SDXLとは Base・Refinerと旧モデルを残す判断

SDXLは、Stable Diffusionの系列を振り返るうえで重要な画像生成モデルです。クラウドのAPIだけでなく、モデルと制作環境を自分で管理する使い方を理解する際にも参考になります。新しい画像AIが増えた現在でも、過去の制作条件を残したい場面では調べる価値があります。

この記事は公式のモデル資料をもとに、BaseとRefinerの役割、再現に必要な記録、利用時の確認事項を整理します。今回ローカルで生成性能を測定した記事ではありません。

Stability AIのモデルカードでは、SDXLのBaseモデル単体での利用と、Refinerを組み合わせる方法を説明しています。Baseで画像を作り、追加の処理にRefinerを用いる構成です。SDXL Baseの公式モデルカード

二段階にすれば、どの画像でも必ず良くなるという意味ではありません。制作する内容と設定で結果が変わるため、Baseのみの画像を残し、Refinerを使った結果と比較します。採用した画像がどちらの工程から出たかを記録してください。

同じSDXLでも、使用したモデルファイル、追加学習モデル、生成設定、処理の組み方で結果が変わります。モデル名と指示文だけを保存しても、元の制作条件へ戻れない場合があります。

残しておきたいのは、モデルファイルの識別情報、使用した拡張、生成サイズ、ステップ数、サンプラー、シード、入力画像、処理の順序です。制作ツールがワークフローを書き出せる場合は、画像と対応させて保存します。

過去のシリーズと見た目を合わせたい、手元の制作工程を維持したい、決まった環境で繰り返し作りたい、といった目的なら旧モデルを比較対象に残せます。一方、初めて画像を作る人には、環境構築の手間が選択に影響します。

新しいサービスと比較する際は、生成時間だけでなく、準備、修正、保存、再利用までの作業時間を含めます。モデルが手元にあることと、目的の画像をすぐ作れることは同じではありません。

モデルのファイルを取得できても、実行には計算資源が必要です。手元のGPUを使うのか、クラウドGPUか、提供サービスのAPIかで費用は変わります。公開されていることだけで制作費ゼロとは扱えません。

商用利用や再配布を予定する場合は、モデルカードと適用ライセンスを確認します。追加学習モデルや拡張を使う場合には、それぞれの条件も確認してください。SDXLの派生であることだけで、条件がすべて同じとは判断しません。

作り直す前に、元画像のどこを維持したいかを書き出します。人物の見た目、商品の形、色、構図などです。新しいモデルの参照機能や編集機能で必要な部分を引き継げるかを少数試します。

旧版で作った実績を、新版の実績として紹介しないことも大切です。過去の生成条件はそのまま残し、新しいモデルで作り直した場合は別の制作記録にします。

SDXL 1.0の公開背景はStability AIの発表で確認できます。現在の利用方法は、使う環境の対応状況と合わせて確認してください。

情報確認日：2026年10月19日。