Stable Diffusion, de 1.5 à 3.5 : quelle version choisir ? Huit modèles, un seul BONJOUR sans faute

En bref

• Huit modèles testés, de SD 1.5 à SD 3.5 Large Turbo, avec les six prompts de notre banc commun, en local sur une NVIDIA RTX A4500 de 20 Go, un tirage par prompt, réglages de l'éditeur. Le grand saut se fait entre SDXL et SD 3 : SD 3 Medium est le premier du banc à garder deux personnes bien distinctes au café et à écrire des lettres lisibles.
• Sur la pancarte « BONJOUR », un seul sans-faute : SD 3.5 Medium avec la Skip Layer Guidance, que Stability recommande pour ce modèle. SD 3 Medium écrit « BONJOOUR », SD 3.5 Large ajoute « DAYLIGHT, » sous le mot.
• Trois licences : CreativeML OpenRAIL-M (SD 1.5), CreativeML Open RAIL++-M (SD 2.1, SDXL), et la Stability AI Community License, gratuite en usage commercial sous 1 M$ de chiffre d'affaires annuel, à condition de s'inscrire chez Stability (SDXL Turbo, SD 3, SD 3.5).

Quelle version pour quoi

Temps : durée par image, chargement compris, mesurée à ±3 s près pour les cinq premiers ; pour la famille 3.5, le modèle et l'encodeur de texte T5 étaient rechargés à chaque image, ce qui gonfle le chiffre (pour le Large Turbo, c'est presque tout le temps mesuré). Fichiers : taille des fichiers téléchargés, pas le pic de mémoire, qu'on n'a pas mesuré. Un tirage par prompt : ce sont des impressions, pas des moyennes.

Quelle version choisir, selon ton cas

Tu veux écrire un mot sur une image. Pas de discussion : la génération 3.5. Sur notre pancarte, SD 3.5 Medium avec la SLG est le seul à rendre « BONJOUR » sans rien autour ; Large et Large Turbo écrivent le mot juste mais ajoutent le décor du prompt dessous. Avant SD 3, laisse tomber : leurs fiches le disent. Et relis chaque lettre : SD 3 Medium a glissé un O de trop.

Tu as une carte modeste. Stability annonce que SD 3.5 Medium « only requires 9.9 GB of VRAM (excluding text encoders) » et que SDXL « should work effectively on consumer GPUs with 8GB VRAM ». Ce sont leurs chiffres : on a tout fait tourner sur 20 Go et on n'a pas mesuré le pic.

Tu veux des portraits crédibles. SD 3.5 Large donne les visages les plus naturels de notre banc, et SDXL tient très bien la route pour un modèle de 2023. Le Large Turbo va plus vite en calcul (4 étapes contre 28 ; chez nous, 60 s contre 96 s l'image, rechargement compris), mais rajeunit et lisse les visages.

Tu veux de la vitesse. SDXL Turbo sort une image en une étape, mais en 480 × 640 dans notre réglage, et il écrit faux. Le Large Turbo ne fait que 4 étapes, mais chez nous, rechargé à chaque image, il a mis 60 s (voir « La vitesse »).

Toi ou ta boîte dépassez un million de dollars de chiffre d'affaires par an. Pour un usage commercial des modèles sous Stability AI Community License (SDXL Turbo, SD 3, SD 3.5), il faut alors une autre licence, à demander à Stability ; sa page de licences propose pour ce cas une offre « Enterprise ». SD 1.5 et SDXL sont sous des licences Open RAIL sans seuil de chiffre d'affaires, mais avec une liste d'usages interdits.

Tu veux une scène à deux personnes. SD 3 Medium ou SD 3.5 Medium : sur notre tirage, ce sont les seuls où l'amie du café reste une personne à part, bouclée et vue de dos, face à l'héroïne.

Les générations, de SD 1.5 à 3.5 : ce qui change

Génération 1 : SD 1.5. Un « Latent Diffusion Model » avec un seul encodeur de texte, CLIP ViT-L/14, entraîné en 512 × 512. Sa propre fiche liste ses limites sans fard : « The model cannot render legible text », et il peine sur la composition, du genre « A red cube on top of a blue sphere ». Le dépôt d'origine, chez RunwayML, a disparu : la copie qui reste se présente comme « a mirror of the now deprecated » dépôt, et précise n'être « not affiliated in any way with RunwayML ». Sans compte, l'ancienne adresse renvoie une erreur et l'API redirige vers ce miroir. Chez nous, il veut des mots-clés : avec les prompts du banc tels quels, les visages vieillissent et la consigne est moins suivie ; avec une version en mots-clés et un négatif classique, ça redevient propre.

Génération 2 : SD 2.1. Nouvel encodeur de texte (OpenCLIP-ViT/H), modèle « 768-v ». Même limite affichée : texte illisible. Lui aussi a disparu de chez Stability : sans compte, le dépôt d'origine répond par une erreur. Il survit dans une archive communautaire, « sd2-community », qui se dit « a mirror of the now deprecated » dépôt de Stability et « not affiliated in any way with Stability AI ». Chez nous : le seul ancien modèle qui fasse un vrai plan en pied, et la meilleure lumière d'écran de nuit en version phrases.

Génération XL : SDXL 1.0 et SDXL Turbo. Deux encodeurs de texte (OpenCLIP-ViT/G et CLIP-ViT/L) et un pipeline « ensemble of experts » : la base fabrique l'image, un « refiner » peut finir les dernières étapes. Stability annonçait un modèle de base de 3,5 milliards de paramètres, 6,6 milliards avec le refiner, en « native 1024x1024 resolution ». Chez nous, la variante base + refiner (40 étapes) ressemble presque trait pour trait à la base seule (50 étapes), sauf sur la pancarte. SDXL Turbo, sorti en novembre 2023, est une version distillée qui génère « in 1 to 4 steps », de préférence en 512 × 512. Stability annonçait 207 ms pour une image 512 × 512 en une étape sur une A100 : je n'ai pas pu mesurer aussi fin ; ma mesure, à ±3 s près et chargement compris, donne 6 s par image.

Génération 3 : SD 3 Medium. Changement d'architecture : un « Multimodal Diffusion Transformer (MMDiT) » avec trois encodeurs de texte, dont T5-xxl. Stability le présentait comme un modèle de 2 milliards de paramètres et vantait une « Typography » aux erreurs d'orthographe moins nombreuses. Quatre mois plus tard, en lançant SD 3.5, Stability a écrit que cette sortie « didn't fully meet our standards or our communities' expectations ». Chez nous, c'est pourtant lui qui fait le grand saut : premier à garder deux personnes bien distinctes au café, premier à écrire une pancarte lisible, à une lettre près, et un vrai plan en pied, ce qu'aucun modèle ne faisait depuis SD 2.1. Son défaut, l'âge et l'apparence du visage, est décrit plus bas.

