改变创新方向。

2026 年 6 月一篇尚未同行评审的研究发现，在先进芯片和算力限制加强后，中国开发者对开放大模型仓库的参与明显增加，中国开放模型也更广泛地进入社区和科研使用。

这项研究的因果解释仍需验证，但趋势值得注意：当最昂贵的算力路线受限，开放权重、本地适配、模型压缩和工程效率就会变得更重要。

到了产业侧，中国也并非单方面落后。中国占 2024 年全球工业机器人新增安装量的 54%。这不能证明机器人芯片、控制系统和模型都已领先，却说明中国有把 AI 和自动化放进大规模制造场景的现实土壤。

所以，真实差距究竟有多大？

如果只看最强模型，差距已经很小，2.7% 是一个有依据但范围有限的快照。

如果看持续研发、算力、资本和关键平台，美国仍然领先。

如果看论文专利规模、开放模型追赶速度和制造业部署，中国已经在多个指标上占优。

因此，更接近事实的答案不是“已经全面追平”，也不是“仍然落后一代”，而是：

顶尖模型能力正在收敛，体系能力仍有结构性差异；两国的优势，也分布在不同层面。

对普通用户来说，没必要先判断“哪个国家赢了”，再决定用哪个模型。具体任务、价格、稳定性、隐私边界和生态，仍是更实用的选择标准。

榜单会继续变化。决定长期差距的，是榜单背后的整套系统。

参考资料

1. Stanford HAI, 2026 AI Index Report: Technical Performance
2. Stanford HAI, 2026 AI Index Report: Research and Development
3. Stanford HAI, 2026 AI Index Report: Economy
4. WIPO, Patent Landscape Report: Generative Artificial Intelligence
5. WIPO, SPARK: Patent Trends Update in GenAI
6. Wang Jin 等, U.S. Policies Unintentionally Accelerated China’s Open AI Ecosystems（预印本）

图片说明：WIPO 图表依据 CC BY 4.0 使用；机房照片由 Kevin Ache 拍摄，依据 Unsplash License 使用；封面为 AI 生成的概念插画，不承载事实数据；其余图表由作者依据文中注明的数据源重绘。

2026 年 7 月 16 日，Kimi 官方发布 Kimi K3。四天后，美联社报道，月之暗面因需求接近当前容量上限，暂停了新订阅，并优先保障已有订阅用户。

这件事很容易被理解成一次普通的“服务器挤爆了”。

但把它和一个月前发布的 GLM-5.2 放在一起看，会出现一个更值得关注的信号：

前沿模型正在争夺的，不再只是一次回答的分数，而是长任务的交付能力。

两款新模型，都在强调“长任务”

Kimi 官方将 K3 称为目前能力最强的模型：总参数量 2.8 万亿，最高支持 1M token 上下文，并重点强调长时间编程、知识工作和复杂工程任务。

Z.ai 在 6 月 16 日发布 GLM-5.2 时，也把“长任务”写进了标题。官方同样给出 1M token 上下文，并介绍了为长上下文设计的新架构和推理服务优化。

这里的 1M token 是什么概念？

上下文窗口可以粗略理解为模型一次工作时能够看到的材料范围。它可能包括你的问题、历史对话、代码文件、参考资料和工具返回的结果。

窗口变大，意味着模型有机会在一次任务中接触更多材料。但“装得下”“理解得好”和“稳定交付”，是三个不同层次的问题。

概念图：百万上下文可以容纳更多材料，但不代表模型一定能够稳定理解和交付。

为什么上下文越长，服务压力越大？

模型处理长上下文，需要在推理过程中保存和读取大量中间状态。

其中一个常见概念叫 KV cache，可以把它理解为模型的“注意力工作缓存”：为了避免每生成一个新 token 都从头计算，系统会保留前面内容的部分中间结果。

上下文越长、并发用户越多，这份缓存占用和调度压力就越明显。

概念图：上下文长度、缓存占用、并发量和输出速度需要共同争夺有限的计算资源。

Z.ai 在 GLM-5.2 的技术说明中专门讨论了这个问题。官方称，新架构降低了 1M 上下文下的部分计算量，但并没有让 KV cache 的大小按比例下降。因此，长上下文、并发量和输出速度，仍然需要在有限 GPU 资源之间权衡。

这也解释了为什么：

“模型支持 1M”与“用户能稳定、低成本地用好 1M”，是两件不同的事。

Kimi K3 发布后暂停新订阅，并不能单独证明具体是哪一个技术环节遇到了瓶颈。月之暗面对外确认的是，短时间内的需求已经接近当前容量上限，平台需要优先保障已有用户并继续扩容。

但这次事件至少把“交付能力”推到了台前。

百万上下文，不应该只是一个更大的输入框

对于普通用户，真正有意义的问题不是模型能塞进多少本书，而是它能不能在一项持续很久的任务里：

• 找回前面已经给出的约束；
• 正确引用分散在不同文件中的信息；
• 根据工具返回的结果调整下一步；
• 在中途加入新要求后不破坏已有成果；
• 最终给出可以检查、可以运行或可以发布的结果。

如果只是把大量资料一次性扔进输入框，再问一个简单问题，百万上下文很可能只是昂贵的“资料仓库”。

长任务能力真正产生价值，需要上下文检索、推理、工具调用、缓存和服务调度一起工作。

Kimi 的官方材料也给出一个很实际的提醒：K3 的 1M 上下文并非对所有会员层级开放；切换模型还会让既有上下文缓存失效，导致刚切换后的消耗增加。

这些产品细节，比单看一张发布会榜单更接近真实使用成本。

不看榜单，普通用户怎么验证？

最简单的方法，是准备一个自己熟悉、结果可以验收的长任务，而不是照搬厂商评测。

如果你是内容创作者，可以给模型一个包含十几份资料的选题包，要求它依次完成信息索引、事实核查、初稿、修改和最终检查。

如果你是开发者，可以给它一个真实代码仓库，连续提出三个相互依赖的改动，再检查测试结果和返工次数。

如果你是产品经理，可以让它读取需求、用户反馈和历史决策，在中途加入一项新约束，观察它能否发现冲突并更新交付物。

记录四件事就够了：

1. 最终结果是否通过验收；
2. 中途需要人工接管多少次；
3. 总耗时和实际消耗；
4. 失败后能否从现场继续，而不是推倒重来。

真正的竞争，已经延伸到模型之外

Kimi K3 暂停新订阅，并不能直接证明模型好或不好；GLM-5.2 的官方榜单，也不能证明它适合所有任务。

它们共同说明的是：当模型开始处理百万上下文和更长的工作链条，竞争对象已经从单次回答，扩展到了整套推理基础设施和交付能力。

下一次看到“1M 上下文”时，可以先别问它能装多少内容。

先问一个更实际的问题：它能否把一项长任务，从材料读到最后的可验收结果？

参考资料：

• Kimi Code 官方更新日志：Kimi K3
• Kimi 官方：新订阅容量说明
• Z.ai：GLM-5.2: Built for Long-Horizon Tasks
• 美联社：Moonshot AI halts new subscriptions after surging demand

朋友们，春节假期刚结束，科技圈却炸了锅！一款叫「Pony Alpha」的神秘模型，竟在OpenRouter平台悄无声息上线，短短几天引发全球开发者狂欢。Reddit上的话题热度直逼#AI #coding，连ChatGPT都跳出来调侃：“这哪是模型？分明是春节的礼物！” 你猜对了吗？

当「小马模型」横空出世：春节档的AI狂欢

2026年正逢农历马年，“Pony Alpha”这名字像在向全世界招手。OpenRouter上这款匿名模型，直接把全球开发者点燃：有人猜是Claude新版本，有人认为是Codex 4.6，甚至有人狂刷Llama 5——但所有猜测中，最扎心的却是网友那句：「大概率是中国模型！」

为啥这么猜？因为马年春节，中国科技圈正憋着大招。 智谱AI早在2月初就官宣：“计划在未来两周内发布新模型”，首席科学家唐杰老师甚至发帖吊足胃口。而这款「Pony Alpha」恰恰是2月6日上线的，时间精准对上！

