目前 huggingface 已經有一個 Stable Cascade 的線上演示，可以快速體驗：https://huggingface.co/spaces/multimodalart/stable-cascade
目前 Stable Cascade 的模型和程式碼（包括推理和訓練）已經開源：
模型：https://huggingface.co/stabilityai/stable-cascade
程式碼：https://github.com/Stability-AI/StableCascade/tree/master
首先我們簡單介紹一個 Stable Cascade 的模型架構，Stable Cascade 是基於之前的 Wuerstchen 架構，這個模型包含 3 個階段，如下所示：
總結來看，Stable Cascade 是兩個 latent diffusion 模型加一個小的 VQGAN 模型，其中一個 latent diffusion 起到生成的作用，而另外一個 latent diffusion 加 VQGAN 起到重建的作用。這裡大家可能會想，為啥還需要用一個擴散模型來解碼，而不是像 SD 那樣直接用一個小的 decoder，主要是因為 42x 的下採樣率還是損失比較大，需要一個生成能力更強的擴散模型來解碼（這裡公開了一個小的卷積網路來https://github.com/Stability-AI/StableCascade/blob/master/modules/previewer.py 來解碼為 192x192 大小的預覽圖像），其實 VAE 也是有損壓縮的，所以 DALLE-3 也搞出來一個基於擴散模型的 latent decoder。此外，Stable Cascade 的三階段推理順序是：Stage C -> Stage B -> Stage A，那麼為啥三個解碼的模型序號是反的，我猜這是因為序號是按照訓練順序來的，首先要訓練 Stage A，然後是要訓練 Stage B，注意訓練 Stage B 的時候同時要把 Semantic Compressor 一起訓練（EfficientNetV2-S 預訓練模型是基於 ImageNet 的，並不能精準編碼圖像語義），然後固定 emantic Compressor 訓練 Stage C。
在模型對比上，Stable Cascade 在文本一致性和圖像品質上是優於 Playground v2， SDXL, SDXL Turbo 和 Würstchen v2。
參考
https://stability.ai/news/introducing-stable-cascade
https://huggingface.co/stabilityai/stable-cascade