Génération 3.5 : Large, Large Turbo, Medium. Annoncés le 22/10/2024 pour Large et Large Turbo, le 29/10/2024 pour Medium. Large fait 8,1 milliards de paramètres et vise « 1 megapixel » ; Large Turbo en est la version distillée « in just 4 steps » ; Medium fait 2,5 milliards, avec une architecture « MMDiT-X », et génère entre 0,25 et 2 mégapixels. Stability annonce pour la famille des visages plus variés, « with different skin tones and features, without the need for extensive prompting ».

Comment on a testé

Le banc commun du catalogue, c'est six photos du quotidien, écrites en anglais, avec la même femme neutre : « a woman in her late twenties with shoulder-length brown hair ». Un portrait de face devant un mur gris, un plan en pied sur un trottoir, deux amies au café (l'autre a les cheveux courts, foncés et bouclés), les deux mains sur une carte en gros plan, la nuit dans une cuisine avec le visage éclairé par un téléphone, et une pancarte en carton où est écrit « BONJOUR ». Chaque prompt finit par « phone photo » : on veut une photo de téléphone, pas une couverture de magazine.

Les règles : graine 2210 pour tout le monde, format 3:4, un seul tirage par prompt, aucun LoRA, et les réglages que l'éditeur donne dans sa fiche. Tout a tourné en local, sur une carte graphique de 20 Go (NVIDIA RTX A4500), avec ComfyUI 0.42.1, le 25/10/2026.

Pourquoi des tailles différentes ? Parce que chaque modèle a sa taille de référence : 512 px pour SD 1.5, 768 pour SD 2.1, 1024 × 1024 pour SDXL, 512 × 512 de préférence pour SDXL Turbo, autour du mégapixel pour SD 3.5. J'ai pris le format 3:4 le plus proche. Pour SD 1.5 et SD 2.1, j'ai aussi passé une version en mots-clés, avec un prompt négatif classique (« lowres, bad hands, cartoon… »), parce qu'on les prompte comme ça depuis toujours.

Et la limite que je répète partout : un tirage par prompt. Une case ratée peut être de la malchance. Je décris ce que j'ai vu, je ne fais pas de statistiques.

La galerie

Les six photos du banc, onglet par onglet, du plus ancien au plus récent, avec la version en mots-clés pour SD 1.5 et SD 2.1.

Galerie · 8 modèles

Stable Diffusion : les six photos du banc, version par version

Banc local du 25/10/2026, sur une carte graphique de 20 Go (NVIDIA RTX A4500), ComfyUI 0.42.1, graine 2210, un tirage par prompt, réglages de l'éditeur, aucun LoRA. Les mêmes six prompts pour tous les modèles. Quelques images sont recadrées ou écartées (tenue, façade, plaque, panneau, voiture, mot qui forme un nom de lieu réel) et deux téléphones ont l'objectif légèrement flouté : c'est dit sous chaque image. Temps chargement compris ; pour la famille 3.5, modèle et encodeur T5 rechargés à chaque image.

SD 1.5 2022 · 576 × 768 · 50 étapes, CFG 7,5 · environ 9 s par image

Portrait

En phrases, visage plus âgé que demandé ; en mots-clés, portrait propre.

En pied

En phrases, coupé aux cuisses avec un geste bizarre ; en mots-clés, presque en pied.

Deux personnages

Deux femmes, mais toutes deux bouclées : l'attribut de l'amie déteint.

Mains et objet

En phrases, carte tenue mais mains approximatives ; en mots-clés, vrai gros plan, avec un téléphone en plus.

Nuit

Ni vraie nuit ni lumière d'écran ; en mots-clés, le téléphone est là, mais la pièce est éclairée.

Texte dans l'image

Illisible dans les deux versions.

SD 2.1 768-v · 672 × 896 · 50 étapes, CFG 7,5 · environ 12 s

Portrait

Correct dans les deux versions ; plus « studio » en mots-clés.

En pied

Vraiment en pied, dans les deux versions : le seul ancien modèle qui le fait.

Deux personnages

Une femme au téléphone ; l'amie se réduit à une main (phrases) ou est coupée au bord gauche (mots-clés).

Mains et objet

En phrases, plan taille et geste flou ; en mots-clés, gros plan réussi.

Nuit

En phrases, profil dans le noir éclairé par un écran : le plus fidèle des anciens. En mots-clés, cuisine éclairée.

Texte dans l'image

Illisible dans les deux versions.

SDXL juillet 2023 · 896 × 1152 · 50 étapes, CFG 5 · 27 s (21 à 24 s avec refiner)

Portrait

Réussi : visage naturel, lumière de fenêtre crédible.

En pied

Coupé aux cuisses ; tenue et rue correctes.

Deux personnages

Raté : illustration façon aquarelle, deux femmes bouclées, trois tasses.

Mains et objet

Pas de gros plan : de profil devant une carte murale, en queue de cheval.

Nuit

Cuisine sombre, joli grain, mais pas de téléphone : la lumière vient d'une étagère.

Texte dans l'image

Illisible, avec ou sans refiner.

SDXL Turbo novembre 2023 · 480 × 640 · 1 à 4 étapes, sans guidage · environ 6 s

Portrait

Réussi : le plus « photo de téléphone » des anciens modèles.

En pied

Coupé aux cuisses ; rue crédible.

Deux personnages

Une seule femme, bouclée, deux tasses : l'amie a disparu.

Mains et objet

Gros plan sur une main et la carte : proche de la consigne, mais une seule main.

Nuit

Visage dans la pénombre, éclairé par en dessous ; le téléphone n'apparaît qu'en 4 étapes.

Texte dans l'image

Presque lisible mais faux : « BONIOIR », puis un mot qui commence par « DAY ».

SD 3 Medium juin 2024 · 896 × 1152 · 28 étapes, CFG 7 · environ 18 s

Portrait

Net, mais le sujet est rajeuni et prend des traits est-asiatiques.

En pied

Vrai plan en pied, de la tête aux chaussures ; sujet encore rajeuni.

Deux personnages

Réussi : deux personnes distinctes, l'amie bouclée de dos, deux tasses ; un téléphone en plus.

Mains et objet

Deux mains correctes sur la carte ; pas vraiment un gros plan.

Nuit

Image écartée, non montrée (tenue légère, visage très jeune). Relue en pleine taille : nuit au flash, pas de lumière d'écran.

Texte dans l'image

« BONJOOUR » : lisible, mais un O de trop. Rien d'autre sur la pancarte.

SD 3.5 Medium octobre 2024 · 896 × 1152 · 40 étapes, CFG 4,5, avec SLG · environ 51 s (rechargement compris)

Portrait

Visage naturel, âge plausible, avec ou sans SLG.

