昔日AI绘画框架王者Stable Diffusion WebUI，已死
写在前面
【WeThinkIn出品】栏目分享Rocky的认知思考与经验感悟，范围涵盖但不限于AI行业。
欢迎大家关注Rocky的公众号：WeThinkIn
欢迎大家关注Rocky的知乎：Rocky Ding
AIGC算法工程师面试面经秘籍分享：WeThinkIn/Interview-for-Algorithm-Engineer欢迎大家Star～
获取更多AI行业的前沿资讯与干货资源
AIGC时代的 《三年面试五年模拟》AI算法工程师求职面试秘籍独家资源：【三年面试五年模拟】AI算法工程师面试秘籍
Rocky最新撰写10万字Stable Diffusion 3和FLUX.1系列模型的深入浅出全维度解析文章：深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识
AIGC算法岗/开发岗面试面经交流社群（涵盖AI绘画、AI视频、大模型、AI多模态、数字人等AIGC面试干货资源）欢迎大家加入：https://t.zsxq.com/33pJ0
大家好，我是Rocky。
“还记得我们第一次打开Stable Diffusion WebUI，用上第一个Stable Diffusion模型的那天吗？”
坦率地说，当Rocky再次在github上打开Stable Diffusion WebUI项目主页时，心中十分感概。
记得在2022年的时候，在赛博佛祖秋叶的Stable Diffusion WebUI整合包加持下，Stable Diffusion及其背后的AIGC时代快速的被推向了普罗大众，AI绘画爱好者们不需要懂代码，便能快速搭建和使用Stable Diffusion模型进行AI图像的生成与创作。
作为资深的AIGC算法专家，Rocky也曾在AI绘画开源社区疯狂学习。Rocky第一次感受到“开源社区人民群众的力量”，从爱好者和应用者而非专业AI算法视角的切入，开源社区诞生了各式各样关于Stable Diffusion新奇的玩法、实验与感悟，让Rocky也受益匪浅。
但是，Stable Diffusion WebUI这个2022年AIGC时代元年最先让AIGC图像生成/AI绘画快速破圈，最先让开源社区的AI绘画爱好者把Stable Diffusion这个AGC明星大模型研究和使用的比专业AIGC算法工程师都好的“大功臣”，在2024年7月进行了最后一次更新。而那次更新已是绝唱，到2026年已经彻底无人对其进行运营和维护。
究其原因，它不是死于AI技术断层，也非败于资本挤压，而是在与ComfyUI的正面交锋中，一步步丧失了AIGC生态的主导权，最终被AI行业迭代的浪潮悄然淘汰。这不仅是两款AI绘画框架工具的胜负之争，更是AIGC创作从 “门槛式探索” 到 “精准化生产” 的必然选择，是AI绘画框架工具进化与AIGC用户需求同频共振的终极答案。
Rocky认为从Stable Diffusion WebUI的彻底死亡中，我们可以得出AIGC时代的本质特征。那就是在AIGC时代，AI技术的更新迭代速度远比传统深度学习时代要强烈的多。传统深度学习时代的Tensorflow和PyTorch的深度学习框架之争，一直持续到了2025年才算彻底分出胜负，PyTorch彻底击败了Tensorflow。而在AIGC时代的AIGC图像生成/AI绘画框架之争，却在短短3年就分出了胜负，ComfyUI成为了绝对的胜利者。
但不管是从理性还是感性角度来说，Stable Diffusion WebUI作为失败者依旧在AIGC时代的历史长河中书写了浓墨重彩的一笔。尽管我们不得不承认：Stable Diffusion WebUI的时代，已经落幕。
我们依旧可以提炼Stable Diffusion WebUI的本质价值、依旧可以总结其失败的本质原因、依旧可以感受那段“野蛮生长”的黄金年代、依旧可以为它送上赞歌。
接下来，大家就跟着Rocky的步伐，让我们一起WeThinkIn吧！
AIGC拓荒者的荣光：Stable Diffusion WebUI让AIGC图像生成领域破圈