更绝的是，它免费开放使用，200K上下文窗口+131K输出，能直接写前端代码——连OpenRouter都公开说：“针对智能体工作流做了深度优化，工具调用准到离谱。”

实测神级：200K上下文，一个前端顶十个

这可不是吹的！Pony Alpha的实测案例，直接让开发者集体破防：

• • 全球收音机直播站：单文件搞定35个电台，UI流光溢彩，500行代码直接跑出专业级效果（网友感叹：“比原生APP还丝滑！”）
• • 音乐播放器：“你推荐”“收藏夹”全链路打通，前端交互像苹果官方产品，UI设计干净精致到不行—— 一位开发者说：“这哪是模型？分明是架构师思维！”
• • 3D游戏：3小时做出《精灵宝可梦·红宝石》复刻版，动画流畅到让人直呼“比原版更还原”

最炸的是，它连SVG图形处理都逼近Claude Opus 4.6！ 开发者实测：单提示词就能输出2200行代码——“带中国模型的精致感，但代码干净到极致”（网友原话）

证据链曝光：GLM-5的马年玄机

为什么这么多人坚信它是GLM-5？三条铁证直戳心脏：

1. 1. 模型自曝身份：在OpenRouter设置“自定义提示符”后，它直接回应：“I’m GLM, a large language model developed by Z.ai” ——这哪是模型？分明是身份认证！
2. 2. 分词器暗号：网友用特殊字符串做PoC测试，结果和GLM-4完全一致——这绝不是巧合，而是同一套技术基因！
3. 3. 中国风DNA：实测结果太像GLM了——“带中国模型的味道，但更干净精致”。就连Kilo Code合作方也私下透露：“这是某个全球实验室最受欢迎的开源模型专项进化版。”

更绝的是时间线：智谱官宣“两周内发布新模型”，而Pony Alpha正是在这一时间节点上线。正如行业观察者所说：“中国模型不再需要靠‘对标GPT-4’来证明自己，它们能匿名走上全球舞台，让开发者自己用体验说话。”

股价暴涨36%：国产AI的真正底气

当真相浮出水面，市场瞬间沸腾！2月9日，智谱股价一度涨38%，总市值逼近1500亿港元。 有股民直呼：“Pony Alpha才是春节送的真·彩蛋！”

背后的逻辑简单粗暴：国产大模型已不是“追赶者”，而是“定义者”。 MiniMax、DeepSeek、Kimi轮番上阵，但智谱GLM-5凭一己之力，让全球开发者在不知情的情况下“真香”——这不正是中国科技的底气？

中国AI的破圈时刻：不止模型，更是精神觉醒

朋友们，Pony Alpha的真正意义，远超模型本身。它打破了“AI需要品牌背书”的魔咒，用“裸体验”告诉世界：中国科技，从不需要标签来证明自己。

当Reddit上外国开发者集体喊话：“This is China’s gift to the world!”；当智谱股价因“匿名奇迹”创新高；当DeepSeek、Kimi的玩家纷纷退潮……中国AI已站上新台阶：技术不靠口号，实力无需解释。

正如一位开发者说：“
Pony Alpha不是模型，它是马年春节送我们的一封家书——写着‘中国AI，已准备好与世界对话’。”

你猜对了吗？

这个春节，我们见证了中国科技最酷的“匿名登场”。Pony Alpha是谁？是GLM-5？是国产大模型的崛起？

评论区聊聊你的猜测吧！
你是第一个猜出它的朋友吗？
你最想用Pony Alpha实现什么？
中国AI，会否下一个“爆破全球”？

评论区等你：让世界见证，中国技术无需标签，也能惊艳全球！

深度思考： AI行业正从“技术争霸”转向“体验战争”。当国产模型匿名崛起，中国科技的真正底气，是让世界“用脚投票”——而Pony Alpha，就是这一战的开篇。

就在刚刚，硅谷AI圈上演了一场”火星撞地球”的科技春晚！Anthropic和OpenAI几乎同时发布了自己的王牌AI模型——Claude Opus 4.6 和 GPT-5.3 Codex。这哪是更新，分明是两家巨头的”中门对狙”，火药味直冲天灵盖！

一场编程界的”奥斯卡”争夺战

说真话，这个消息让我凌晨三点才睡着。毕竟，我们这些靠代码吃饭的程序员，已经习惯性地将GPT和Claude当作工具箱里的”万能螺丝刀”。但这次，两家巨头不是简单地升级了模型，而是在编程能力、长文本处理和AI自主进化这三个维度上开打了一场硬仗。

Claude Opus 4.6在Terminal-Bench 2.0测试中得分65.4%，而GPT-5.3 Codex则以77.3%的得分强势碾压。这可不是小差距，而是质的飞跃！在OSWorld-Verified测试中，GPT-5.3 Codex得分64.7%。

更令人惊叹的是，Claude Opus 4.6在GDPval-AA这个经济价值工作测试中，以1606 Elo分大幅领先GPT-5.2（1462分），这个差距相当于有70%的概率战胜对手。而在ARC AGI 2这种测试流体智力的项目上，Claude Opus 4.6直接飙到68.8%，几乎摸到7字头了。

深度思考 vs 快速执行

这是一场思维模式的对决：Claude Opus 4.6是”高上限，高方差”的天才型选手，而GPT-5.3 Codex则是”高可靠，低方差”的工程师型选手。

Dan Shipper这位知名AI评测人曾这样形容：Claude Opus 4.6能解决让iOS团队卡了两个月的功能难题，但偶尔会”过度自信”，胡说八道；而GPT-5.3 Codex虽然在创造性任务上稍逊一筹，但”推理速度提升25%，几乎不犯低级错误”。

最让我眼前一亮的是GPT-5.3 Codex的”自我进化”能力——这是OpenAI首次让AI参与自身开发。在真实测试中，GPT-5.3 Codex不仅能自己修复bug，还能在几小时内构建出包含多张地图的赛车游戏和深海潜水游戏！

谁更适合你？我的实测建议

如果你是需要处理大型代码库、长文本理解的开发者，Claude Opus 4.6绝对是首选。它支持100万token上下文窗口，能处理相当于75万英文单词的内容。在MRCR v2测试中，它在”大海捞针”任务上得分76%，碾压了Sonnet 4.5的18.5%。

而如果你需要快速迭代、稳定交付，GPT-5.3 Codex会是更好的选择。它用更少的token完成任务，速度提升25%，完美适合日常编码和运维任务。

最让人震撼的是，GPT-5.3 Codex在办公软件集成方面也有重大突破。它能像真人一样操作Excel和PowerPoint，在构建网页时自动将年度计划换算成打折后的月付价格，甚至贴心地自动补充用户评价轮播。

谁在背后推动这场AI春晚？

这次发布会的背后，有着更宏大的战略意图。两家公司都计划在2026年下半年到2027年启动上市程序，现在正是证明自己技术实力的关键时刻。

就在两周前，英伟达刚向Anthropic投资100亿美元，消息传出后不到72小时，就向OpenAI注资200亿美元。黄仁勋的算盘打得很清楚：两边都押注，谁赢都不亏。

这是一场技术资本化的盛宴——谁的模型更强，谁在实际应用中更有说服力，谁就能在IPO时要到更高的价格，拿到更多的筹码。

你的位置在哪？

我们已经进入了一个新时代：AI不再只是辅助工具，而是能自主思考、协作、进化的同事级伙伴。如果你还在用上一代AI模型，可能已经落后了。

但别担心，这是一场共赢的较量。就像我常说的：“技术在进步，但人类的智慧永远站在顶端。”

