SD1.5・SDXL・Stable Diffusion 3.5の違い｜世代差とCheckpointの選び方

「SD3.5が新しいなら、SDXLから替えた方がいいのかな」。モデルを探していると、世代の数字が気になってきますよね。数字が新しいだけで決める前に、手元の追加ファイルを見ておきたいところです。

SD1.5、SDXL、Stable Diffusion 3.5では、モデルの構成に加えて、使える追加ファイルや推奨設定も変わります。この記事では三つの違いを見ながら、どの系列のCheckpointから一枚作るかを決めていきます。Checkpointは、ここでは生成の土台になる学習済みモデルのファイルです。

3世代の違いを先に確認

世代	強み	選ぶ前に見ること
SD1.5	軽く動かしやすく、CheckpointやLoRAなど既存資産が多い	SD1.5向け資産を使うか、軽さを優先するか
SDXL 1.0	実写・アニメ・イラスト向けの派生Checkpointが豊富	SDXL向けCheckpoint、1024px系の設定、VRAM
SD3.5	文章で指定する構図・要素を重視したLarge、4ステップのTurboなどを選べる	SDXL資産は流用せず、専用ワークフローと配布条件を確認する

SD1.5は軽さと既存資産で選ぶ

SD1.5で気に入った作例やLoRAを見つけたなら、そのままSD1.5向けの組み合わせを調べてみましょう。DreamShaper 8やRealistic Visionのような派生Checkpointがあり、LoRA、Embedding、ControlNet系モデル、ワークフローも蓄積されています。比較的軽く動かしやすいことも、選ぶ理由になります。

使いたいファイルと、繰り返し生成できる軽さがそろっていれば、世代が古いだけで候補から外す必要はありません。ただ、後でSDXLやSD3.5を試すときに、解像度、CFG、ステップ数まで引き継がないようにしてください。新しく選んだCheckpointの配布ページを開き、そのモデル向けの設定から始めます。

SDXLはCheckpointの選択肢が広い

SDXLを初めて使うなら、まずBaseだけで一枚作れます。「BaseとRefinerの両方を入れなきゃ」と身構えなくても大丈夫です。Refinerは必須ではなく、Baseで作った後に必要を感じたときに検討できます。追加すると、必要なメモリや生成時間にも影響します。

構成としては、SDXL 1.0はSD1.5より大きな潜在拡散モデルです。公式モデルカードでは、文章を処理するテキストエンコーダーとしてOpenCLIP-ViT/GとCLIP-ViT/Lの2種類を使います。この違いもあるため、SD1.5のファイルを名前だけ合わせて使うことはできません。

派生Checkpointから絵柄を選ぶ楽しみが大きいのもSDXLです。実写系のJuggernaut XL、アニメ系のAnimagine XL、イラスト系のIllustrious XLなどがあります。同じSDXLでも得意な描写やプロンプトの書き方は違うので、好きな作例を見つけたら、その配布元の推奨設定まで読んでみてください。

LoRAはベースモデルの世代を合わせる

LoRAを加えたいときは、ダウンロードする前に配布ページのBase Modelを見ます。SD1.5向け、SDXL向け、SD3.5向けでは、学習の土台が違います。Model Version、対象アーキテクチャ、推奨Checkpointも分かれば、使うモデルとの組み合わせを絞れます。

Checkpointが生成の土台であるのに対し、LoRAはその描写を調整する追加ファイルです。画像への変換を担当するVAEも含め、配布元が対応を案内する組み合わせにします。どれも.safetensorsだから使える、とは判断できません。同じ拡張子のファイルが並んでいても、役割と対応系列を一つずつ見てください。

配布ページを二つ開き、Checkpointの系列、LoRAのBase Model、推奨Checkpointを並べて見ます。たとえばIllustrious向けと書かれたLoRAなら、まずその配布元が示すIllustrious系の組み合わせから試しましょう。条件が分からなければ、LoRAなしでCheckpoint単体の一枚を残してから加えると、追加前後の違いを見られます。

Stable Diffusion 3.5はモデルごとに前提が違う

SD3.5を試すなら、まずLarge、Large Turbo、Mediumのどれを使うかを決めます。MMDiT系という、SDXLとは異なる構成を採用しており、Largeは8.1B、Mediumは2.5Bのパラメーターを持ちます。8.1Bは81億、2.5Bは25億というモデル規模の表記で、そのまま必要VRAMのGB数を表す数字ではありません。

