目前 huggingface 已经有一个 Stable Cascade 的在线 demo，可以快速体验：https://huggingface.co/spaces/multimodalart/stable-cascade
目前 Stable Cascade 的模型和代码（包括推理和训练）已经开源：
model：https://huggingface.co/stabilityai/stable-cascade
code：https://github.com/Stability-AI/StableCascade/tree/master
首先我们简单介绍一个 Stable Cascade 的模型架构，Stable Cascade 是基于之前的 Wuerstchen 架构，这个模型包含 3 个阶段，如下所示：
总结来看，Stable Cascade 是两个 latent diffusion 模型加一个小的 VQGAN 模型，其中一个 latent diffusion 起到生成的作用，而另外一个 latent diffusion 加 VQGAN 起到重建的作用。这里大家可能会想，为啥还需要用一个扩散模型来解码，而不是像 SD 那样直接用一个小的 decoder，主要是因为 42x 的下采样率还是损失比较大，需要一个生成能力更强的扩散模型来解码（这里公开了一个小的卷积网络来https://github.com/Stability-AI/StableCascade/blob/master/modules/previewer.py 来解码为 192x192 大小的预览图像），其实 VAE 也是有损压缩的，所以 DALLE-3 也搞出来一个基于扩散模型的 latent decoder。此外，Stable Cascade 的三阶段推理顺序是：Stage C -> Stage B -> Stage A，那么为啥三个解码的模型序号是反的，我猜这是因为序号是按照训练顺序来的，首先要训练 Stage A，然后是要训练 Stage B，注意训练 Stage B 的时候同时要把 Semantic Compressor 一起训练（EfficientNetV2-S 预训练模型是基于 ImageNet 的，并不能精准编码图像语义），然后固定 emantic Compressor 训练 Stage C。
在模型对比上，Stable Cascade 在文本一致性和图像质量上是优于 Playground v2， SDXL, SDXL Turbo 和 Würstchen v2。
参考
https://stability.ai/news/introducing-stable-cascade
https://huggingface.co/stabilityai/stable-cascade