「Stable Diffusion XL Ultra」が実写画像生成率95%を達成した、という情報が一部で流通している。しかし編集部がStability AI公式のニュースページおよび主要テックメディアを確認した限り、この製品名と数値を裏付ける出典は見つからなかった。この具体的な数字の出典は確認できなかった、というのが正直なところだ。以下では、確認できる事実に基づいて、AI画像生成における「実写らしさ」競争の現在地を整理する。
実在するモデルの系譜
Stability AI公式発表「Stable Diffusion XL Beta Available for API Customers and DreamStudio Users」https://stability.ai/news-updates/stable-diffusion-xl-beta-available-for-api-customers-and-dreamstudio-users によれば、SDXLは2023年にベータ公開され、その後「SDXL 1.0」として正式リリースされた。Maginative「Stability AI Releases Stable Diffusion XL 1.0」https://www.maginative.com/article/stability-ai-releases-stable-diffusion-xl-1-0/ によると、SDXL 1.0は35億パラメータのUNetバックボーンを採用し、写実的な人物表現や複雑な構図、手の描写といった、従来モデルが苦手としてきた領域の精度向上を主眼に設計されている。
その後継として、Stability AIは「Stable Diffusion 3.5」（Large／Large Turboの2系統）を公開している。Largeは品質重視、Large Turboは生成速度重視という役割分担で、オープンウェイトモデルとしての開発を継続している。
競合が変えた勢力図
注目すべきは、Stability AIの元メンバーが立ち上げたBlack Forest Labsの「FLUX.2 Pro」が、写実性・画像内テキスト再現・長文プロンプトへの追従性・手指の解剖学的正確性といった複数の品質ベンチマークで、SDXLを上回るとする報道が相次いでいる点だ。オープンソースで民主化された画像生成AIの分野は、Stability AI一強ではなく、複数の系譜が並走する競争環境に移行している。
クリエイターにとっての意味
具体的な達成率の数字が確認できないからといって、画像生成AIの実用性が低いわけではない。SDXL 1.0、SD3.5、FLUX.2といった複数の選択肢が実在し、それぞれ得意領域が異なる。コンセプトアートやテクスチャ生成、アイデア出しの高速化という実務上の価値は、特定のベンチマーク数値よりも、実際のワークフローでどれだけ試行回数を増やせるかで測るべきだ。生成された画像をどう編集し、どう組み合わせ、どうストーリーテリングに落とし込むかというクリエイターの判断力は、モデルの性能が上がるほど相対的に重みを増す。プロンプトエンジニアリングのスキルはもちろん重要だが、それ以上に芸術的なセンスや文脈を読み解く力が問われる。AIはあくまでツールであり、最終的な創造主は人間であるという原則は変わらない。
企業が導入する上での論点
マーケティング、広告、ゲーム開発、プロダクトデザインといった分野では、画像生成AIによるコスト削減と生産性向上の余地は大きい。広告代理店がキャンペーン用ビジュアルの多数パターンを短時間で生成し、効果測定に時間を割く、といった活用は既に現実的な選択肢になっている。ただし、生成コンテンツの著作権の扱いや、ディープフェイク等の悪用を防ぐガイドライン整備は、技術の進化速度に対して常に後追いになりやすい。導入企業は、モデルの性能だけでなく、利用規約上の商用利用条件やコンプライアンス体制を確認したうえで採用を判断する必要がある。
投資家が見るべき点
Stability AIはオープンソース戦略で広範なユーザーベースとコミュニティを築いてきたが、収益化は依然として課題だ。API提供や商用ライセンス、クラウドサービスを通じた収益化がどこまで進むかは、今後の資金調達や事業継続性を占ううえで重要な指標になる。エコシステム全体で見れば、画像生成SaaS企業だけでなく、それを支えるGPUベンダーへの波及効果も無視できない。AI分野への投資は「技術の進歩」と「ビジネスモデルの確立」という2つの軸で評価する必要がある。
まとめ
「実写95%」という具体的な数字の出どころは、編集部の調査では特定できなかった。しかし、SDXL 1.0からSD3.5、そしてFLUX.2という競合系譜まで含めた「実写らしさ」の追求競争そのものは実在し、加速している。何が本物で何が人工なのかを見分けることが難しくなる時代において、重要なのは特定の数字を鵜呑みにすることではなく、実際に複数のモデルを試し、自分の用途に照らして評価する姿勢だろう。