下次当你在代码中遇到瓶颈，不妨试试这两款模型，看看哪个能成为你的”AI搭档”。

AI不会取代人类，但会改变我们与工作的关系。

你更希望拥有一个能自由发挥的”天才”，还是一个可靠稳定的”老黄牛”？欢迎评论区分享你的想法！

Adobe发布Acrobat AI助手，PDF互动新体验

摘要：Adobe公司近日宣布，继2月推出测试版后，Acrobat AI 助手已在Acrobat Reader、桌面和网页上全面推出。以每月4.99美元的附加订阅形式提供，此项服务旨在利用生成式AI改变用户与文档的互动方式，如提取关键信息、总结内容等，有助于纳税人、消费者及学生等多种用户需求。Adobe强调，保护隐私，不会未经同意使用客户数据训练AI。目前，此AI助手仅支持英语，但计划在未来支持更多语言。早鸟价持续至6月5日。

OpenAI推出Batch批处理API，支持半价优惠

摘要：OpenAI于4月16日凌晨对外发布了一项新的Batch批处理API功能，面向需要处理大量文本与图片的开发者。该API承诺在24小时内完成任务处理，并为开发者提供半价优惠。此次更新支持多个模型，如gpt-3.5-turbo及gpt-4系列等，旨在通过在非高峰期处理数据来节约服务器资源。官方已经提供了详细的API使用说明，涵盖创建、取回和取消Batch批处理的方法。此次更新预计将大大提升开发者的工作效率，同时降低运营成本。

百度李彦宏：开源模型将日益落后

摘要：在Create 2024百度AI开发者大会上，百度创始人李彦宏表示开源模型将逐渐落后于定制化模型。他以文心4.0为例，指出通过优化可剪裁出适应多种场景的模型，与开源模型相比，在同等尺寸下效果更佳，成本更低。同时，李彦宏宣布文心大模型4.0工具版，标榜训练效率和推理性能的显著提升。与此对照，360集团创始人周鸿祎在哈佛大学演讲时却看好开源技术的未来，认为专注和专业训练可使开源模型能力强于GPT 4。

中国电信开源TeleChat-12B大模型，承诺年内开源更高级模型

摘要：中国电信近日开源了含有120亿参数的TeleChat-12B星辰语义大模型，并承诺将于年内开源一个拥有千亿级参数的大模型。与此前开源的7B版本相比，新版本在内容表现、性能等方面整体提升达30%，特别是在多轮推理、安全问题等领域的提升超过了40%。TeleChat-12B利用了1.5T到3T的增强训练数据，通过优化数据清洗和标注策略，提升了数据质量。此外，模型结构得到优化，使用了词嵌入层与输出层解耦的结构，增强了训练稳定性。中国电信此次开源还提供了对话模型等，支持高效微调方法、量化和国产芯片训练推理，以助推大模型国产化进程。

百度文库推出AI文档助手 助力多场景写作

摘要：百度文库最近上线了名为“AI文档助手”的功能，该功能去年已经开始内测。这一新功能旨在为用户提供包括活动方案、标书、研究报告、讲话稿等在内的文档内容辅助写作服务，应用场景广泛，涵盖办公、学习等多个领域。AI文档助手覆盖职场效率、学习助手、创意写作、生活助理、法律助手、语言交流等多项功能，能够满足学生、老师、白领等不同群体的需求。此外，该助手还支持PDF和Word文档的互转功能，非常适合需要大量文档处理与创作的用户尝试使用。

Adobe Premiere Pro将加入AI生成式功能，以提高视频编辑的效率

摘要：Adobe宣布，将为Premiere Pro引入由生成式AI驱动的新功能，以提高视频编辑的效率。这些功能包括“生成扩展”，能够为视频添加额外帧以便于时长调整和平滑转场；智能选取和跟踪工具，方便用户添加或移除视频中的物体，如更换演员服装或添加场景装饰；以及“文本转视频”功能，允许通过文本描述或上传图片直接生成视频片段，适用于B-roll制作或故事板创建。Adobe计划于2024年晚些时候推出这些工具。与此同时，其竞争对手苹果的Final Cut Pro在AI方面尚无进展，但有传言iOS 18和macOS 15将引入AI功能。

OpenAI宣布在东京设立亚洲首个办事处

摘要：OpenAI正式宣布其在亚洲的首个办事处落址日本东京，意味着该公司将业务拓展至亚洲地区。OpenAI计划与日本的政府、企业以及研究机构合作，共同开发安全的人工智能工具，同时满足当地市场的特殊需求。此外，OpenAI还计划推出一款针对日文优化的GPT-4定制模型，该模型在处理日语文本方面表现出了更高的性能，并能够以更低的成本提供更优的翻译和总结服务。OpenAI首席执行官萨姆·阿尔特曼此前在访问日本并会见日本首相后，提出了在日本设立办事处并扩大服务的计划，显示出OpenAI致力于为日本乃至整个亚洲提供更加优质的AI服务和解决方案。

京东推出AI数字人“采销东哥”即将直播首秀

摘要：京东近日宣布，由刘强东AI数字人“采销东哥”将在4月16日下午6点18分进行直播首秀，出现在京东家电家居、京东超市的采销直播间中。用户通过打开京东App并点击首页底部通栏即可进入直播间观看。此次直播得到了京东言犀技术的支持。言犀技术是京东推出的大规模预训练语言模型，以多模态为核心，广泛应用于零售、物流及工业等领域。京东集团CEO许冉表示，大模型技术已在京东内部取得显著成效，不仅提升了智能客服的服务水平，还增强了商品推荐的相关性。言犀技术从专注于电商的语音和语言技术出发，逐步在人机对话技术、数字人生成技术等方面取得进展，并积极发展AIGC与大模型技术。

全球首款AI可穿戴设备Ai Pin未达期望

摘要：由苹果前设计师设计的全球首款AI可穿戴设备Ai Pin，被认为有潜力颠覆智能手机市场。这个设备定位于高科技胸针，内置高性能硬件和定制化GPT-4模型，旨在提供无需依赖手机的AI交互体验。尽管其在概念和设计上引起了广泛关注，并获得《时代》年度发明称号，但实际体验远低于预期，主要问题包括使用不便、设计缺陷及体感不舒适等，收到了媒体和用户的普遍负面评价。

中国科学院发布天文大模型“星语 3.0”

摘要：中国科学院国家天文台近日发布了新一代人工智能模型“星语 3.0”，该模型成功接入兴隆观测站Mini“司天”望远镜阵列。旨在解决如何高效控制增多的大型望远镜阵列的问题。“星语 3.0”基于超30万专家订正数据训练，能自动控制望远镜进行观测和分析，提供智能的观测建议。未来计划接入国家天文台更大的“司天”望远镜阵列，预期至2030年望远镜数量达到72架，每晚产生140TB数据，有望成为全球巡天效率最高的项目，以此极大提升科研人员的观测效率和研究专注度。

香港中大团队发布强大AI模型Mini-Gemini

摘要：香港中文大学终身教授贾佳亚带领的团队开发了名为Mini-Gemini的多模态AI模型，整合了类似于GPT-4和DALL・E 3的能力，实现了高清图像的精准理解与生成。该模型在多个标准上表现出色，甚至超越了谷歌的Gemini Pro和GPT-4V。Mini-Gemini提供了2B到34B不同规模的版本，已全面开源，并推出了线上Demo供公众体验。其在图像理解、推理、与生成方面的能力，预示了AI技术在处理高清复杂图像任务上的新突破。

全国首台AI国乐音乐会在上海首演

摘要：4月13日至14日，上海民族乐团在第39届上海之春国际音乐节上，首次演出了以AI创作的国乐音乐会《零・壹｜中国色》。这场音乐会是由上海民族乐团、腾讯音乐娱乐集团和1862时尚艺术中心联合主办，采用了腾讯音乐娱乐集团与腾讯AI Lab共同研发的“琴乐大模型”AI技术创作出的曲目。曲目以颜色为灵感，经过乐团演奏家们二度创作完成，展现了大自然色彩变化的美妙。乐团团长罗小慈表示这是传统民乐与当代审美创新融合的尝试，演奏家唐一雯也分享了参与演奏的感受。

