Stable Diffusion 3 模型发布，采用了与 Sora 相同的 DiT 架构，质量有显著改进。作者表示，Stable Diffusion 3 优于其他文本到图像生成系统，参数量从 800M 到 8B 不等。SD3 架构基于 Sora 核心研发成员和纽约大学助理教授合作，使用 MMDiT 架构优于 UViT 和 DiT。Stable Diffusion 3 采用 Rectified Flow（RF）公式，作者提出的重新加权 RF 变体性能持续提高。模型进行了扩展研究，利用灵活的文本编码器进行改进，与其他模型进行了性能比较。