2022年末至2023年初，Stable Diffusion系列模型的开源浪潮席卷AI行业时，Stable Diffusion WebUI 是当之无愧的推波助澜"大功臣"。
在那个AIGC图像生成技术还停留在AI实验室和少数AI极客圈的年代，Automatic1111开发的这款Web界面，以"表单式参数 + 轻量化部署"的组合，第一次把看似遥远的AIGC图像生成大模型推向了普罗大众。
**Rocky至今记得2023年春天的深夜，部署好Stable Diffusion WebUI后屏幕上显示的那个朴素甚至略显粗糙的界面：**顶部是Prompt和Negative Prompt输入框，中间排列着采样方法、迭代步数、CFG Scale 等密密麻麻的参数，底部是生成、图生图、局部重绘等核心功能按钮。
就是这样一个看似简陋的AI绘画框架工具，让无数非技术背景的AI创作者们第一次触摸到了"AIGC的魔法" —— 设计师用它快速生成灵感草图，插画师靠它拓展风格边界，甚至普通人也能通过调整几个参数，产出足以惊艳朋友圈的图像，和搞涩涩的能力。
秋叶的整合包更是让Stable Diffusion WebUI的普及度达到前所未有的顶峰，这也是Rocky在AI行业从业以来除了ChatGPT和DeepSeek外第一次看到AI技术工具如此破圈，在大街小巷被人们广泛的谈论着。
“解压即用、防爆显存、三分钟入门” 的口号，让4060乃至2080Ti这类消费级显卡也能流畅生成图像，这是千万AI创作者的集体狂欢。那些日子里，论坛里最热闹的话题永远是 “最佳采样器之争”，有人坚守 Euler a 的快速高效，有人痴迷 DPM++ 2M Karras 的细节表现；大家会为了一段精准的 Prompt 辗转分享，会为了 Seed 值的细微差异反复测试，会为了 LoRA 模型的训练效果通宵达旦。
如果时光停止在这里，那么无疑Stable Diffusion WebUI是足够伟大的。它打破了AIGC创作的技术壁垒，它用表单化的设计，把复杂的大模型参数转化为可直接调整的选项，让 “什么是 VAE”、"如何设置Clip跳过层"等这类专业AI技术问题，变成了普罗大众也能摸索的AIGC应用实践。在那个AI开源生态蓬勃生长的年代，Stable Diffusion WebUI无疑就是AIGC图像生成领域的"Windows系统" ，它构建了第一个真正意义上的普惠性AIGC创作平台，见证了无数AI创作者和AI爱好者的启蒙与成长。
挑战者ComfyUI带来的节点“革命”
但现实是，时光不会停下脚步。同样的，竞争对手也不会手下留情。
Stable Diffusion WebUI的荣光未能持续太久。2023年中，ComfyUI的横空出世，如同一场悄无声息的革命，彻底改写了AIGC绘画框架工具的竞争格局。如果说Stable Diffusion WebUI是 “把复杂AIGC技术简化为表单”，那么ComfyUI则是"把AIGC创作逻辑重构拆解为一个个解耦的AIGC功能节点"，这种顶层设计思想的差异，注定了两者截然不同的命运轨迹。
ComfyUI最核心的创新，就是创造性的提出了可视化和节点化的AIGC工作流架构。它摒弃了Stable Diffusion WebUI的线性表单设计，将每一个AIGC功能模块（比如AIGC主模型、文本编码器、采样器、VAE、ControlNet控制、LoRA加载、可控生成模块、超分模块、图像预处理模块等）都转化为独立的工作流节点（Node），AIGC创作者通过拖拽连接需要的功能节点，就能搭建出千变万化的自定义AIGC创作流程（Workflow）。
这种顶层设计思想看似增加了初期理解成本，却彻底释放了AIGC创作的灵活性： 我们可以在同一工作流中集成多个ControlNet模型，实现姿态、边缘、深度的多重控制；可以插入多个LoRA模型并精准调整权重，打造独一无二的风格融合；可以引入多个可控生成技术（PULID、InstantID、IP-Adapter、EcomID等）进行多重控制与精细化生成，也可以在预处理环节和后处理环节加入各种AI工具节点，实现图像抠图、人脸精修、图像超分、图像特征提取等细节功能实现。
