Sana

SANA是英伟达最新开源的高效图像生成模型，核心突破在于用线性扩散Transformer（Linear Diffusion Transformer）替代了传统Transformer中的复杂注意力机制，直接解决了高分辨率图像生成“又慢又吃显存”的痛点。以往生成一张1024x1024级别的图片，不仅需要多块高端显卡，还得等上十几秒甚至更久；而SANA只需单张RTX 3090就能在几秒内产出细节丰富的图像，甚至支持4bit量化后在消费级显卡上运行，大大降低了高质量图片合成的硬件门槛。 技术亮点方面，SANA采用了线性注意力（Linear Attention）设计，将计算复杂度从二次方降到线性，使得生成分辨率越高，相对速度优势越明显。同时，项目还提供了SANA-Sprint（极速推理）、SANA-Video（视频生成）、SANA-WM（水印去除）、SANA-Streaming（流式生成）等多个变体，构成了一个完整的图像生成工具链。更实用的是，它原生支持ControlNet，可以精确控制构图、姿势、深度等条件，让生成结果更可控。社区还贡献了ComfyUI插件和SGLang推理加速，上手体验非常顺滑。 适用场景非常广泛：设计师可以用它快速生成概念图、游戏素材、广告海报；自媒体创作者可以批量生成配图或短视频片段；研究人员可以基于开源模型做微调、低比特量化、RL对齐等二次开发。甚至个人爱好者凭一张3090就能本地跑起Demo，不用依赖昂贵的云服务。 上手难度极低。官方提供了HuggingFace模型库、在线Demo（包括6卡3090的完整版和单卡3090的4bit版），还集成了ComfyUI工作流，无需写代码就能拖拽出图。如果你懂一点Python，可以直接用Diffusers库调用预训练模型，文档和示例非常详细。整体来看，SANA几乎为所有想玩高分辨率AI绘图的人打开了大门——不再需要堆算力，一张消费级显卡就能玩得转。