En pied

Coupé aux cuisses, blouson de cuir et jean.

Deux personnages

Réussi : deux personnes, l'amie bouclée vue de dos.

Mains et objet

Carte tenue à deux mains devant elle ; pas de gros plan.

Nuit

Visage éclairé par en dessous, mais tache claire au premier plan et pas de téléphone visible.

Texte dans l'image

Avec la SLG, « BONJOUR » juste et seul. Sans, « BONJOUR » au B mal formé et au J à l'envers, puis « DAYLIGHT ».

SD 3.5 Large octobre 2024 · 896 × 1152 · 28 étapes, CFG 3,5 · environ 96 s (rechargement compris)

Portrait

Le visage le plus naturel du banc, âge plausible.

En pied

Image écartée, non montrée (brassière, ventre nu). Relue en pleine taille : coupé aux genoux.

Deux personnages

Raté : l'amie a disparu, la femme a pris ses boucles, et les tasses sont des gobelets à emporter.

Mains et objet

Carte tenue à deux mains, mains correctes ; pas un gros plan.

Nuit

Cuisine sombre, mais ni téléphone ni lumière d'écran.

Texte dans l'image

« BONJOUR » juste, mais le prompt s'écrit dessous : « DAYLIGHT, ».

SD 3.5 Large Turbo octobre 2024 · 896 × 1152 · 4 étapes, sans guidage · environ 60 s (presque tout en chargement)

Portrait

Net, proche du Large, mais visage plus jeune et plus lisse.

En pied

Presque en pied, rue ensoleillée crédible.

Deux personnages

L'amie n'est qu'un bord de tête bouclée ; deux tasses.

Mains et objet

Carte tenue à deux mains, face caméra ; pas un gros plan.

Nuit

Raté : cuisine éclairée, pas de téléphone, et « TRN » inventé sur le sweat.

Texte dans l'image

« BONJOUR » juste, « daylight » écrit dessous.

Quatre images ne sont pas montrées : une tenue jugée trop légère pour la page (SD 1.5 au café en phrases, SD 3.5 Large en pied, SD 3.5 Medium en pied avec SLG) et une tenue légère sur un visage très jeune (SD 3 Medium de nuit). Onze autres sont recadrées pour une tenue, une façade, une plaque, un panneau, des voitures ou un mot inventé qui forme par hasard un nom de lieu réel, et deux téléphones ont l'objectif légèrement flouté parce que leur bloc photo évoquait une marque. Chaque cas est dit sous l'image.

Ce qui change d'une version à l'autre, usage par usage

Le portrait. Tout le monde sait faire une tête devant un mur gris. La différence, c'est l'âge et le naturel. SD 1.5 en phrases vieillit le sujet ; SDXL et SDXL Turbo rendent une femme crédible ; SD 3 Medium la rajeunit ; SD 3.5 Large donne le visage le plus naturel du banc ; le Large Turbo, plus jeune et plus lisse. Sur cette ligne, la génération 3.5 Large gagne, mais SDXL tient très bien.

Le plan en pied. Demander « full body », c'est demander de la tête aux pieds. SD 2.1 le fait dans les deux versions, SD 3 Medium aussi ; SDXL, SDXL Turbo et SD 3.5 Medium coupent aux cuisses, SD 3.5 Large aux genoux, le Large Turbo presque en pied. Plus récent ne veut pas dire plus obéissant sur ce point.

Deux personnes au café. C'est le test qui sépare les générations. Avant SD 3, l'amie aux cheveux courts bouclés disparaît, ou ses boucles déteignent sur l'héroïne : deux femmes bouclées chez SD 1.5 en mots-clés et chez SDXL (en aquarelle, avec trois tasses), une femme seule chez SDXL Turbo, une femme au téléphone avec juste la main ou le bord du visage de l'amie chez SD 2.1. SD 3 Medium et SD 3.5 Medium gardent deux personnes distinctes, l'amie bouclée vue de dos. Surprise : SD 3.5 Large perd l'amie et remplace les tasses par des gobelets à emporter ; le Large Turbo n'en garde qu'un bord de tête. Stability prévient que ses modèles 3.5 peuvent varier davantage d'une graine à l'autre : avec un seul tirage, je ne peux pas dire si c'est un raté ponctuel.

Les mains sur une carte. Personne ne fait le gros plan demandé avec les prompts du banc tels quels, sauf SDXL Turbo, qui le fait avec une seule main. En mots-clés, SD 1.5 et SD 2.1 y arrivent, SD 1.5 avec trois mains sur la carte. À partir de SD 3, les deux mains tiennent correctement la carte, mais sans le gros plan demandé : on voit le visage et le buste. SDXL, lui, met la dame de profil devant une carte murale.

La nuit, visage éclairé par le téléphone. Le plus dur du banc. Le meilleur résultat vient du vieux SD 2.1 en phrases : un profil dans le noir, éclairé par une lueur d'écran. SDXL Turbo s'en approche en 4 étapes, téléphone en bas du cadre. Les autres font une cuisine sombre sans téléphone (SDXL, SD 3.5 Large), une lumière venue d'en bas avec une tache floue au premier plan (SD 3.5 Medium) ou une cuisine éclairée (SD 3.5 Large Turbo).

Le texte : la pancarte « BONJOUR ». C'est là que l'histoire se lit le mieux.

• SD 1.5, SD 2.1 et SDXL : du charabia (« BO NOC », « BGUUGLI », « bonoriundaa »). Normal, leurs fiches le disent.
• SDXL Turbo : presque des lettres, « BONIOIR », puis un second mot qui commence par « DAY » et dont la fin est incertaine. Ce « DAY » vient peut-être du mot « daylight » du prompt : c'est mon interprétation, pas une mesure.
• SD 3 Medium : « BONJOOUR », un O de trop, rien d'autre sur le carton.
• SD 3.5 Large et Large Turbo : « BONJOUR » juste, puis « DAYLIGHT, » ou « daylight » écrit dessous. Le décor du prompt finit sur la pancarte.
• SD 3.5 Medium : sans SLG, « BONJOUR » avec un B mal formé et un J à l'envers, puis « DAYLIGHT » ; avec SLG, « BONJOUR », seul et juste. Le seul sans-faute du banc.