ComfyUI的这种灵活性恰恰击中了Stable Diffusion WebUI 的致命短板。Stable Diffusion WebUI的表单式设计本质上是 “固定流程 + 参数调整”，虽然入门简单，但扩展性极差。当AIGC创作者需要实现复杂AIGC需求功能时，只能在有限的功能模块中妥协：想要同时使用ControlNet的OpenPose和Canny控制，需要反复切换参数面板；想要调整LoRA的生效范围，只能依赖第三方插件的简陋支持；想要构建例如"文本生成→局部修改→高清修复→风格迁移"的复杂工作流程时，需要在不同功能页之间来回跳转，效率极低。
更关键的是，ComfyUI完美适配了AIGC创作的核心需求演进：从"能生成"到"精准可控" 。
随着ControlNet、LoRA、可控生成、GAN等AIGC技术的持续爆发，AIGC创作者不再满足于随机生成的 “开盲盒” 体验，而是追求对画面细节、构图、风格的精准把控。
Stable Diffusion WebUI的线性流程根本无法承载这种复杂的AIGC控制创作需求，而ComfyUI的节点化设计，让每一个AIGC技术模块都能成为AIGC创作的"精准旋钮"。例如，在生成角色插画时，AIGC创作者可以通过节点串联实现 “文本定义基础形象→OpenPose 控制姿态→Depth 控制透视→LoRA 注入风格→HED 边缘优化→高清修复提升画质” 的全流程可控，这种精细化AIGC创作体验，是Stable Diffusion WebUI永远无法企及的。
败在顶层设计，Stable Diffusion WebUI退出历史舞台
Rocky认为，AIGC时代的AI绘画框架工具的竞争，最终还是归结到AIGC生态的竞争。
Stable Diffusion WebUI的衰落，本质上是生态优势的逐步丧失，而ComfyUI的崛起，则伴随着社区生态的爆炸式增长。
Stable Diffusion WebUI的生态问题，首先体现在更新迭代的滞后。由于核心架构是线性表单设计，其对新功能的兼容成本极高。
例如当ControlNet 1.1版本推出多预处理器联动功能时，Stable Diffusion WebUI花了近两个月才完成适配；当IP-Adapter技术普及后，Stable Diffusion WebUI的支持始终停留在基础层面，无法实现与LoRA的深度融合；而此时的ComfyUI已经凭借模块化架构，新功能往往在发布当天就有开源社区开发者推出对应功能节点，甚至能实现超出官方预期的拓展用法。
Rocky认为这本质上是AIGC时代的ComfyUI构建的UGC（User-generated Content）顶层设计对Stable Diffusion WebUI的PGC（Professionally-generated Content）顶层设计的降维打击。
下图是Stable Diffusion WebUI官方的最后一次大版本更新，足足有104项更新，但由一个没有盈利的PGC模式进行苦苦支撑，这本身就是不可持续的。而当时的这次更新，也只换来了开源社区的拍手叫好和鼓励，其他什么都没有。
其次，是用户群体的分化与流失。Stable Diffusion WebUI的核心用户群分为两类：AIGC新手和AIGC轻度创作者。但随着AIGC明星公司和互联网大厂陆续推出GPT-4o、Seedream、Nano Bananan、FLUX等低门槛的AIGC大模型及其创作平台，AIGC新手用户不再愿意花费时间学习采样器、CFG Scale 等专业参数，转而选择能够"用自然语言改图"的便捷AIGC工具；同时对于重度AIGC创作者和AIGC专业设计师来说，Stable Diffusion WebUI的灵活性严重不足，无法满足AIGC商业化创作的高效与精准需求，也纷纷投入ComfyUI的怀抱。这导致Stable Diffusion WebUI彻底陷入了"新手看不上，高手用不惯"的绝命尴尬境地。
与之形成鲜明对比的是，ComfyUI的社区生态呈现出指数级增长。AIGC用户自发分享的AIGC工作流累计超过10万个，涵盖人像、电商、插画、海报、影视分镜、模特换装、游戏设计等多个领域，AIGC新手可以直接复用成熟的AIGC工作流，AIGC高手可以在此基础上进行二次创作；AIGC开发者群体更是持续贡献高质量的功能节点，让ComfyUI框架下的AIGC功能边界不断拓展。