Marvell获大型科技公司AI芯片大单

摘要：Marvell美满电子近期宣布，已经从四家美国超大型企业中的三家获得了定制AI芯片的订单，涵盖AI训练加速器、AI推理加速器以及Arm架构CPU等产品。这些产品中，有部分已经进入产能爬坡阶段，其余的预计将于2025/2026年间开始投产。尽管具体客户身份未明确透露，但有分析师猜测客户之一为谷歌。此外，Marvell预计到2026财年，AI定制芯片业务将为其带来约25亿美元的营收。公司还展示了其在定制芯片领域的技术积累，包括先进的多芯片封装技术。

OpenAI推出视觉能力的GPT-4 Turbo模型

摘要：OpenAI最新发布的GPT-4 Turbo with Vision模型，现通过API向开发者广泛提供。该版本在保持之前128,000个token的窗口大小和更新至2023年12月的知识库基础上，最大的创新是引入了视觉理解能力。这一特性使得开发者无需分别调用文本和图像信息处理模型，简化了开发流程，并拓展了应用场景。包括编程辅助、饮食营养分析、将草图转化为网站等多种应用案例，显示了其广泛的潜能。目前该模型尚未集成至ChatGPT或向公众开放，但OpenAI暗示不久将会实现。

谷歌推出 Gemini 1.5 Pro，并增加数字水印功能

摘要：谷歌在最近的Google Next大会上宣布，通过其AI应用平台Vertex AI向公众开放了Gemini 1.5 Pro的公共预览版。此更新旨在帮助用户更高效地处理音频内容，例如通过上传音频文件来进行分析或总结。Gemini 1.5 Pro在性能上超越了自家的大型模型Gemini Ultra，尽管Gemini Ultra能够理解更长的指令，但处理速度较慢。除此之外，文生图模型Imagen 2也得到了更新，加入了图片修复和扩充功能，并为所有图片提供了数字水印功能“SynthID”，从而提升了内容的安全性。谷歌计划在公开预览中尝试将AI响应与谷歌搜索结果结合，以提供最新的信息解答。

Stability AI发布Stable LM 2 12B模型

摘要：Stability AI最新推出的Stable LM 2 12B，基于2万亿Token训练，支持七种语言，并拥有120亿参数。该模型性能强大，能够在某些基准测试中超越Llama 2 70B模型。Stable LM 2 12B还包括基础和指令微调版本，旨在处理多语言任务，提高AI语言技术的创新与应用。此外，Stability AI承诺将推出支持更长上下文窗口的版本，以满足更广泛的需求。

谷歌在 Android Studio 集成 Gemini 1.0 Pro

摘要：谷歌近期宣布在 Android Studio 中集成了 Gemini 1.0 Pro功能，目的是帮助开发者更高效地编写代码。该功能现处于预览阶段，为开发者提供了免费体验的机会。Gemini 的技能包含生成应用程序代码、高级代码补全、回答问题、寻找资源和添加代码注释等。谷歌还强调了对隐私的重视，只有在开发者登录并手动启用后，该功能才会生效。开发人员现可通过 Android Studio Canary 来试用 Gemini API。Android Studio 自2013年发布以来，一直是 Android 应用开发的主要工具。

JetBrains IDE 2024.1版本新增AI代码补全功能

摘要：JetBrains宣布其IDE 2024.1版本将引入一项新功能，允许开发者在编写代码时获取AI智能生成的全行代码建议，目前支持Java、Python和JavaScript等热门编程语言，并计划未来扩展到C#、Rust与C++。该功能基于本地运行的模型，能够根据上下文提供适当的代码补充建议，并通过静态分析确保建议的代码不含错误。JetBrains特别强调，此功能旨在生成全行代码，以减少开发者的键入工作量，而不是生成长篇代码，以避免效率低下。所使用的AI模型是专门为此目的训练的，拥有一亿参数，最大上下文长度为1536个Token，约170行代码。

马斯克预测AI将在2026年前超越人类智能

摘要：特斯拉CEO埃隆·马斯克近日在接受采访时表示，通用人工智能（AGI）有望在明年或2026年超越最聪明的人类智能。AGI旨在开发能够在未被直接教导的情境中解决问题的人工智能，具备自主自我控制和学习新技能的能力。马斯克还提到，xAI正在开发Grok 2.0模型，而更先进的版本将需要更多的英伟达H100 GPU，但目前因芯片短缺受阻。他预测，未来电力供应将成为人工智能发展的关键。

微软与OpenAI共同推出声音识别AI专利

摘要：据IT之家4月9日消息，微软联手OpenAI，根据美国商标和专利局（USPTO）最新公示，共同构想出一项声音识别AI技术专利。该项技术能够辨识日常生活中的声音如门铃、狗叫或婴儿啼哭，同时也能检测到地震和风暴等自然灾害的早期迹象。该系统将声音信号经过分解、处理并通过神经网络识别，为不同类型的声音生成置信度值。此技术在公共安全和备灾工作中具有重要应用潜力。

微软Azure推出9种逼真AI语音服务

摘要：微软Azure团队在2023年9月对外宣布，针对商业客户推出了一系列逼真的AI语音服务。最近，该公司进一步表示，这些服务现已包含9种更为真实的人工智能声音，并且已于所有Azure地区上线。这些新语音适用于广泛的应用场景，如商务聊天机器人、语音助手和电子学习等，涵盖了美式英语、德语、法语和中文等多种语言。此外，微软还提供了超过400种神经网络文本转语音的功能，覆盖超过140多种语言，显示了微软在克服语言障碍和提升全球通信包容性与可访问性方面的承诺。

OpenAI有限开放Voice Engine访问权限

摘要：OpenAI公司近日宣布，对其Voice Engine模型实施有限开放，允许通过15秒语音片段创建合成语音。此次开放旨在通过小规模部署，探索和优化产品落地的方法和保障措施。目前，已向包括教育技术公司Age of Learning、视觉故事平台HeyGen、健康软件制造商Dimagi、AI通信应用开发商Livox和健康系统Lifespan等在内的多家公司开放访问权限。这些合作案例展示了Voice Engine在制造预制voice-over内容和提供个性化回复等方面的应用潜力。

锤子便签App推出4.0内测版 新增AI会员功能

摘要：锤子便签，一款由前锤子科技开发的便签应用，最近发布了4.0内测版，并引入了新的“便签会员”功能。这一新功能通过AI助手提供包括“AI写作”、“AI调优”、“AI总结”在内的多种文档处理工具，以方便用户进行各种文档编辑和创建任务。该应用最早于2014年推出，一直以其优秀的设计受到用户好评。目前，锤子便签的维护方为字节跳动旗下的公司，但新版的具体价格尚未公布。作为一款长期受到关注的应用，锤子便签的这次更新可能会吸引更多用户的注意。

美众议院出于安全考虑禁用微软Copilot AI工具

摘要：美国众议院出于数据安全的考虑，已经禁止其工作人员在工作设备上使用微软的人工智能辅助工具Copilot。众议院首席行政官凯瑟琳・斯平多提到，网络安全办公室发现Copilot的商用版本中存在安全漏洞，有可能导致众议院的数据泄露到未经授权的云服务。因此，Copilot将被从工作人员的Windows设备中移除。值得注意的是，微软计划在今年夏天推出专为政府工作设计的Copilot版本，并承诺这一版本将符合联邦政府的安全与合规标准。众议院首席行政官办公室表示，将在微软推出政府版本后进行评估，决定该版本是否能够满足安全使用的标准。

2028年AI笔记本有望占八成出货量

摘要：Omdia最新研究数据预测，到2024年，AI笔记本电脑出货量将达100万台，其中约80%采用ARM芯片架构。该研究预计，到2028年，AI笔记本电脑出货量将激增至1.809亿台，占笔记本电脑总出货量的约80%。AI笔记本电脑需满足包括拥有超过40 TOPS的单独神经网络处理器、超过16GB的DDR5或LPDDR5 RAM以及超过256GB的SSD或UFS存储等规格。预计这一趋势会得益于Win11操作系统换机需求、自然语言用户界面的成熟以及生成式AI技术的应用，将带来用户行为和企业流程的重大变革。

