Stable Diffusion 模型选择指南：SDXL、SD 3.5、FLUX 怎么选

Stable Diffusion 模型选择最容易被一句“哪个效果最好”带偏。真正影响结果的，往往不是模型榜单，而是你的用途、显存、工作流生态和授权边界。SDXL、Stable Diffusion 3.5、FLUX.1 都能出好图，但它们适合的阶段不一样。

如果你刚跑通 ComfyUI，先不要急着下载十几个 checkpoint。本文只解决一个问题：面对 SDXL、SD 3.5、FLUX 和社区模型时，怎么选一个能跑、能复现、能符合使用场景的模型。

核心结论

先给一张判断表。它比“最强模型排名”更实用。

你的情况	优先选择	原因	先避开什么
刚入门 ComfyUI，只想稳定出图	SDXL 或成熟 SDXL checkpoint	教程、LoRA、ControlNet、workflow 资源多	一上来追大模型和复杂节点
想探索 Stability 官方新路线	Stable Diffusion 3.5 Medium / Large	官方开放权重，质量和提示词理解更强	没看清硬件需求就下载 Large
追求新模型质感、构图和文字能力	FLUX.1 dev / schnell 或服务商 API	画面质感和 prompt 跟随能力强	把 pro、dev、schnell 授权混为一谈
本地显存有限	SDXL、较小变体、优化 workflow	成熟生态更容易找到低显存方案	高分辨率、大 batch、多个 ControlNet 同时开
要做商业素材	先查官方 license 和模型卡	基础模型、社区 checkpoint、LoRA 许可不同	默认“能下载就能商用”

一句话版本：新手从 SDXL 开始，进阶再试 SD 3.5 和 FLUX；本地硬件弱就选成熟生态；要商用先看 license，不要只看样图。

先分清你到底在选什么

很多人说“我想换一个 Stable Diffusion 模型”，其实可能在说三件不同的事：基础模型、社区 checkpoint、LoRA。

基础模型决定能力边界

SDXL、Stable Diffusion 3.5、FLUX.1 这类属于基础模型路线。它们决定了模型理解 prompt、生成结构、处理人物、文字和细节的上限。比如 SDXL 是非常成熟的通用路线；Stability AI 发布的 SD 3.5 系列包含 Large、Large Turbo 和 Medium；Black Forest Labs 的 FLUX.1 又分 pro、dev、schnell 等不同版本。

基础模型不是简单的“文件越大越好”。更大的模型通常带来更高质量潜力，也会带来更多显存、加载时间、节点支持和部署成本。你本地能不能稳定跑，比参数表更重要。

社区 checkpoint 解决风格和场景

你在模型站上看到的很多写实、二次元、产品图、室内设计模型，往往是基于某个基础模型继续训练或融合出来的 checkpoint。它们的优势是风格明确，上手快，很多还配好了推荐尺寸、采样器和示例 prompt。

问题也在这里。社区 checkpoint 的许可、训练来源、适用范围可能和基础模型不一样。一个模型可以免费下载，不代表适合商业项目。尤其是产品海报、客户交付、广告素材这类场景，下载前一定要看模型卡和作者说明。

LoRA 不是基础模型替代品

LoRA 更像“附加能力包”。它可以让模型学会一种角色、一套服装、一种镜头语言或一个产品特征，但它通常要挂在兼容的基础模型或 checkpoint 上。SDXL LoRA 不一定能直接用于 SD 1.5；FLUX LoRA 也不能随手塞进普通 SDXL workflow。

所以选型顺序应该是：先定基础模型路线，再选 checkpoint，最后按需要叠 LoRA。顺序反过来，后面排错会很累。

按用途选模型

模型选择最好从用途开始，而不是从下载量开始。

用途	推荐路线	判断标准
新手练习、学习 ComfyUI	SDXL	教程多、失败原因容易搜索、workflow 成熟
写实人像、头像、写真	成熟 SDXL checkpoint / FLUX	看肤色、手部、构图稳定性和授权
插画、二次元、风格图	对应风格 checkpoint + LoRA	看社区样图是否接近目标风格
海报、产品图、带文字画面	FLUX 或 SD 3.5 候选	看文字、构图、产品一致性，不只看单张样图
批量内容生产	成熟 SDXL workflow	看速度、复现、成本和失败率
商业交付	官方模型或许可清楚的社区模型	看模型 license、LoRA license、输出使用条款

