待验证50% 置信事实精确时间
扩散模型（如Stable Diffusion）通过逐步去噪还原图像，擅长细节纹理；自回归多模态模型（如GPT Image 2）在理解复杂文字指令和保持角色一致性方面更具优势
1
来源数
50%
置信度
长期有效
时效性
2026/7/20
首次发现
来源
相关事实
已验证扩散模型以 DALL-E 2、Stable Diffusion、Midjourney 为代表，重新定义了图像生成任务78% 相似已验证Stable Diffusion基于潜在扩散模型（Latent Diffusion Model），通过在压缩的潜在空间中进行去噪过程来生成高质量图像77% 相似待验证早期扩散模型如Stable Diffusion和DALL-E 2生成的图片中文字往往呈现乱码或模糊状态76% 相似待验证在GPT-Image-2这类自回归模型中，提示词的语序和结构比扩散模型更为重要，因为模型按顺序处理token，前面的描述往往获得更高的注意力权重75% 相似待验证扩散模型在图生图或参考图引导生成时，输入图像的信噪比会直接影响输出结果的细节还原度与风格传递准确性74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/572383API
curl https://kongchang.com/api/v1/knowledge/claims/572383MCP
get_claim(id=572383)