谷歌DeepMind开发AI事实核查工具

摘要：谷歌DeepMind和斯坦福大学联合研究人员开发了一款名为搜索增强事实评估器（SAFE）的工具，旨在通过大语言模型对聊天机器人生成的长回复进行事实核查。该工具通过将回答分割、修正、与谷歌搜索结果比较及检查相关性四步骤对信息的准确性和真实性进行验证。研究结果显示，SAFE在对有争议事实的分析中，正确率达到76%，同时成本远低于人工注释，展现了该工具在提高AI准确性和减少误导信息方面的潜力。

大家好，我是吴东子，用奶奶都能听懂的方式分享可以落地实操的干货

花了很长时间终于整理好了这份SD的使用教程！

从手把手安装部署，到界面功能讲解，再到实战案例制作，到下载优质模型，每一步都有详细教程

并且用一个又一个的例子展示，让大家不止是枯燥地看，而是看完立刻也能做出一样的图片出来 

同时，无论是安装包，大模型，lora，关键词的文件都给大家打包好了，不用再自己这找找那找找

希望能做到让大家学SD，看这一篇就够！

一、为什么要学Stable Diffusion，它究竟有多强大？

1.Stable Diffusion能干嘛

我相信大家在刷视频的时候，或多或少都已经看到过很多AI绘画生成的作品了

那SD到底可以用来干什么呢？

01.真人AI美女

我们最常看到的就是这些真人AI美女的账号

(我有一个朋友，每到晚上的时候，就很喜欢看这种视频)

02.生成头像、壁纸

以前很多人花钱去找别人定制自己独一无二的头像或者壁纸

现在SD就可以用来定制个人的二次元头像、盲盒模型或定制壁纸

03.绘画辅助

动漫图画、插画等都可以用SD来辅助完成

比如线稿上色、或者是获取图画的线稿等

Stable diffusion还有很多功能，比如恢复画质、室内设计等

关于Stable Diffusion的实际变现方式和变现案例，之后我也会单独写文章来说噢！

2.Stable Diffusion是什么

简单来说，Stable Diffusion（简称SD）就是一个AI自动生成图片的软件

通过我们输入文字，SD就能生成对应的一张图片，不再需要像以前一样要把图片“画”出来，或者是“拍”出来

有的人说，我学习一个软件之前是不是要先知道它的原理呢？

我的回答是：不需要！

下面这张图就是我在网上保存的SD的原理图

看得懂吗？

看不懂，我也看不懂

影响使用吗？

完全不影响！

很多人想学习stable diffusion，上网一搜，大多数教程都先告诉你SD的原理是什么

但偏偏就是这一步就劝退了很多人继续学习

因为这看起来真的好像很复杂很难

但事实是：

大多数的我们只是要能够熟练使用SD

而不是要深入研究它

我们还有自己的学习和工作

因此，我们的目的就是花更少的时间快速入门Stable Diffusion

当然了，如果你的时间比较充裕，去把SD的原理也了解了也是可以的

跟大家说这些是想告诉大家

学习SD真的非常简单！！

这篇文章就会带大家通过一个个案例，实际上手操作生成各种照片

我相信在你看完这篇文章并且自己去尝试过之后

你就已经可以快速上手stable diffusion了！！

接下来我们就正式开始去使用stable diffusion！！

二、三分钟教你装好Stable Diffusion

1.什么电脑能带动SD，A卡和Mac系统也不慌

为了大家能够更加顺利的安装和使用Stable Diffusion（简称“SD”）

在正式安装之前希望大家先一起查看一下自己的电脑配置，

需要注意的是以下两点：

01.电脑系统是Win10或者Win11

为了避免一些奇怪的兼容性问题，不要选择更低版本的系统。

查看电脑系统的方法：

在桌面上找到“我的电脑”——鼠标右键点击——点击“属性”——查看Windows规格

02.检查电脑性能

这里是检查自己的电脑配置能不能带动SD（Stable Diffusion）

需要满足3个要求：

• 电脑运行内存8GB以上
• 是英伟达（俗称N卡）的显卡
• 显卡内存4GB以上

检查方法：

①鼠标右击桌面底部任务栏——点击“任务管理器”

②查看电脑的运行内存

在“性能”里面找到“内存”，这里的内存不是电脑的存储内存，而是运行内存噢！

只要看图中划线的那一个参数就可以

8GB：那就说明你的电脑配置内存是勉强达到标准的

16GB：那就说明你的内存配置可以正常使用

32GB：那么你就可以非常自由的使用SD啦！

③查看“GPU”

GPU就是显卡的意思

首先先看右上角显卡的名字或者型号

必须确认的第一个是 NVIDIA ，代表的是英伟达的显卡（俗称N卡），这里是N卡我们才可以进行下一步，

如果这个地方是AMD或者是Intel，可能你的电脑会不太支持SD，网上的安装教程也比较麻烦，

大家可以看第二部分，使用云平台去玩SD

接着看到下面划线的专用GPU内存

4GB：说明电脑勉强可以跑动SD，出图的时间会比较长

6GB：出一张图的时间是20~50秒，SD的大部分功能都可以使用

8GB：5~20秒可以出一张图，基本上SD的所有功能都对你开放

好啦，如果你的电脑满足以上所说的配置，那么恭喜你！你可以顺利的安装Stable Diffusion并展开学习啦！

上面这些操作是我们用来查看Windows系统的 

至于Mac系统可以看一下下面的视频 

按照视频一键安装就可以啦！非常简单！

https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761

2.低配置电脑也能玩Stable Diffusion

（电脑配置过关的朋友们，直接看第3部分安装）

刚刚查看了电脑配置，发现自己电脑可能带不动SD的朋友们也不用担心，

通过云平台，我们一样可以畅玩SD，做出好看的图片

云平台就相当于我们远程控制别人配置更好的电脑，用别人电脑上的SD生成照片

这里用的是“青椒云”，如果大家还有什么更好用的平台也可以分享出来噢！

点击下面的链接就可以下载青椒云

http://account.qingjiaocloud.com/signup?inviteCode=R0JJ9CHY

云平台使用方法：

①点击上面链接，注册账号

②下载并安装后，登录刚刚注册好的账户

③点击右上角的个人中心进行实名认证

④在进行实名认证后回到主界面，点击新增云桌面

想玩Stable Diffusion可以选“AIGC尝鲜”，一般新注册的会有优惠券，可以免费试用

大家可以试试觉得好用再付费！

（大多数云平台都是2~3元一个小时）

⑤在新弹出的框框中点击“开机”按钮，稍等一下之后，点击“进入桌面”

进入桌面之后弹出的全部框框可以直接关掉

⑥点击新打开桌面的“此电脑”，在C盘里面找到SD的根目录，点击“A启动器.exe”

⑦点击右下角的“一键启动”就可以进入SD啦

⑧用完云平台之后，记得关机噢，不然会持续计费

3.一键式安装SD本地部署，解压即用，小白的福音

电脑配置能支持SD运行的朋友们，接下来我会手把手教你安装SD的本地部署

这里我们用到的是B站秋叶分享的整合包

小白直接下载整合包可以避免很多困难

整合包点开链接就能下载保存啦

链接：https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru

提取码：caru

具体安装方法：

①打开上面的链接，下载《1.整合包安装》，存放到电脑本地

②打开保存到电脑里的文件夹

③打开文件夹《1.秋叶整合包主包》——鼠标右击文件——点击“解压文件”

④选择解压到D盘或者E盘，小心C盘被占满！！点击确定

⑤解压完成后，来到第二个文件夹，双击里面的文件

点击安装

⑥打开刚刚解压保存的SD的根目录，找到启动器

鼠标右击启动器——点击“发送到”——桌面快捷方式

这样下次进入就可以直接在桌面双击进入，不用每次都到文件夹里面找啦！

⑦双击启动器，等待更新

接着点击左边第二个“高级选项”

在显存优化里，根据自己电脑的显存选择（就是上面查看的专用GPU内存），自己电脑是多少就选多少

⑧回到第一个一键启动，点击右下角的一键启动

出现这个代码页面不用管，等一下就行了！SD的主界面会自动在网页上弹出来

如果在上面的页面出现了报错

可以回到最开始的界面

在左边点击“疑难解答”，再点击右边的“开始扫描”