新手为什么优先 SDXL

SDXL 不一定是“最新”，但它是很多本地生图工作流的安全起点。原因很现实：教程多，模型多，LoRA 多，ControlNet、IP-Adapter、Upscale 等周边资源也成熟。你遇到模型读不到、图片发灰、人物变形、显存爆掉，更容易搜到解决办法。

对新手来说，第一周的目标不是压出最高画质，而是建立一套稳定链路：模型能读到，workflow 能跑完，参数改动能复现，输出能保存。SDXL 在这件事上很友好。

什么时候试 SD 3.5

Stable Diffusion 3.5 适合你已经理解 ComfyUI 的基本链路，想尝试 Stability 官方新路线的时候。官方发布中把 SD 3.5 Large 定位为更强的模型，Medium 则更强调在消费级硬件上的可用性。

你可以这样判断：如果你已经能稳定跑 SDXL，并且愿意为新模型准备对应 workflow、节点和依赖文件，可以试 SD 3.5。反过来，如果你现在连 checkpoint 放在哪个目录都不确定，先把 SDXL 跑熟更划算。

什么时候试 FLUX

FLUX.1 很适合追求新模型质感、构图和 prompt 跟随能力的读者。尤其是你对画面整体完成度、文字元素、产品图或更自然的摄影感有要求时，FLUX 值得测试。

但 FLUX 的版本和授权更需要分清。FLUX.1 [schnell] 官方说明是 Apache 2.0 许可，dev、pro 等路线的使用方式和限制不同。你不能只看到“FLUX 效果好”，就默认所有 FLUX 版本都能本地随便商用。

按硬件选模型

硬件是模型选择里最容易被忽略的一层。很多模型样图来自高显存 GPU、云端服务或深度优化的 workflow，你把同样模型放到自己的电脑上，可能第一步就卡在显存。

低显存先别追大模型

如果你的 GPU 显存有限，优先选成熟模型和成熟 workflow。SDXL 通常更容易找到低显存教程、优化节点、轻量 checkpoint 和可复现参数。你也可以先从较小尺寸出图，再做放大，而不是一开始就跑高分辨率。

显存占用不是固定数字。它会受分辨率、batch size、采样步数、精度、VAE、ControlNet、IP-Adapter、放大节点和后处理影响。别人说“某显卡能跑”，不等于你的工作流也能跑。

一个稳妥做法是：

1. 先用官方或模型卡推荐的基础 workflow。
2. 尺寸从较小分辨率开始。
3. batch 固定为 1。
4. 关闭不必要的 ControlNet、放大和后处理节点。
5. 记录显存、耗时和失败报错。

这样你知道瓶颈在哪，而不是一上来把模型、尺寸、LoRA、ControlNet 全部打开。

云端适合先验证需求

如果你没有合适 GPU，或者只是想判断某个模型是否适合项目，可以先用云端或 API 路线试几轮。云端不能替代本地调试，但它能帮你快速回答一个问题：这个模型的风格和能力是否值得投入本地部署成本。

这对 FLUX 和 SD 3.5 尤其有用。你可以先用服务商体验模型效果，再决定是否下载权重、搭本地 workflow 或购买更强硬件。

按授权选模型

模型授权是选型里最不能跳过的一步。特别是你要把图片放进广告、课程封面、客户项目、商品详情页或付费素材包时。

三层 license 要分开看

第一层是基础模型 license。比如 Stability AI 有自己的 license 页面，BFL 的 FLUX.1 不同版本也有不同许可文件。第二层是社区 checkpoint 或 LoRA 的作者许可。第三层是你使用的平台或 API 服务条款。

这三层不能互相替代。基础模型允许某些使用，不代表社区融合模型也允许；平台允许你生成图片，也不代表你可以下载模型权重重新分发；生成图可以用于某些商业目的，也不等于模型本身可以作为服务出售。

SDXL、SD 3.5、FLUX 的授权检查重点

对 SDXL 和 SD 3.5，先看 Stability AI 官方 license 和 Hugging Face 模型卡。官方许可页会说明 Community License、收入阈值和企业许可边界。不要从旧文章里复制结论，因为 license 会更新。

对 FLUX，先分清 pro、dev、schnell。官方资料显示，schnell 更开放，dev 和 pro 的模型使用方式与限制不同。尤其是 dev 版本，很多页面会同时提到“输出可以使用”和“模型许可限制”，这两句话要一起看，不能只截取对自己有利的一半。

对社区模型，逐个看模型卡。模型标题里写着 realistic、commercial、free 都不够。你要找的是明确 license、训练说明、禁止用途、商用限制和作者更新记录。