从AIGC行业顶层视角看，AIGC行业的最终选择，更是加速了Stable Diffusion WebUI的全面淘汰。国内头部AIGC创作平台Liblib在2.0升级中，虽然保留了Stable Diffusion WebUI入口，但核心推荐工具已切换为ComfyUI；海外主流AIGC模型社区Civitai上，新发布的AIGC模型教程中，ComfyUI的使用占比从2023年的不足10%飙升至2024年的75%；专业AIGC设计工作室更是集体转向ComfyUI，因为它能与AIGC商业化生产流程无缝对接，实现从AIGC创意到产品落地的高效转化。当AIGC行业标准的制定者和使用者都选择了更优的工具，Stable Diffusion WebUI的退出就只剩下了时间问题。
本质思考：快速迭代与淘汰的技术工具对科技工人的核心影响
Rocky认为钻牛角尖般的死板、单脑的对技术工具的学习是科技工人的思维定式，这给科技工人们带来了海量的沉没成本。
当最后一个Stable Diffusion WebUI专属插件停止更新，当简历上 “精通 Stable Diffusion WebUI”的技能标签从加分项变成“过时证明”，那些曾深耕Stable Diffusion WebUI的科技工人，不得不直面一个残酷的现实：他们花费数年积累的工具技能，正在快速贬值为沉没成本，而这场工具迭代带来的冲击，远比技术本身的落幕更为沉重。
Stable Diffusion WebUI的彻底淘汰，不仅是一个AIGC框架工具的退场，更是一群人的职业阵痛 —— 它撕开了AIGC行业 “持续学习” 光环下的隐忧：当学习速度赶不上淘汰速度，当深耕的领域突然沦为 “昨日黄花”，科技工人最后的结局可能是整个生命周期都在学习新技术、使用新技术，并且到此为止。
Rocky认为，在AIGC时代，如果科技工人没有对技术工具的核心价值进行前置预判的能力的话，其职业生涯乃至生命周期大概率会在持续学习新技术的沉没成本中度过。
这种沉没成本，体现在AI技能积累的不可逆损耗。AI算法工程师小谢曾花费8个月时间，深耕Stable Diffusion WebUI的插件开发：他吃透了Stable Diffusion WebUI的底层架构，独立开发出3款热门插件，解决了批量生图的效率痛点、LoRA权重精准控制等行业难题，其中一款插件在开源社区累计下载量超1万次。
为了适配Stable Diffusion WebUI的更新迭代，他几乎每周都要花费30小时调试代码、修复兼容性问题，甚至自费购买高配置显卡测试插件性能。但当ComfyUI成为行业主流，Stable Diffusion WebUI的用户量断崖式下跌，他的插件下载量骤减，之前积累的开发经验几乎无法迁移 ——ComfyUI的节点化架构与WebUI的线性表单逻辑完全不同，他熟悉的API接口、插件适配规则、用户使用习惯，在新工具生态中毫无用武之地。
“就像你花了几年时间练熟了一套武功，结果江湖突然宣布这套武功作废，所有的招式都成了多余的摆设”，小谢的无奈道出了无数科技工人的心声。
Rocky认为，尽管如此，我们仍能从一个被淘汰的AIGC技术工具中收获跨周期经验，只要思维认知突破局限。
Stable Diffusion WebUI的淘汰对科技工人的冲击，暴露了科技行业的核心逻辑：AI技术工具只是载体，底层能力才是永恒的竞争力。许多科技工人之所以被AI技术工具淘汰击垮，本质上是混淆了 “工具技能” 与 “核心能力” 的边界。
在Stable Diffusion WebUI积累的 “参数优化经验”，看似是工具专属技能，实则背后是对“AIGC生成模型原理”的理解、对“画面细节的审美判断”、对“用户需求的精准拆解”；那些在Stable Diffusion WebUI插件开发中积累的编程逻辑，看似只适用于Stable Diffusion WebUI架构，实则是 “模块化开发思维”、“兼容性设计能力” 的体现；那些通过Stable Diffusion WebUI积累的客户服务经验，本质上是“需求沟通能力”、“项目管理能力”的落地。