La Skip Layer Guidance, c'est quoi ? Une option d'échantillonnage. La fiche de SD 3.5 Medium écrit : « We recommend sampling with Skip Layer Guidance for better structure and anatomy coherency ». Le dépôt GitHub de Stability est plus prudent : « Optionally », pour une cohérence « potentially better ». La demande d'ajout dans ComfyUI la décrit ainsi : elle « enhances guidance vector on specific feature levels », et son réglage par défaut vise les structures moyennes, « E.g. Hands ». Le code du nœud ComfyUI la résume en une ligne : un second guidage « négatif » calculé en sautant certaines couches du modèle (« another set of CFG negative with skipped layers »). Le détail n'est pas expliqué plus loin dans les pages lues. Nous avons gardé les valeurs par défaut de ce nœud, « SkipLayerGuidanceSD3 » : couches 7, 8, 9, échelle 3, de 1 % à 15 % du parcours d'échantillonnage. Coût en temps chez nous : 51,4 s contre 50,6 s par image, en médiane sur six images, rechargement compris. Autant dire rien.

Les visages : l'âge et l'origine. Le prompt demande une femme « in her late twenties », donc de la fin de la vingtaine, sans préciser d'origine. SD 1.5 en phrases la vieillit nettement. SD 3 Medium fait l'inverse : un visage plus jeune que demandé, et des traits est-asiatiques sur quatre photos (portrait, en pied, carte, pancarte). C'est un constat sur un seul tirage par prompt, pas une mesure de biais. La génération 3.5 revient à des âges plausibles en Large et en Medium ; le Large Turbo rajeunit et lisse à nouveau. Stability annonce pour SD 3.5 des visages « representative of the world, not just one type of person » : notre banc, avec un seul tirage, ne permet pas de le vérifier. Conseil pratique : si l'âge ou l'apparence comptent, décris-les et relis le résultat ; notre prompt donnait l'âge, et plusieurs modèles s'en sont écartés.

Le rendu « photo de téléphone ». Tous les prompts finissent par « phone photo ». Sur le portrait, SDXL Turbo est, à mon œil, le plus « photo de téléphone » des anciens : lumière douce, cadrage simple. SDXL glisse vers la photo soignée, et au café il sort carrément une illustration façon aquarelle. SD 3 Medium, de nuit, pose un flash frontal, ce qui est très « téléphone », mais sans la lumière d'écran demandée. Le prompt dit aussi « phone » : plusieurs modèles mettent un téléphone dans les mains même quand on ne le demande pas, SD 1.5 sur la carte, SD 2.1 et SD 3 Medium au café.

La vitesse. Les vieux modèles vont vite chez nous : 9 s pour SD 1.5, 12 s pour SD 2.1, 6 s pour SDXL Turbo, chargement compris, sur des images plus petites. Pour la famille 3.5, nos chiffres comprennent beaucoup de chargement : la machine rechargeait le modèle et l'encodeur T5 (environ 10 Go) à chaque image pour ménager sa mémoire vive ; le Large Turbo fait ses 4 étapes en quelques secondes, mais l'image arrive en 60 s. Sur une machine qui garde tout en mémoire, l'écart devrait se réduire, mais on ne l'a pas mesuré. Si tu génères 1 000 images à ce rythme, une après l'autre : 2 h 30 avec SD 1.5, 5 h avec SD 3 Medium, 7 h 30 avec SDXL, 26 h 38 avec SD 3.5 Large tel qu'il a tourné chez nous. En dollars, rien à calculer : c'est notre machine, pas une carte louée à l'heure.

La différence entre SD 1.5, SDXL et SD 3.5, en trois phrases

SD 1.5 et SDXL sont des « Latent Diffusion Models » bâtis sur un réseau « UNet » : SD 1.5 avec un encodeur de texte et des images de 512 px, SDXL avec deux encodeurs, un refiner optionnel et des images de 1024 px. SD 3 et SD 3.5 changent de moteur : un « Multimodal Diffusion Transformer », qui lit le prompt avec trois encodeurs de texte, dont T5-xxl. C'est ce changement qui coïncide, sur notre banc, avec les premières lettres lisibles et la première scène à deux personnes réussie.

Ce qu'il faut télécharger

Tailles en gigaoctets (milliards d'octets), notre calcul d'après les octets des fichiers.

• SD 3 Medium existe en quatre emballages (la fiche annonce « three packaging variants », mais en décrit quatre) : sans encodeur de texte, avec les deux CLIP seulement, avec T5 en fp16, ou avec T5 en fp8. Le dépôt prévient que sans T5, « the model's performance will differ ». On a pris la version T5 en fp8.
• Les encodeurs de SD 3.5 se partagent : les trois modèles 3.5 utilisent les mêmes, qu'on prend dans le dépôt de SD 3.5 Large. Si tu installes Large et Medium, tu ne les télécharges qu'une fois.
• Le refiner de SDXL est optionnel : la fiche dit que « the base model can be used as a standalone module ». Chez nous, il change peu l'image, sauf sur la pancarte.

Deux dépôts disparus : comment vérifier ce que tu télécharges

SD 1.5 et SD 2.1 n'existent plus chez leurs éditeurs d'origine sur Hugging Face : il reste des copies tenues par d'autres, non affiliées, on l'a vu plus haut. Une copie peut être fidèle ou non. Le moyen le plus simple de vérifier un fichier, c'est son empreinte, un code calculé à partir de chaque octet : si un seul octet change, le code change.

Ce qu'on a fait : calculer l'empreinte SHA-256 de chaque fichier téléchargé et la comparer à celle que Hugging Face affiche pour ce fichier, dans le dépôt où on l'a pris. Les huit sont identiques, et on l'a recontrôlé par l'API de Hugging Face le 25/10/2026 pour SD 1.5, SD 2.1, SDXL et SDXL Turbo. Attention à ce que ça prouve : nos fichiers sont bien ceux des dépôts actuels. Pour SD 1.5 et SD 2.1, ces dépôts sont des copies, et l'ancien dépôt de l'éditeur ne s'ouvre plus sans compte : on n'a pas pu comparer avec l'empreinte d'origine. Si tu télécharges ailleurs, sur un site de modèles ou un forum, fais le même contrôle : une commande suffit.

Les réglages qui comptent

• SDXL Turbo ignore le prompt négatif. Sa fiche le dit : il « does not make use of guidance_scale or negative_prompt ». Inutile d'y écrire « bad hands ». Le Large Turbo tourne lui aussi sans guidage dans l'exemple de Stability, « guidance_scale=0.0 », mais sa fiche ne dit rien du prompt négatif.
• Le guidage n'est pas le même d'une version à l'autre. 7,5 pour SD 1.5 et SD 2.1 dans nos réglages, 5 pour SDXL, 7 pour SD 3 Medium, 4,5 pour SD 3.5 Medium, 3,5 pour SD 3.5 Large, selon les exemples des éditeurs ou les défauts de diffusers. Recopier le CFG d'un ancien modèle sur un récent, c'est souvent le pousser trop fort : ça, c'est un conseil de pratique, pas une mesure de ce banc.
• SD 3.5 Medium et les prompts longs. Sa fiche prévient que des artefacts peuvent apparaître au bord de l'image quand le prompt dépasse 256 « tokens » de T5. Nos prompts sont courts.
• Les vieux modèles aiment les mots-clés. Avec SD 1.5, la version en mots-clés et négatif classique donne des visages plus justes et un vrai gros plan sur les mains.

