O Stable Diffusion 3 Medium é o modelo de geração de imagem a partir de texto mais avançado lançado até agora pela Stability AI. Com 200 milhões de parâmetros, ele oferece detalhes, cores e efeitos de iluminação excepcionais, suportando diversos estilos. O modelo possui uma forte capacidade de compreensão de textos longos e prompts complexos, sendo capaz de gerar imagens com raciocínio espacial, elementos de composição, ação e estilo. Além disso, ele apresenta uma qualidade de texto sem precedentes, reduzindo erros de ortografia, espaçamento entre letras, formação de letras e espaçamento. O modelo é eficiente em termos de recursos, adequado para execução em GPUs de consumo padrão e possui capacidade de ajuste fino, podendo absorver detalhes sutis de conjuntos de dados pequenos, tornando-o ideal para personalização.