这些底层能力，并不会随着Stable Diffusion WebUI的淘汰而失效，反而可以迁移到ComfyUI、新的AIGC创作平台中，成为快速掌握新工具的核心优势。
真正的沉没成本，不是花费在AI技术工具上的时间，而是没有从AI技术工具学习中提炼出底层能力的无效投入。
AI技术工具迭代的本质，是对科技工人 “技能结构” 的筛选与重塑。它淘汰的不是 “持续学习的人”，而是 “只会学习工具表面技能的人”和“不会前置判断AI技术工具核心价值的人”。
终章：我们终将走向新的未来
如今，打开主流AIGC创作社区，Stable Diffusion WebUI的教程早已被ComfyUI的工作流分享所淹没；曾经热闹的Stable Diffusion WebUI参数交流社区，如今只剩下偶尔的怀旧闲聊；Stable Diffusion WebUI这个让千万AIGC爱好者启蒙的AIGC框架工具，就这样悄无声息地退出了历史舞台。
但我们永远会记得，是Stable Diffusion WebUI让我们第一次感受到AI绘画的魔力，是那些深夜里反复调整的参数、争论不休的采样器、辗转分享的Prompt，构成了AIGC创作最纯粹的拓荒时代。
Stable Diffusion WebUI的消亡，不是技术的失败，而是时代的进步；不是AIGC创作的终结，而是新征程的开始。
AIGC框架工具终究是载体，真正永恒的是AIGC创作者的灵感与执念。就像Stable Diffusion WebUI被ComfyUI彻底取代，未来或许还会有更先进的AIGC框架工具取代ComfyUI，但不变的是AIGC创作者对美的追求、对精准的执着、对创新的渴望。
Stable Diffusion WebUI已死，但AIGC创作的黄金时代，才刚刚拉开序幕。那些在Stable Diffusion WebUI中积累的AIGC创作经验、培养的审美品味、探索的技术逻辑，都将成为ComfyUI的养分。
我们不必为Stable Diffusion WebUI 的落幕过度伤感。就像马车的淘汰不是因为它不够优秀，而是因为汽车更能满足新时代的需求。Stable Diffusion WebUI作为拓荒者，完成了 “点燃火种” 的历史使命，而 ComfyUI 则接过了接力棒，引领AIGC行业进入 “精准创作” 的新时代。
Rocky认为，AIGC时代的技术与产品演进方向必然朝着深度整合大模型、图像、视频、文本、多模态能力与Agent智能体的路径前行，核心目标是让AIGC的使用门槛持续降低、操作体验愈发简洁高效；而与之匹配的商业模式，也终将循着 “简单、易用、普惠” 的核心逻辑持续迭代。
AIGC的浪潮正如同奔涌不息的海洋，汹涌向前。它既以不可阻挡的力量冲刷着那些无法跟上迭代节奏的AI技术工具，让陈旧的解决方案退出历史舞台；也在浪潮之下孕育着颠覆性的AI技术突破，催生全新的可能性。而我们正置身于这场波澜壮阔的AIGC大航海时代之中。
推荐阅读
2、Sora等AI视频大模型的核心原理，核心基础知识，网络结构，经典应用场景，从0到1搭建使用AI视频大模型，从0到1训练自己的AI视频大模型，AI视频大模型性能测评，AI视频领域未来发展等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
Sora等AI视频大模型文章地址：https://zhuanlan.zhihu.com/p/706722494
3、Stable Diffusion 3和FLUX.1核心原理，核心基础知识，网络结构，从0到1搭建使用Stable Diffusion 3和FLUX.1进行AI绘画，从0到1上手使用Stable Diffusion 3和FLUX.1训练自己的AI绘画模型，Stable Diffusion 3和FLUX.1性能优化等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
Stable Diffusion 3和FLUX.1文章地址：https://zhuanlan.zhihu.com/p/684068402