在 ComfyUI 里试跑候选模型

选型最后必须落到试跑。只收藏模型链接，不等于你已经完成选择。

1. 看模型卡和 license

下载前先确认三件事：

• 模型基于哪条路线：SDXL、SD 3.5、FLUX，还是其他架构。
• 推荐工作流、推荐尺寸、推荐采样器、是否需要额外 text encoder / VAE。
• license 是否允许你的用途。

如果模型卡没有写清这些信息，先把它放到“实验候选”，不要直接进入商业项目。

2. 放到正确目录

ComfyUI 官方文档把模型放在 ComfyUI/models/ 下的不同目录。常见规则是：

类型	常见目录	用途
checkpoint	ComfyUI/models/checkpoints/	基础生图模型或社区 checkpoint
LoRA	ComfyUI/models/loras/	风格、角色、概念或产品特征
VAE	ComfyUI/models/vae/	解码 latent，影响色彩和细节
ControlNet	ComfyUI/models/controlnet/	姿势、边缘、深度图等控制
upscale model	ComfyUI/models/upscale_models/	图像放大

不同安装方式和新模型节点可能有额外要求。遇到模型读不到，先查官方文档或对应 workflow，不要只复制别人的目录截图。

3. 用对应 workflow，不要硬塞进旧节点

SDXL、SD 3.5、FLUX 的工作流结构可能不同。新模型往往需要对应的加载节点、编码器、采样方式或官方示例 workflow。把 FLUX 模型直接塞进普通 SDXL 的 Load Checkpoint 链路，大概率不会得到你想要的结果。

如果你是第一次试某个模型，优先找官方示例、维护者示例或 ComfyUI 生态里明确标注支持该模型的 workflow。先跑通最小链路，再加 LoRA、ControlNet 和后处理。

4. 固定参数做小样本测试

测试模型时不要一口气生成几十张。先固定一组参数：

• seed：固定，方便比较。
• prompt：同一段，覆盖人物、场景、材质、光线。
• size：先用模型推荐或较保守尺寸。
• steps / sampler / CFG：按模型卡或 workflow 推荐起步。
• batch：先设为 1。

每个模型至少跑 3 到 5 张，记录速度、失败率、画面稳定性和你最关心的细节。选模型不是看一张神图，而是看它在你的工作流里是否稳定。

常见误区和排障

误区 1：最新模型一定适合我

新模型可能更强，也可能更难部署。它可能需要新的节点、更多显存、不同 prompt 写法，甚至有更复杂的 license。你要的是适合当前任务的模型，不是名字最新的模型。

误区 2：样图好看就代表模型好

样图可能用了高质量 prompt、LoRA、ControlNet、后期放大和人工筛选。模型卡里的示例图只能说明上限，不能说明你本地第一次运行的平均结果。

误区 3：模型读不到就换模型

模型读不到，多数先查路径、格式、刷新/重启和 workflow 支持。先确认文件是否放对，再看节点是否支持该架构。不要还没排查目录，就连续下载更多模型。

误区 4：商用只看基础模型

商业使用要看基础模型、checkpoint、LoRA、平台条款和你的具体用途。哪怕基础模型允许某些商业使用，社区模型作者也可能加了限制。

下一步怎么读

如果你还没有跑通 ComfyUI，先看 ComfyUI 入门完整指南：从安装到第一张 Stable Diffusion 图片。如果你经常导入别人分享的 workflow，可以接着看 ComfyUI 工作流复用指南：JSON 导入、缺失节点和模型路径排查。

模型选好后，下一步才是 prompt。通用写法可以先读 Prompt Engineering 商业实战。如果你想把图片生成放进更完整的创作流程，也可以参考 跨越媒介的创作：使用 Nano Banana 2 与 Gemini 3 实现从创意草图到完整幻灯片的自动化。

参考资料

• Introducing Stable Diffusion 3.5
• Stability AI License
• Stable Diffusion XL Base 1.0 model card
• black-forest-labs/flux
• FLUX models by Black Forest Labs
• ComfyUI Models

结论

Stable Diffusion 模型选择不是一句“SDXL、SD 3.5、FLUX 谁更强”能回答的。更稳的顺序是：先看用途，再看硬件，再看生态，最后查授权。

新手从 SDXL 起步，能更快建立稳定工作流；想探索官方新能力，可以测试 SD 3.5；追求新模型质感和更强 prompt 跟随，可以评估 FLUX。真正的选择标准不是模型名字，而是它能不能在你的机器、你的工作流、你的授权边界里稳定产生结果。