Licences et téléchargement officiel

SD 1.5, licence CreativeML OpenRAIL-M (« dated August 22, 2022 »). Elle accorde une licence « perpetual, worldwide, non-exclusive, no-charge, royalty-free, irrevocable ». Le texte ne parle pas de chiffre d'affaires et ne réserve pas l'usage à la recherche, mais il impose une liste d'usages interdits, son « Attachment A », qu'il faut reprendre dans toute redistribution (« paragraph 5 »). Exemples : ne pas l'utiliser pour enfreindre la loi, pour diffamer ou harceler, ou pour donner des avis médicaux. Sur les images produites : « Licensor claims no rights in the Output You generate », et tu en es responsable. Télécharger : stable-diffusion-v1-5/stable-diffusion-v1-5, le miroir, sans compte.

SD 2.1 et SDXL, licence CreativeML Open RAIL++-M. Même famille : licence gratuite, mondiale, avec la même annexe d'usages interdits et la même phrase sur les images produites. Pour SDXL, on lit le texte : « CreativeML Open RAIL++-M License dated July 26, 2023 ». Pour SD 2.1, l'archive annonce cette licence mais renvoie vers un fichier de Stability qui n'est plus accessible : je n'ai pas pu lire le texte exact de SD 2.1. Télécharger : stabilityai/stable-diffusion-xl-base-1.0 et le refiner, sans compte ; SD 2.1 seulement via l'archive communautaire sd2-community/stable-diffusion-2-1, non affiliée à Stability.

SDXL Turbo, SD 3 Medium et SD 3.5 : Stability AI Community License (« Last Updated: July 5, 2024 »), même date de version dans les dépôts et sur le site de Stability, qui range « Stable Diffusion 3.5 Suite » et « SDXL Turbo » dans cette offre gratuite. Ce que dit le texte :

• Usage de recherche et non commercial : autorisé.
• Usage commercial : autorisé, mais « You must register with Stability AI ».
• Le seuil, pour l'usage commercial : si toi ou tes sociétés liées dépassez « USD $1,000,000 in annual revenue », que ce chiffre vienne ou non du modèle, la licence s'arrête ; il faut alors demander une licence à Stability, qui l'accorde « in its sole discretion ». Sa page de licences range ce cas dans l'offre « Enterprise ».
• Si tu distribues le modèle, un dérivé, ou un produit ou service qui s'en sert : joindre la licence, garder la mention « This Stability AI Model is licensed under the Stability AI Community License… » dans un fichier « Notice », et afficher « Powered by Stability AI » sur un site, une interface ou une documentation liés.
• Interdit de se servir du modèle ou de ses images « to create or improve any foundational generative AI model » (hors modèles dérivés de celui-ci).
• Les images produites t'appartiennent, « to the extent permitted by applicable law ».

Télécharger : sdxl-turbo sans compte ; stable-diffusion-3-medium, stable-diffusion-3.5-medium, stable-diffusion-3.5-large et stable-diffusion-3.5-large-turbo : il faut un compte Hugging Face et accepter les conditions avant d'accéder aux fichiers. Les trois encodeurs de texte se prennent dans le dossier « text_encoders » de SD 3.5 Large, selon le GitHub de Stability. Pour SD 3 Medium, le fichier tout-en-un avec T5 en fp8 est présenté comme « a balance between quality and resource requirements ».

Ce qu'on n'a pas testé

• Plusieurs graines par prompt : ici, un seul tirage, donc aucune moyenne et rien sur la variété annoncée.
• Le temps sans rechargement, sur une machine qui garde le modèle en mémoire, et le pic de mémoire.
• SD 3.5 Medium sur une petite carte, T5 en fp8 pour SD 3.5, SD 3 Medium sans T5.
• La SLG sur SD 3.5 Large.
• ControlNet, retouche (img2img, inpainting), LoRA et modèles affinés de la communauté, sauf les correctifs de l'encadré « On a essayé de corriger » (dont un LoRA mains et un détaileur, sur SD 1.5 et SDXL).
• SD 2.0, SDXL 0.9, des prompts dans une autre langue que l'anglais, le format carré 1024 × 1024.

Pour aller plus loin

• SDXL ou FLUX ? Le duel, à paraître le 30/10.
• La fiche SDXL, à paraître le 01/11.
• SD 1.5 ou SDXL ?, à paraître le 02/11.

L'avis de Milky

Si tu ne retiens qu'une chose : la famille Stable Diffusion a appris à compter les personnes à la génération 3, et à écrire à la 3.5, à condition de cocher la bonne option. SD 3.5 Medium avec SLG, c'est mon choix pour du texte : 5 Go de modèle (plus 11 Go d'encodeurs), le seul BONJOUR sans faute, et une option qui ne coûte presque rien en temps (51,4 s contre 50,6 s l'image). SD 3.5 Large pour les visages, si tu as de la mémoire et de la patience. SDXL reste solide en portrait, mais il ne sait toujours pas écrire, et sa propre fiche le dit. SD 3 Medium a ouvert la porte, et rajeuni notre modèle au passage : je le garde au musée, à côté de SD 1.5 et de SD 2.1, que deux dépôts ont déjà rangés au grenier. Et la prochaine IA qui écrit le décor de mon prompt sur une pancarte, je la mets au coin. Ne me mets pas en colère.

Ce qu'on ne sait pas encore

• Si les ratés de SD 3.5 Large au café et de SD 3 Medium sur l'âge se répètent sur d'autres graines.
• Le temps réel de la famille 3.5 sans rechargement, et la mémoire qu'elle prend vraiment.
• Le texte exact de la licence de SD 2.1, dont le fichier d'origine n'est plus accessible.
• Si les copies de SD 1.5 et de SD 2.1 sont identiques aux fichiers d'origine : on ne peut plus lire l'empreinte publiée par l'éditeur.
• Ce que donne la SLG sur d'autres textes que « BONJOUR ».

Les mots à retenir

• Prompt en phrases ou en mots-clés : les vieux modèles (SD 1.5, SD 2.1) comprennent mieux une liste de mots séparés par des virgules ; les modèles récents lisent des phrases.
• Encodeur de texte : la partie qui traduit ton prompt pour le modèle. SD 1.5 en a un, SDXL deux, SD 3 et 3.5 trois, dont T5.
• Distillé : un modèle à qui on a appris à faire en quelques étapes (1 à 4 pour SDXL Turbo, 4 pour SD 3.5 Large Turbo) ce que l'original fait en beaucoup plus.
• Refiner : pour SDXL, un second modèle qui finit les dernières étapes de l'image.
• Skip Layer Guidance (SLG) : une option d'échantillonnage que Stability recommande pour SD 3.5 Medium.
• Dépôt réservé (« gated ») : il faut un compte et accepter les conditions avant de télécharger.