最后点击“修复”按钮

下面这个页面就是SD的主页面，大家看到这样一个复杂的页面千万不要慌

实际上有些功能在我们基础使用中用不上

接下来我们就把常用功能配合上实际例子来讲解

三、小白快速上手Stable Diffusion

1.用对模型，照片风格才对味儿

用stable diffusion可以把自己想象成一个画家

在起笔画画之前，我们要先确定我们画的是什么风格的画，

是二次元动漫、三次元的现实照片、还是盲盒模型。

因此，在我们确定了我们照片风格之后

我们就要去切换大模型，不同的模型就代表着不同的照片风格。

也就是SD界面左上角的“Stable Diffusion模型”

假如现在我想生成一个真人AI小姐姐，就选用chilloutmix的大模型

那么问题来了，我们这些模型从哪来呢？下载的模型放在哪里呢？

在我分享给大家的链接里面，有部分比较常用的大模型

（后续还有比较好的模型也会分享给大家）

大家可以根据文件夹名称找到需要的模型。

另外，这篇文章的第三部分会跟大家详细介绍去哪里下载模型，模型存放的位置，所以一定要看到最后！

2.写好关键词，让你事半功倍

选好大模型之后，我们就要考虑画面上要有什么东西，不要出现什么东西

而这就是通过输入关键词来告诉SD

我们最后要生成什么样的图画

01.正面关键词

其实要生成一张照片，最重要的就是关键词，

关键词里写的就是你希望照片里会出现的内容

输入的关键词越准确，出来的照片就会越接近自己脑海里的画面！

那怎么写关键词呢？

比如说我现在想要生成一个漂亮的小姐姐站在大街上

那我就可以写成：1女孩，漂亮，站着，大街

或者是：1漂亮女孩，站在大街上

又或者我直接写一个句子：1个漂亮女孩站在大街上

上面三种单词、词组、短句的方式都可以，

我们比较常用的就是直接输入一个个单词，然后这些单词用英文状态下的逗号隔开

当然了，SD只能识别英语，但我们也不用担心，直接用翻译就可以啦！

输入到SD就是这样的

接着点击右边这个“生成”按钮

这样你在SD的第一张图就出来啦！

hhh是不是很多小伙伴已经按捺不住去试了试呢，出来的照片是不是有点不尽人意！

那是因为我们上面输入的关键词太过于简略啦

这里是我上面这张图输入的关键词

看到这一大串英文千万别害怕！写关键词也是有模板的！

首先上面第一行的关键词可以先不看

那是我们等一下要学到的lora模型

在写跟我们照片有关的关键词之前

我们可以先写一些照片质量的词语，这样出来的照片会更加精致

比如说我们可以写：最高质量，超高清画质，大师的杰作，8k画质等等…

翻译成对应的英文就是：Highest quality, ultra-high definition, masterpieces, 8k quality,

写完质量词，接着就是我们照片的内容

先写的就是照片的主体，和对主体的细节描写

比如我们是要生成一个女孩，就要写出来一个女孩，以及这个女孩长什么样也可以写出来

也就是：一个女孩，非常精致的五官，极具细节的眼睛和嘴巴，长发，卷发，细腻的皮肤，大眼睛

翻译成英文就是：1girl, very delicate features, very detailed eyes and mouth, long hair, curly hair, delicate skin, big eyes,

这些照片内容大家都是可以随意改的，但是像精致的五官、细节的眼睛这类词语，大家可以都加上去

写完五官之后，我们就可以想一下让照片的人物穿什么衣服，裤子，或者加上帽子之类的配饰

像裙子、毛衣、牛仔裤、比基尼都可以，还可以写上衣服的颜色

比如：白色的毛衣、项链（white sweater, necklace,）

最后我们就可以写上其他乱七八糟的东西，比如背景、天气、照片姿势、构图等等

比如说：在街上，阳光，上半身照片（street, Sunshine, upper body photos,）

好啦，这样一套下来，我们的关键词就写的差不多了

推荐大家像我这样一行一行分开类型去写关键词，这样后面想要改词更好找

但一定要注意每一行的最后要加上英文逗号，否则它就会跟下一个单词连起来变成一个新单词

总结一下我们写关键词的公式：

画质+主体+主体细节+人物服装+其他（背景、天气、构图等）

好，现在我们新生成了一张照片，但是发现她并没有我关键词里的卷发，

那我怎样才能让“卷发（curly hair）”引起Stable Diffusion的注意呢？

那就是给关键词加权重，加权重的方法有两种：

①直接用括号把关键词括起来：（curly hair）

这样括号一次就是1.1倍权重，那括两次((curly hair))就是1.1×1.1=1.21倍，以此类推

注意：这里的括号也是英文状态下的括号

可以加权重，那我们也可以减权重

减权重就是用”[]”把单词括起来，如：[curly hair]

②（关键词:数值):（curly hair：1.3）

这就是在第一种的基础上加上数值，直接一个curly hair是1，大于1就是加权重，小于1就是减权重

02.负面关键词

当我们生成照片次数多了之后，渐渐的发现偶尔生成出来的照片多了几个手指，甚至会多了一只手

那怎么才能避免这些情况呢？

那就是告诉SD，我不要那样的照片！

所以，我们就可以通过输入负面关键词告诉SD，我不希望照片会出现什么内容

比如说我不希望照片出现：低质量，多余的手，多余的手指，不好看的脸等等…

这里就不用大家去想要写些什么啦

新手小白可以直接抄！

(worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), bad anatomy,DeepNegative, skin spots, acnes, skin blemishes,(fat:1.2),facing away, looking away,tilted head, lowres,bad anatomy,bad hands, missing fingers,extra digit, fewer digits,bad feet,poorly drawn hands,poorly drawn face,mutation,deformed,extra fingers,extra limbs,extra arms,extra legs,malformed limbs,fused fingers,too many fingers,long neck,cross-eyed,mutated hands,polar lowres,bad body,bad proportions,gross proportions,missing arms,missing legs,extra digit, extra arms, extra leg, extra foot,teethcroppe,signature, watermark, username,blurry,cropped,jpeg artifacts,text,error

当然你如果还有什么不想出现在照片上的东西，也可以自己加上去

到这里关键词所有的内容就讲完啦！

分享的链接里还有常用的关键词分类，

还不知道写些什么的，大家可以去看看！

3.两分钟打造你的专属模特

通过输入关键词，我们已经能够生成一张稍微好看一点的小姐姐的照片了，

但是现在我想要生成5678张照片，而且我要出来的照片都是同一张脸，这怎么办呢？

这时候我们就要用到Lora模型

简单来说，Lora可以固定我们照片的特征：人物特征、动作特征、还有照片风格

点击“生成”下面的的第三个按钮，就会弹出新的选项框

找到Lora，就会出现我们下载保存到电脑的Lora模型

点击我们要用的Lora，就会自动添加到关键词的文本框里面

前面那四张照片用到的就是这三个Lora，由此可见，我们的Lora是可以叠加使用的

但是建议新手不要使用太多lora，

因为这样照片出问题了，你也不知道是哪个Lora有问题

另外，Lora之间一样用英文逗号隔开

每个Lora后面都有数字，这是用来调整这个Lora的权重的，

正常情况下是1，我们一般只会去降低权重，因为增加权重照片可能就会变得奇奇怪怪

每个Lora设置的权重不一样，出来的照片就会不一样

想要生成一个好看的小姐姐，就要多去尝试不同的权重组合

现在问题又来了，我们怎么选择Lora呢？

这个问题就要回归到你最开始想要生成什么样的照片

你想生成真人模特，你在最开始用了真人的大模型

对应的我们的Lora也要选用真人模特

这样出来的照片效果才更好！

一些比较好看的Lora已经打包好了放在文章的末尾 

后续挖掘到更好看的Lora也会分享给大家！

大家可以通过添加不同的Lora，调整权重，

生成你独一无二的小姐姐！

4.为什么你生成的图就是跟别人不一样

为什么有时候我们跟别人用的大模型、关键词、Lora还有其他参数都一样

可偏偏生成出来的图就是不一样？

那是因为影响照片的因素还有一个“随机数种子（Seed）”

