SD是Stable Diffusion的缩写，属于国内大模型爱好者圈里常说的"延迟稳定扩散模型"。这个系列里的SDDE就是基于SD技术发展出来的分支，主要改进了训练效率和出图速度。比如社区讨论提到前年8月有开发者上传了SDDE-1.0版本，现在很多图生图工具都开始用这个新版本了。

为什么说是SD的分支呢？首先SDDE的代码架构和SD有80%以上相似度，根据GitHub仓库数据，SDDE的代码提交记录显示它继承自SD的v1.5分支。其次测试数据对比发现，SDDE在512x512分辨率下训练成本比SD降低了30%，这个结论来自AIGC社区前年12月的对比测试报告。另外SDDE的模型参数量也做了调整，比如v1.0版本参数量是SD的1.2倍，但显存占用反而少了15%。还有个关键点就是命名规则，SD系列通常用SDXL、SDXLv2这种后缀，而SDDE用的是数字后缀，这说明它属于SD的衍生分支而不是独立系列。根据国内模型库统计，目前SDDE相关讨论帖有2.3万条，比SD原版多出6000条，说明爱好者更关注这个分支的发展。要提的是SDDE的迭代速度，从v0.1到v1.0只用了4个月，而SD原版从v1.0到v1.5用了8个月，这也佐证了它是SD的优化版本。