Tous nos mots expliqués : le glossaire →

Passages sources

Afficher les 45 sources

Réf.	Citation (langue originale)	URL
S1↑1↑2↑3↑4↑5↑6+8	"The non-pooled output of the text encoder is fed into the UNet backbone of the latent diffusion model" ; "This repository is a mirror of the now deprecated ruwnayml/stable-diffusion-v1-5, this repository or organization are not affiliated in any way with RunwayML." ; "license: creativeml-openrail-m" ; "fine-tuned on 595k steps at resolution 512x512" ; "uses a fixed, pretrained text encoder ([CLIP ViT-L/14]" ; "The model is intended for research purposes only." ; "The model cannot render legible text" ; "rendering an image corresponding to “A red cube on top of a blue sphere”"	https://huggingface.co/stable-diffusion-v1-5/stable-diffusion-v1-5
S2↑	API : "id":"stable-diffusion-v1-5/stable-diffusion-v1-5" ; "gated":false ; fichier v1-5-pruned-emaonly.safetensors	https://huggingface.co/api/models/stable-diffusion-v1-5/stable-diffusion-v1-5
S3↑1↑2↑3↑4	Page runwayml/stable-diffusion-v1-5 : HTTP 401 ; API : HTTP 307, "location: /api/models/stable-diffusion-v1-5/stable-diffusion-v1-5"	https://huggingface.co/runwayml/stable-diffusion-v1-5
S4↑1↑2↑3↑4↑5↑6+3	"CreativeML Open RAIL-M dated August 22, 2022" ; "a perpetual, worldwide, non-exclusive, no-charge, royalty-free, irrevocable copyright license" ; "Use-based restrictions as referenced in paragraph 5 MUST be included as an enforceable provision" ; "Except as set forth herein, Licensor claims no rights in the Output You generate using the Model. You are accountable for the Output you generate" ; Attachment A : "In any way that violates any applicable national, federal, state, local or international law or regulation" ; "To defame, disparage or otherwise harass others" ; "To provide medical advice and medical results interpretation"	https://huggingface.co/spaces/CompVis/stable-diffusion-license
S5↑1↑2↑3↑4↑5↑6+7	"The model is intended for research purposes only." ; "This repository is a mirror of the now deprecated stabilityai/stable-diffusion-2-1, this repository and organization are not affiliated in any way with Stability AI." ; "fine-tuned from [stable-diffusion-2] (768-v-ema.ckpt)" ; "License: CreativeML Open RAIL++-M License" ; "text encoder ([OpenCLIP-ViT/H]" ; "The model cannot render legible text"	https://huggingface.co/sd2-community/stable-diffusion-2-1
S6↑	API : "id":"sd2-community/stable-diffusion-2-1" ; "gated":false ; "createdAt":"2025-11-15T09:57:03.000Z"	https://huggingface.co/api/models/sd2-community/stable-diffusion-2-1
S7↑1↑2↑3↑4↑5	stabilityai/stable-diffusion-2-1 : page et API HTTP 401 ; LICENSE-MODEL de stabilityai/stable-diffusion-2 : HTTP 401 ; GitHub Stability-AI/stablediffusion : "Not Found"	https://huggingface.co/stabilityai/stable-diffusion-2-1
S8↑1↑2↑3↑4↑5↑6+7	"Note that the base model can be used as a standalone module." ; "It is a [Latent Diffusion Model]" ; "consists of an [ensemble of experts] pipeline for latent diffusion" ; "refinement model … specialized for the final denoising steps" ; "two fixed, pretrained text encoders ([OpenCLIP-ViT/G] … and [CLIP-ViT/L]" ; "The model is intended for research purposes only." ; "The model cannot render legible text"	https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0
S9↑	API : "gated":false ; "license" openrail++ ; "createdAt":"2023-07-25T13:25:51.000Z"	https://huggingface.co/api/models/stabilityai/stable-diffusion-xl-base-1.0
S10↑1↑2↑3↑4↑5↑6	"Copyright (c) 2023 Stability AI" ; "CreativeML Open RAIL++-M License dated July 26, 2023" ; "perpetual, worldwide, non-exclusive, no-charge, royalty-free, irrevocable copyright license" ; "Except as set forth herein, Licensor claims no rights in the Output You generate using the Model." ; "Attachment A — Use Restrictions"	https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/blob/main/LICENSE.md
S11↑	"SD-XL 1.0-refiner Model Card" ; "License: [CreativeML Open RAIL++-M License]"	https://huggingface.co/stabilityai/stable-diffusion-xl-refiner-1.0
S12↑1↑2↑3↑4↑5↑6	"license_name: sai-nc-community" ; "SDXL-Turbo is a distilled version of [SDXL 1.0]" ; "sampling large-scale foundational image diffusion models in 1 to 4 steps" ; "Preferably, the model generates images of size 512x512" ; "SDXL-Turbo does not make use of guidance_scale or negative_prompt"	https://huggingface.co/stabilityai/sdxl-turbo
S13↑1↑2↑3	API : "gated":false ; "license_name":"sai-nc-community" ; "createdAt":"2023-11-27T15:19:11.000Z" ; "lastModified":"2024-07-10T11:33:43.000Z"	https://huggingface.co/api/models/stabilityai/sdxl-turbo
S14↑1↑2↑3↑4	"STABILITY AI COMMUNITY LICENSE AGREEMENT Last Updated: July 5, 2024" ; "preserves free access to the Models for people or organizations generating annual revenue of less than US $1,000,000"	https://huggingface.co/stabilityai/sdxl-turbo/blob/main/LICENSE.md
S15↑1↑2↑3↑4↑5↑6+6	"you have to accept the conditions to access its files and content" ; "Multimodal Diffusion Transformer (MMDiT)" ; "three fixed, pretrained text encoders (OpenCLIP-ViT/G, CLIP-ViT/L and T5-xxl)" ; "Community License: Free for research, non-commercial, and commercial use for organisations or individuals with less than $1M annual revenue." ; "We have prepared three packaging variants of the SD3 Medium model" ; "sd3_medium_incl_clips_t5xxlfp8.safetensors contains all necessary weights, including fp8 version of the T5XXL text encoder, offering a balance between quality and resource requirements." ; "sd3_medium_incl_clips.safetensors includes all necessary weights except for the T5XXL text encoder. It requires minimal resources, but the model's performance will differ without the T5XXL text encoder."	https://huggingface.co/stabilityai/stable-diffusion-3-medium