随机数种子控制的是最底层的形状，就相当于我们画画最开始的线稿

它会决定我们照片的基础轮廓，相当于决定了我们照片人物的外形轮廓，包括姿势和站位等

当随机数为“-1”的时候，SD就会随机给你的照片生成一个种子，这个种子就理解成不一样的线稿就可以

怎么看自己照片用的seed值（随机数种子）是什么呢？

在我们点击生成的照片下面，有一大串英文，里面的seed值就是我们当前生成照片的seed值

只有当我们所有参数，包括随机数种子跟别人的照片都一样时，我们才能生成跟别人差不多一样的照片。

5.一分钟生成自己的二次元造型

大家有没有试过花二三十块钱，把自己的照片发给别人，让人家帮自己生成一张二次元画风的照片拿来当头像

然后别人含泪血赚19.9，还有一毛钱是电费

今天看到这篇文章你就省钱啦！

Stable Diffusion不用一分钟，不管你是要2.5D还是2D的照片，它都能生成！

这里我们用到的是图生图里面的功能

我们是要用自己的照片生成一张二次元的照片

一定要记得换大模型！！选一个能生成二次元照片的大模型就可以

至于正面关键词呢

我们只要输入照片质量和主体的关键词就可以

比如我这里输入的就是：高质量，高清画质，大师杰作，极致的细节，8k，主体就是一个女孩

负面关键词我们就复制前面给大家的就可以啦

接着我们就在这个空白的地方点击上传自己需要生成的照片

接着鼠标往下移，找到“重绘幅度”

重绘幅度的意思就是你要改变你原来照片的程度

当你的重绘幅度拉到1，这时候就相当于要完全改变你的照片，生成出来的照片就跟原先的照片毫无关系了

这里如果大家是要生成二次元照片的，把重绘幅度拉到0.6~0.8就差不多了，

大家可以多试试几个参数

这样设置下来一分钟都不用！就可以生成自己的二次元造型，大家就省下20块钱啦！

6.随便画几笔，你就是“神笔马良”

很多人都有乱涂乱画的习惯，但是大家会不会很好奇，我随便画的东西，AI会生成什么呢？

看看下面两张图，左边的图就是我在电脑上随便画的（画的很丑）

但是在我告诉SD我画的是什么之后，它直接就给我生成出来一张好看的图，

这就让我觉得我画画天赋很高了哈哈哈！！

这个就是SD图生图里的涂鸦功能，点击空白的地方上传一张纯白的图片，也就是你的画纸

右边的两个小按钮点开就可以调节画笔的大小和颜色

接着就在画纸上随便画画

然后挑合适的大模型，想要什么画风就挑什么模型

接着输入关键词

一样的，先输入一些关于照片质量的词

再告诉SD，你画的是什么

比如说我画的就是：河流，森林(river,forest)

最后我们把下面的重绘幅度拉到0.6~0.8，点击生成就可以啦！

是不是非常简单，自己随便画几笔，就能生成出非常好看的照片了！

7.怎么给二次元老婆换衣服

假如我现在有一张非常好看的照片，唯独我觉得她的衣服不好看，

那我要怎么在不改变其它地方的情况下，给她换上更好看的衣服呢？

这里用到的是图生图中局部重绘的功能，导入要调整的照片

点击右边的画笔可以调整大小，把人物衣服部分全部涂黑

接着输入关键词，先输入质量词（如：高质量，高清画质，8k等）

然后描写一下你想要生成什么样的衣服

比如我这里输入的就是：粉色汉服，精致的裙子，极具细节的服装

负面关键词就直接复制我们前面用的

点击生成就可以啦！

同样的道理，我们还可以用这个功能来换脸，

只是我们涂黑的部分就变成了脸，输入的关键词就是描写脸部、五官的单词。

上面的方法用来换衣服只能整体去换，

如果我想指定衣服的颜色就只能在关键词里面告诉SD要怎么调整

假如现在我想指定服装的颜色，比如：蓝色的衣袖，粉色的衣服，还要有黄色的花纹

这时候我们只靠关键词是不行的，出来的照片也不一定准确

那我们就可以用到一个新的功能——“涂鸦重绘”

导入照片之后，在右边调整画笔大小和颜色，然后就可以自己设计衣服的颜色啦

关键词就像前面说的那样输入就可以啦，

每次点击生成都能出来不一样的衣服

8.两步拯救超糊照片

SD除了生成新的照片外，还可以用来修复我们比较糊的照片

出来的效果比大多数软件都要好！

这个恢复画质的功能在SD里叫“后期处理”，点击下面空白的地方上传图片

接着我们看到下面这个“Upscaler 1”，也就是放大器

修复二次元的照片就选“R-ESRGAN 4x+Anime68”

其他实物照片就选“R-ESRGAN 4x+”

其他放大器出来的效果都没有这两个好

最后点击生成就可以！

这个功能还可以拿来修复真人的照片，但是上面说到的流程是不适用于真人照片的

比如说我们现在要修复这张表情包

我们先把照片导入到SD

这边放大器选择“无（None）”

再往下看到这个“GFPGAN强度”

这个是专门用来修复人脸的，把参数拉满（1）就行

接着点击“生成”

这样我们的人脸就修复了，但是也只能修复脸的部分，除了脸其他的地方还是比较糊。

9.3秒教你获取大佬的咒语

在网上经常看到别的大佬的图觉得很好看，想要复制却复制不出来

但其实SD里面就有这样一个功能

把照片导进去，它就能识别出来这张照片用到的咒语或者关键词

第一个就是“PNG图片信息”

把照片导进去，右边就会自动弹出照片的信息，包括正面关键词、负面关键词，还有其他种子、大模型等信息

我们可以复制这一大串信息，来到“文生图”的页面，把全部信息粘贴到关键词的文本框中

然后点击“生成”按钮下面的第一个小按钮，SD就会自动帮你把信息分配到合适的地方，用上一样的效果和模型

这时候点击生成，就能得到一张差不多一样的照片（前提是有一样的大模型和Lora）

有时候我们把照片导入进去之后，发现右边并没有照片生成的信息

那就说明这张照片不是直接从SD下载下来的PNG格式的照片

那我们就没法用这个功能

但是我们可以用后面这个“标签器（Tagger）”

它可以帮助我们生成照片的关键词

比如说我们现在导入一张照片，右边就会出来这张照片的关键词

anya (spy x family), 1girl, solo, school uniform, eden academy school uniform, pink hair, green eyes, female child, looking at viewer, open mouth, ahoge, meme, salute, child, parody, upper body, black dress

阿尼亚(间谍 x 家庭) ，1个女孩，独唱，校服，伊甸园学院校服，粉色头发，绿色眼睛，女孩，看观众，张嘴，阿霍格，迷因，敬礼，孩子，模仿，上身，黑色礼服

可以看到这样出来的关键词还是非常准确的，

通过这两种方法，我们就可以获取到好看的照片的重要信息！

10.一招让你自由指定女神的姿势

现在我们已经能够生成美女的照片了

可以定制出独一无二的脸，换上更好看的衣服

但是我们怎么才能让照片的小姐姐摆出指定的姿势呢？

通过关键词去描绘动作，可是出来的照片又不太准确

通过图生图去生成，可是人脸又变了

那我们就可以用到这个“ControlNet”功能，翻译成中文就是控制网络

简单来说就是可以用它控制照片的线条，比如人物的动作、建筑物的线条等

比如，我现在想让左边照片的小姐姐摆出右边小姐姐的姿势,得到最右边的一张照片

首先，大模型和关键词我们还是正常的填写

生成一张我们我们想要的小姐姐的照片

接着鼠标滑到最下面，点击“ControlNet”

①点击空白的地方，上传我们需要指定的姿势的照片

②点击“启用”