4、Stable Diffusion XL核心基础知识，网络结构，从0到1搭建使用Stable Diffusion XL进行AI绘画，从0到1上手使用Stable Diffusion XL训练自己的AI绘画模型，AI绘画领域的未来发展等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
Stable Diffusion XL文章地址：https://zhuanlan.zhihu.com/p/643420260
5、Stable Diffusion 1.x-2.x核心原理，核心基础知识，网络结构，经典应用场景，从0到1搭建使用Stable Diffusion进行AI绘画，从0到1上手使用Stable Diffusion训练自己的AI绘画模型，Stable Diffusion性能优化等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
Stable Diffusion文章地址：https://zhuanlan.zhihu.com/p/632809634
6、ControlNet核心基础知识，核心网络结构，从0到1使用ControlNet进行AI绘画，从0到1训练自己的ControlNet模型，从0到1上手构建ControlNet商业变现应用等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
ControlNet文章地址：https://zhuanlan.zhihu.com/p/660924126
7、LoRA系列模型核心原理，核心基础知识，从0到1使用LoRA模型进行AI绘画，从0到1上手训练自己的LoRA模型，LoRA变体模型介绍，优质LoRA推荐等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
LoRA文章地址：https://zhuanlan.zhihu.com/p/639229126
8、Transformer核心基础知识，核心网络结构，AIGC时代的Transformer新内涵，各AI领域Transformer的应用落地，Transformer未来发展趋势等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
Transformer文章地址：https://zhuanlan.zhihu.com/p/709874399
9、最全面的AIGC面经《手把手教你成为AIGC算法工程师，斩获AIGC算法offer！（2024年版）》文章正式发布！
码字不易，欢迎大家多多点赞：
AIGC面经文章地址：https://zhuanlan.zhihu.com/p/651076114
10、50万字大汇总《“三年面试五年模拟”之算法工程师的求职面试“独孤九剑”秘籍》文章正式发布！
码字不易，欢迎大家多多点赞：
算法工程师三年面试五年模拟文章地址：https://zhuanlan.zhihu.com/p/545374303
《三年面试五年模拟》github项目地址（希望大家能多多star）：https://github.com/WeThinkIn/Interview-for-Algorithm-Engineer
11、Stable Diffusion WebUI、ComfyUI、Fooocus三大主流AI绘画框架核心知识，从0到1搭建AI绘画框架，从0到1使用AI绘画框架的保姆级教程，深入浅出介绍AI绘画框架的各模块功能，深入浅出介绍AI绘画框架的高阶用法等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
AI绘画框架文章地址：https://zhuanlan.zhihu.com/p/673439761
12、GAN网络核心基础知识，网络架构，GAN经典变体模型，经典应用场景，GAN在AIGC时代的商业应用等全维度解析文章正式发布！
码字不易，欢迎大家多多点赞：
GAN网络文章地址：https://zhuanlan.zhihu.com/p/663157306