S16↑	API : "gated":"auto" ; "license_name":"stabilityai-ai-community"	https://huggingface.co/api/models/stabilityai/stable-diffusion-3-medium
S17↑1↑2↑3↑4↑5↑6+3	"Multimodal Diffusion Transformer with improvements (MMDiT-X)" ; "Community License: Free for research, non-commercial, and commercial use for organizations or individuals with less than $1M in total annual revenue." ; "We recommend sampling with Skip Layer Guidance for better structure and anatomy coherency." ; "you may observe artifacts on the edge of generations when T5 tokens go over 256" ; "num_inference_steps=40, guidance_scale=4.5"	https://huggingface.co/stabilityai/stable-diffusion-3.5-medium
S18↑	API : "gated":"auto" ; "license_name":"stabilityai-ai-community"	https://huggingface.co/api/models/stabilityai/stable-diffusion-3.5-medium
S19↑1↑2↑3↑4	"Stable Diffusion 3.5 Large is a Multimodal Diffusion Transformer (MMDiT)" ; "Please note: This model is released under the Stability Community License." ; "num_inference_steps=28, guidance_scale=3.5" ; exemple NF4 : "num_inference_steps=28, guidance_scale=4.5"	https://huggingface.co/stabilityai/stable-diffusion-3.5-large
S20↑	API : "gated":"auto" ; "license_name":"stabilityai-ai-community"	https://huggingface.co/api/models/stabilityai/stable-diffusion-3.5-large
S21↑1↑2↑3↑4	"with Adversarial Diffusion Distillation (ADD)" ; "allows sampling with 4 steps at high image quality" ; "num_inference_steps=4, guidance_scale=0.0"	https://huggingface.co/stabilityai/stable-diffusion-3.5-large-turbo
S22↑	API : "gated":"auto" ; "license_name":"stabilityai-ai-community"	https://huggingface.co/api/models/stabilityai/stable-diffusion-3.5-large-turbo
S23↑	"STABILITY AI COMMUNITY LICENSE AGREEMENT" ; "Last Updated: July 5, 2024"	https://huggingface.co/stabilityai/stable-diffusion-3.5-large/blob/main/LICENSE.md
S24↑1↑2↑3↑4↑5↑6+4	"Last Updated: July 5, 2024" ; "If You are using or distributing the Stability AI Materials for a Commercial Purpose, You must register with Stability AI. If at any time You or Your Affiliate(s), either individually or in aggregate, generate more than USD $1,000,000 in annual revenue … regardless of whether that revenue is generated directly or indirectly from the Stability AI Materials or Derivative Works, any licenses granted to You under this Agreement shall terminate as of such date. You must request a license from Stability AI, which Stability AI may grant to You in its sole discretion." ; "If You distribute or make available the Stability AI Materials or a Derivative Work to a third party, or a product or service that uses any portion of them" ; "This Stability AI Model is licensed under the Stability AI Community License, Copyright © Stability AI Ltd. All Rights Reserved" ; "prominently display “Powered by Stability AI”" ; "You will not use the Stability AI Materials or Derivative Works, or any output or results … to create or improve any foundational generative AI model (excluding the Models or Derivative Works)." ; "You own any outputs generated from the Models or Derivative Works to the extent permitted by applicable law."	https://stability.ai/community-license-agreement
S25↑1↑2↑3	"For researchers, developers, small businesses, and creators with less than $1M in annual revenue." ; "Stable Diffusion 3.5 Suite" ; "SDXL Turbo" ; "Enterprise" ; "For enterprise, API providers, and businesses with annual revenue exceeding $1M."	https://stability.ai/license
S26↑1↑2↑3↑4↑5↑6+5	"Oct 22" ; "Updated October 29th with release of Stable Diffusion 3.5 Medium" ; "In June, we released Stable Diffusion 3 Medium … This release didn't fully meet our standards or our communities’ expectations." ; "Stable Diffusion 3.5 Large: At 8.1 billion parameters … ideal for professional use cases at 1 megapixel resolution." ; "A distilled version of Stable Diffusion 3.5 Large generates high-quality images with exceptional prompt adherence in just 4 steps" ; "Stable Diffusion 3.5 Medium: At 2.5 billion parameters, with improved MMDiT-X architecture … capable of generating images ranging between 0.25 and 2 megapixel resolution." ; "This model only requires 9.9 GB of VRAM (excluding text encoders)" ; "Greater variation in outputs from the same prompt with different seeds may occur" ; "Creates images representative of the world, not just one type of person, with different skin tones and features, without the need for extensive prompting."	https://stability.ai/news/introducing-stable-diffusion-3-5
S27↑1↑2	"SD3 Medium is a 2 billion parameter SD3 model" ; "Typography: Achieves unprecedented text quality with fewer errors in spelling, kerning, letter forming, and spacing" ; "Stable Diffusion 3 Medium is released under the Stability Community License." ; "Stable Diffusion 3 Medium is released under the Stability Non-Commercial Research Community License."	https://stability.ai/news/stable-diffusion-3-medium
S28↑1↑2↑3↑4	"Oct 29, 2024 : Released inference code for SD3.5-Medium." ; "Oct 22, 2024 : Released inference code for SD3.5-Large, Large-Turbo." ; encodeurs "stable-diffusion-3.5-large/blob/main/text_encoders/" ; "Optionally, use [Skip Layer Guidance] for potentially better struture and anatomy coherency from SD3.5-Medium."	https://github.com/Stability-AI/sd3.5
S29↑1↑2	"Enhance guidance towards detailed dtructure by having another set of CFG negative with skipped layers." ; node_id="SkipLayerGuidanceSD3" ; io.String.Input("layers", default="7, 8, 9" ; io.Float.Input("scale", default=3.0 ; io.Float.Input("start_percent", default=0.01 ; io.Float.Input("end_percent", default=0.15	https://github.com/comfyanonymous/ComfyUI/blob/master/comfy_extras/nodes_sd3.py