③在“预处理器”和“模型”里选择“openpose”，这就是用来让计算机识别人物姿势的

下一步就点击这个“预览预处理结果”

接着原来照片的右边就会出现人物姿势的线条，最后点击生成照片

这样我们一张指定姿势的美女小姐姐就生成啦！

11.插画师的福音，线稿秒上色

随着AI绘画越来越火，很多人都会说将来可能很多画师的职业都受到威胁了

但是，会用AI绘画的画师一定会比那些不会AI绘画的画师更有优势

当别人为了给线稿上色，花了一天的时间

而你一分钟不到就出了一张质量不错的图

单是工作效率上就领先别人很多了

下面这张就是我在网上随便找的一张线稿图，通过SD上色出来的一张照片

这也是通过使用“ControlNet”这个功能生成的

首先，我们点开”ControlNet”的状态栏

①在空白的地方上传自己的线稿图

②点击“启用”

③点击“反转输出颜色”

④在模型里面选择“canny”的模型

接着去设置我们前面的内容

①选择合适的大模型

我想要生成二次元的图，就要选择相应的模型

②关键词

跟我们写关键词一样，先写照片质量的关键词（比如：最高质量，大师杰作等）

接着我们就可以指定上什么颜色了

比如我输入的就是：1可爱女孩，五官精致，精致眼睛和嘴巴，银色长发，白皙的皮肤，水汪汪的大眼睛,

最后还加上一个简单的背景

想要色彩更加细节，就可以通过输入更多的关键词来控制照片

负面关键词只要复制前面的就可以

就这样不管再复杂的线稿，在SD里面都可以很快速的上好颜色

12.小白也能进行室内设计

“ControlNet”还有一个非常好用的功能，

那就是进行室内设计

比如说我现在想对房间进行重新装修

我想看看我的房子弄成不同的风格是怎样的

首先先点开“ControlNet”的状态栏

①上传需要进行设计的房间照片

②点击“启用”

③预处理器和模型都选“msld”，这是用来计算房屋线条的

接着切换一个现实照片的大模型

关键词先输入照片质量关键词

然后就是输入照片的主体：一个客厅

最后点击生成

这样出来的照片既保留了原来房子的构造，又可以看到新的房屋风格！

四、Stable diffusion知识补充

这一节是SD剩余功能的一些补充知识，大家不用担心SD功能太多太复杂，

这一节大多数功能的参数只要照抄就行！

1.VAE

作为新手小白，我们没必要知道它的基础工作原理

只要知道VAE的作用就是加滤镜和微调照片

下面图片就是没加VAE和加了VAE的区别

没加VAE的照片是灰蒙蒙的

但在一般情况下，如果我们对照片的色彩没有特别要求的时候，只选定一个VAE来使用就可以。

下面这个就是我比较常用的VAE

2.迭代步数

简单的说，我们把在SD生成图片的过程当作在画画

迭代步数的意思就是我们在这幅画上画多少笔

一般我们把参数设置在20~30之间

看下面的图，20步以下的图质量都不高

但不是说步数越多越好

超过30步部分电脑可能就带不动，无法生成照片了

所以，电脑配置稍微低一点的就设置在20~25

电脑配置比较好的就可以设置在25~30之间

3.采样方法

采用方法的不同就相当于我们画画的方式不一样

那这么多采用方法怎么选呢？

首先，我们看到别人好看的照片，可以看看人家用的是哪一个采用方法

如果实在不知道用哪一个，这里也给大家测试过了，

用下面框出来的几个，出来的照片质量比较高，而且出图速度也比较快

4.面部修复+高分辨率修复

这两个功能没什么好讲的，大家直接抄作业就可以！

面部修复：用在生成真人照片上

高分辨率修复：电脑配置好就可以用；电脑配置稍微差点的别开，否则照片无法生成

5.图片分辨率（图片大小）

这里的宽度和高度就是用来调节照片大小的

一般情况下：

生成正方形的照片：宽度512*高度512

生成长方形的照片：宽度512*高度768

电脑配置稍微差点的朋友们，千万别看网上设置成什么1024、2048，我们电脑跑不动哒！

6.生成多图

通过调整下面这两个参数，可以让我们一次生成多个图

假如我们把两个参数都设置成2

总批次数的意思就是生成两批

单批数量的意思就是一批生成两张照片

所以一共就会生成4张照片

在我们日常使用需要生成多张照片的

我们只调整“总批次数”就可以啦，这意味着我们照片是一张一张生成的

单批数量就意味着同时生成多张照片，这对我们的显卡是有一定要求的，所以这个不要用！！

7.用脚本进行照片对比

我们生成一张照片会输入很多的关键词，

那我们怎么才能看到输入不同的关键词，

出来的照片有什么区别

或者加某个关键词和不加的区别呢？

那我们就要用到最下面“脚本”里的“提示词矩阵”，直接点击就可以

接着来到关键词的文本框

我们前面一直说在写关键词之前，先写照片的质量词

那我们就以这张照片为例子，

看看加上最高质量（the best quality）和不加有什么区别

书写的格式：把需要进行对比的关键词放在最后，用“|”把关键词和前面的关键词分隔开

也就是：关键词|需要对比的关键词

点击生成就会出现两张拼在一起的照片，

我们就可以看到加了“最高质量（the best quality）”的照片会更加清晰

那如果现在想要比较不同的采用方法下，迭代步数不一样，生成的照片有什么区别，该怎么操作呢？

这里用到的就是脚本里的“X/Y/Z图表”

在X轴类型里面选择“迭代步数”，右边的X轴值就输入需要进行比较的步数

在Y轴类型里面选择“采用器”，接着点击最右边的笔记本图标

那样所有采样器的名称都会出现在框框里面，可以自己进行删减

我们这里就选三个比较常用的采样器

这边X轴和Y轴的信息是可以全部换过来写的，看个人习惯

点击“生成”

就会生成这么一张大图

我们就可以看到在不同的采用方法下，迭代步数为25的时候，生成出来的照片都差不多

这样比较下来，我们就可以选择自己更喜欢的采样方法和迭代步数

五、大神的模型从哪来

1.模型在哪下载

除了链接里面给大家分享的模型，大家肯定还想去找更多更好看的模型

而大多数的模型都是在Civitai（C站）这个网站里面https://civitai.com/

现在就给大家说一下C站的使用方法：

01.科学上网

这个没法教，大家只能自己想办法了

02.点击右上角的筛选按钮，在框框里面找到自己需要的模型类型

Checkpoint=大模型

LoRA=Lora

常用的就是这两个

03.看照片，看到感兴趣的就点进去

点击右边的“Download”，也就是下载，保存到电脑本地，

文件保存到哪里在这一节的第二部分

另外，我们还可以点击左上角的“Images”

这里就是看别人已经做好的图片，找到喜欢的点进去

点进去之后的页面我们就可以看到这张图的全部信息，

直接点击Lora和大模型，可以直接跳转到下载页面

下面的就是照片关键词和其他信息

点击最下面的“Copy…Data”就可以复制图片的所有信息

回到SD，粘贴到关键词的文本框，点击右边的按钮

这些信息就会自动分配

要注意的就是，大模型是需要我们手动去换的！

这样我们就可以生成出跟大神几乎一样的照片了！（电脑网络配置的不同，出来的照片有细微差别）

2.模型下载到哪里

这里大家就直接看我文件的保存地址，找到自己电脑里的

01.大模型

这里的SD根目录就是大家在下载时，存放SD的那个文件夹

02.Lora

03.VAE

3.如何分辨模型

如果我们下载了一个模型，但不知道它是哪个类型的，不知道要放到哪个文件夹

我们就可以用到这个秋叶的模型解析工具   https://spell.novelai.dev/

把模型拖动到空白处

接着就会自动弹出模型的信息

在模型种类里面就可以看到是什么模型啦！

六、结尾

安装包，大模型，lora：

链接：https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru

提取码：caru

好啦，希望这篇文章能够真正帮助到你上手SD

之后我还会出SD的《Stable Diffusion进阶宝典》《热门Lora模型大全》《Lora炼制秘籍》