モデル	特徴
Stable Diffusion 3.5 Large	8.1Bの大型モデル
Stable Diffusion 3.5 Large Turbo	Largeの蒸留版。4ステップ生成を想定
Stable Diffusion 3.5 Medium	2.5Bのモデル

Flashという名前を見つけても、この三つと同じようにPCへ入れられるとは考えないでください。FlashはAPIで提供されるモデルとして案内され、ここで参照した資料では公式のローカル重みを確認できていません。自分のPCで使う候補は、公式Core Models一覧で配布先を確認できるLarge、Medium、Large Turboから調べ、取得するファイルのライセンスも読みます。

SD3.5は「文章で何を描くか」を優先するときに試す

特定のLoRAを使うことよりも、文章で人物や物の関係を細かく指定したいなら、SD3.5 Largeを比較候補にできます。Stability AIのSD3.5紹介でも、文章の指定への追従性を強みとして挙げ、約1メガピクセルでの用途を想定しています。

たとえば「赤いカップを左、青い本を右に置いた机」という指示なら、色と物の位置が合っているかを見られます。これは比較の題材の例で、本記事で生成に成功した作例ではありません。自分が描きたい場面に置き換え、SDXLの候補と比べてみましょう。

作りたいもの・優先条件	私なら最初に選ぶ系列	その理由と切り替え条件
使いたいIllustrious系LoRAで、絵柄やキャラクター表現をそろえる	SDXL系の対応Checkpoint	資産との互換性が優先。SD3.5へ替えても同じLoRAは引き継げない
特定のLoRAに依存せず、文章で物体・配置・場面を指定する	SD3.5 Largeを比較候補にする	提供元が追従性を重視するモデル。自分の指示でSDXL候補と比較して採用を決める
生成を繰り返し、構図案を短いステップ数で探す	SD3.5 Large Turbo	4ステップを想定した蒸留版。通常Largeの設定をそのまま使わない
SD3.5を試したいがLargeの構成が重い	SD3.5 Medium	2.5Bの別構成。Largeと同品質とは扱わず、必要資源と結果を比較する

すでにSDXLで好みのCheckpointとLoRAがそろっているなら、動いている環境を残しておきましょう。SD3.5は別のワークフローで試すと、作り慣れた画像へいつでも戻れます。気に入っている絵柄を失ってまで、世代名に合わせて乗り換える必要はありません。

比較するときは、残したい物や位置を先に決め、複数のSeedで作ってみます。提供元も、SD3.5では同じ文でもSeedによる変動が大きくなり得ることや、曖昧な指示で仕上がりが安定しない場合があることを説明しています。一枚だけうまく描けたかより、自分の場面指定で使い続けられそうかを見たいところです。Large・Medium・Turboにはそれぞれの推奨設定を使い、比較条件を残してください。

VRAMは世代名だけで決めない

一般にはSD1.5からSDXL、大型のSD3.5へと必要な計算資源が増えやすくなります。ただ、「SDXLだから必ず12GB」と世代名だけで決めると、使いたい構成を見落としてしまいます。

配布ページの動作例を見るときは、モデルの精度、テキストエンコーダー、VAE、画像サイズ、同時生成枚数を確認しましょう。ControlNetなどを追加した場合や、一部をシステムRAMへ退避するCPUオフロードを使う場合でも変わります。同じモデル名でも、FP16版と量子化版は必要量が違うので、自分が取得する版の条件を見ます。

どれを選べばいい？

• SD1.5：軽さ、既存のSD1.5向けLoRA、古いワークフローを優先する
• SDXL：実写・アニメ・イラスト向けの豊富なCheckpointから選びたい
• SD3.5：SDXLの既存LoRAより、文章による場面指定やTurboの短ステップ生成を優先して比較したい

まずは、作りたい絵に近いCheckpointか、使いたいLoRAを一つ選んでみてください。CivitaiやHugging Faceの配布ページでBase Modelを確かめると、使う世代と対応ワークフローを絞れます。

その組み合わせの推奨解像度と生成設定で一枚を作り、画像と設定を保存しましょう。軽く何度も作る日はSD1.5、好みのLoRAを使う日はSDXL、場面指定を比べる日はSD3.5というように、用途に合わせて残しておくのもよい使い方です。

Stable Diffusion以外も含めて選びたい場合は、ローカル画像生成の全体像で、モデル・UI・VRAMの関係を整理できます。