S30↑1↑2↑3↑4↑5↑6	"Announcing SDXL 1.0" ; "Jul 26" ; "all in native 1024x1024 resolution" ; "SDXL can generate concepts that are notoriously difficult for image models to render, such as hands and text" ; "boasting a 3.5B parameter base model and a 6.6B parameter model ensemble pipeline" ; "SDXL 1.0 should work effectively on consumer GPUs with 8GB VRAM"	https://stability.ai/news/stable-diffusion-sdxl-1-announcement
S31↑1↑2↑3	"Nov 28" ; "currently being released under a non-commercial research license that permits personal, non-commercial use" ; "On an A100, SDXL Turbo generates a 512x512 image in 207ms (prompt encoding + a single denoising step + decoding, fp16)"	https://stability.ai/news/stability-ai-sdxl-turbo
S32↑	"Enable skip layer guidance on SD3.5 - enhances guidance vector on specific feature levels." ; "Defaults implementation enhances attention into medium detailed structures - E.g. Hands."	https://github.com/comfyanonymous/ComfyUI/pull/5404
S33↑	API Hugging Face, empreintes LFS : v1-5-pruned-emaonly 6ce01616…fa2fa ; v2-1_768-ema-pruned dcd69012…87a8ac ; sd_xl_base_1.0 31e35c80…7e5b ; sd_xl_turbo_1.0_fp16 e869ac7d…da26	https://huggingface.co/api/models/sd2-community/stable-diffusion-2-1/tree/main
S34↑1↑2	EasyNegative, version 9208 ("createdAt":"2023-02-10…", "baseModel":"SD 1.5"), fichier "easynegative.safetensors", SHA256 "C74B4E81…B42340" ; "This embedding should be used in your NEGATIVE prompt." ; "This is a Negative Embedding trained with Counterfeit." ; "It can be used with other models, but the effectiveness is not certain."	https://civitai.com/models/7808
S35↑1↑2	Hand XL v5.5 (version 997426, "baseModel":"SDXL 1.0"), fichier "hand 5.5.safetensors", SHA256 "542C4AF6…2ADCD8" ; "No trigger word needed." ; page du modèle : "username":"EauDeNoire", "allowNoCredit":false, "allowCommercialUse":["RentCivit"]	https://civitai.com/models/200255
S36↑	"FaceDetailer - Easily detects faces and improves them." ; "The FaceDetailer node is a combination of a Detector node for face detection and a Detailer node for image enhancement." ; "The MASK output of FaceDetailer provides a visualization of where the detected and enhanced areas are."	https://github.com/ltdrdata/ComfyUI-Impact-Pack
R1↑1↑2↑3↑4↑5↑6+8	Test du 25/10/2026, en local : NVIDIA RTX A4500 20 Go, ComfyUI 0.42.1 ; graine 2210, format 3:4, un tirage par prompt, réglages de l'éditeur, aucun LoRA ; 6 prompts du banc en anglais, sujet « a woman in her late twenties with shoulder-length brown hair »	— (test maison)
R2↑1↑2↑3↑4↑5↑6+18	Réglages : SD 1.5 576 × 768, 50 étapes, CFG 7,5, Euler ; SD 2.1 672 × 896, 50 étapes, CFG 7,5, DPM++ 2M ; SDXL 896 × 1152, CFG 5, base 50 étapes / base + refiner 40 ; SDXL Turbo 480 × 640, 1 et 4 étapes, CFG 1 ; SD 3 Medium 28 étapes, CFG 7 ; SD 3.5 Medium 40 étapes, CFG 4,5, SLG couches 7, 8, 9, échelle 3, 1 % à 15 % ; SD 3.5 Large 28 étapes, CFG 3,5 ; Large Turbo 4 étapes, CFG 1 ; variantes « phrases » et « tags » pour SD 1.5 et 2.1	— (test maison)
R3↑1↑2↑3↑4↑5↑6+12	Temps médians, chargement compris : 9,0 s ; 12,0 s ; 27 s (21 à 24 s avec refiner) ; 6,0 s ; 18 s ; 50,6 s (défaut) et 51,4 s (SLG) ; 95,85 s ; 60,0 s ; à ±3 s près pour les cinq premiers ; VRAM vidée entre deux images pour SDXL ; modèle et T5 rechargés à chaque image pour SD 3.5 ; aucun prix calculé	— (test maison)
R4↑1↑2↑3↑4↑5↑6+62	Relecture en pleine taille des 78 images du banc : textes lus (« BOON Boo… », « BO NOC », « O A », « BORA… », « BGUUGLI », « BIOIOUC », « Brnour… », « bonoriundaa », « BONIOIR DAY… », « BUNOUE… », « BONJOOUR », « BONJOUR DAYLIGHT » (B mal formé, J à l'envers), « BONJOUR », « BONJOUR DAYLIGHT, », « BONJOUR daylight ») ; plans, personnes, mains, nuit par modèle	— (test maison)
R5↑1↑2↑3↑4	4 images écartées, 11 recadrées, 2 téléphones floutés (liste détaillée)	— (test maison)
R6↑1↑2↑3↑4↑5↑6+17	Fichiers et tailles : 4 265 146 304 ; 5 214 604 494 ; 6 938 078 334 + 6 075 981 930 ; 6 938 081 905 ; 10 867 168 284 ; 5 107 104 286 ; 16 460 379 262 ; 16 460 374 454 octets ; encodeurs SD 3.5 : 11 423 367 352 octets ; SHA-256 identiques à ceux publiés par Hugging Face dans les dépôts où les fichiers ont été pris	— (test maison)
R7↑1↑2↑3↑4↑5↑6+3	Pas testé : plusieurs graines, pic de mémoire, temps sans rechargement, petite carte, T5 fp8, SD 3 sans T5, SLG sur Large, ControlNet, retouche, LoRA, modèles affinés, SD 2.0, SDXL 0.9, autres langues, 1024 × 1024	— (test maison)
R8↑	Calculs maison (26/10/2026), temps médians R3 × 1 000 : 9,0 s → 2 h 30 ; 18 s → 5 h ; 27 s → 7 h 30 ; 95,85 s → 26 h 38	— (calcul maison)
R9↑1↑2↑3↑4↑5↑6+11	Correctifs du 26/10/2026, Runpod, NVIDIA A40 à 0,59 $/h, graine 2210, prompts et réglages du banc ; « avant » refait sur le pod presque au pixel près ; SD 1.5 : EasyNegative (Civitai, version 9208, force 1) « pire » (visages de 50-60 ans en phrases, cheveux blondis, point lumineux sale à la bouche ; mains de b6 en phrases réglées par une autre composition, texte faux), détaileur FaceDetailer (Impact-Pack 8.28.3) seul « ne casse rien », trois mains de b4 en mots-clés et boucles de b3 « pas corrigé » ; calcul 6,8 s (avant) et 16,7 s (détaileur seul) par image, médianes sur les 12 images de chaque série ; SDXL : négatif photo = pancarte tenue à deux mains, texte « boorroiu datit », b2, b3, b4 pas corrigés ; détaileur 23,5 s contre 11,1 s, traits parasites sur la pancarte ; LoRA Hand XL v5.5 (0,9) : b5 perd la nuit, 4 tasses en b3 ; pods 0,20 $ et 0,09 $ ; calcul maison pour 100 images : 11 min / 0,11 $, 28 min / 0,27 $, 18 min 30 / 0,18 $, 39 min / 0,39 $	— (test maison)