Stable Diffusion 3.5 FP8 本地部署与实战指南
2024 年 10 月，Stability AI 推出了真正意义上能跑在消费级显卡上的旗舰文生图模型——Stable-Diffusion-3.5-FP8。这一版本的发布，让不少原本只能望而却步的用户终于可以在 RTX 3060、4070 这类主流显卡上流畅运行 SD3.5，而不再依赖昂贵的 A100 或双卡系统。
更关键的是，它不是通过牺牲画质换来的阉割版，而是借助 FP8 量化技术，在几乎不损失表现力的前提下，实现了推理速度提升 30% 以上、显存占用下降近三成的突破性优化。对于希望将高质量生成能力落地到本地工作流中的设计师、独立开发者和内容团队来说，这无疑是个转折点。
核心优势：为什么 FP8 是当前最实用的选择？
过去我们常面临一个两难选择：要质量就得用 FP16 模型，但显存吃紧；想省资源就上轻量模型，可细节和提示词理解又打折扣。SD3.5-FP8 的出现打破了这个僵局。
它采用的是 E4M3FN 格式的 FP8 精度，这种格式在低数值区间保留了更高的动态范围，特别适合扩散模型中激活值分布稀疏的特点。相比传统的 INT8 量化容易导致信息丢失，FP8 能更好地维持权重的语义一致性，因此在文字渲染、复杂构图等对精度敏感的任务中依然表现出色。
实际测试中，以 RTX 4080（16GB）为例：
| 指标 | FP16 原始模型 | FP8 量化模型 |
|---|---|---|
| 显存峰值占用 | ~15.8GB | ~11.5GB |
| 1024×1024 图像生成耗时 | 5.8s | 3.1s |
| 支持最小显存设备 | 16GB | 12GB |
这意味着你现在可以用一块 12GB 显存的显卡，完成过去需要高端工作站才能胜任的任务。而且不只是能跑，是真正可以投入日常创作使用的稳定性能。
⚠️ 当然，在极端精细场景如医学插画、超写实产品建模中，FP16 版本仍略胜一筹。但对于绝大多数创意设计、概念草图、广告素材生成等任务，FP8 已经足够逼近原版效果。
如何获取模型？Hugging Face 下载全攻略
目前该模型由 Stability AI 官方托管于 Hugging Face，地址如下：
https://huggingface.co/stabilityai/stable-diffusion-3.5-large-fp8
你需要注册账号并申请访问权限（一般几分钟内通过）。审核通过后即可下载以下核心文件：
model.safetensors—— 主模型权重（约 11.8GB）config.json—— 模型配置tokenizer_config.json,vocab.json,merges.txt—— CLIP 文本编码器组件text_encoder_3/model.fp8.safetensors—— T5XXL 编码器的 FP8 权重
💡 网络加速技巧： 如果你在中国大陆地区访问缓慢，建议使用公共镜像站拉取，或者利用多线程工具进行本地高速下载。
本地部署实战：从零开始搭建 ComfyUI 环境
我们以 ComfyUI 一键整合包 + NVIDIA 显卡 为例，带你快速完成部署，无需手动配置 Python 或 CUDA。
准备运行环境
推荐硬件条件如下：
- GPU：NVIDIA 显卡（RTX 3060 及以上，建议 12GB 显存）
- 存储：至少 20GB 可用空间（含模型缓存）
- 系统：Windows 10/11 或 Ubuntu 20.04+
