你是否厌倦了等一张图渲染5分钟？是否在用Stable Diffusion时被显存爆满、推理慢、部署难反复劝退？NVIDIA最新开源的Sana（SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer）正是为此而生——它不是又一个“更大参数”的堆料模型，而是从底层算法到系统优化全面重构的下一代文生图引擎。通过创新的线性扩散Transformer（Linear DiT）架构与NVFP4低精度量化技术，Sana在保持4K级图像质量的同时，将推理速度提升至传统DiT模型的3–10倍，甚至能在单张RTX 3090（24GB）上实时生成1024×1024高清图，真正让高端生成能力“平民化”。
核心功能
- 极速高分辨率生成：原生支持1024×1024、2048×2048图像合成，推理延迟低至0.8秒/图（A100），比同类DiT模型快3–5倍
- 极致轻量部署：支持NVFP4（4-bit浮点）权重压缩，模型体积缩小75%，单卡3090即可运行完整Sana-1.5（含ControlNet插件）
- 开箱即用的多模态扩展：官方已集成ControlNet条件控制、Sana-Video视频生成、Sana-WM水印防护、Sol-RL强化学习微调框架，无需二次开发
- 工业级兼容生态：一键接入ComfyUI工作流、Hugging Face Spaces在线体验、SGLang大模型编排平台，支持TensorRT加速与分布式推理
- 中文友好开箱体验：Hugging Face模型库提供中文提示词优化版本（
sana-chinese-v1），文档站含完整中文教程与API示例 - 学术+工程双驱动设计：论文提出DEIS（Diffusion Exponential Integrator Solver）采样器，在更少步数（8–12步）下达成SOTA质量，显著降低算力消耗
适合哪些人用
如果你是——AI绘画创作者，需要快速迭代草图、批量生成商业级海报；中小企业开发者，想在低成本GPU服务器上部署私有文生图服务；高校研究者，关注扩散模型理论创新（如线性注意力机制、4-bit训练稳定性）；或ComfyUI/SDXL工作流用户，希望无缝升级到更高清、更流畅的新一代引擎——Sana就是你现在最值得尝试的“下一代默认选择”。
快速上手
无需编译、不碰CUDA：只需3行命令即可启动本地服务：
pip install sana-models
git clone https://github.com/NVlabs/Sana && cd Sana
python demo/sana_demo.py --model sana_1_5 --resolution 1024 --prompt "中国山水画，水墨晕染，留白意境"
进阶用户推荐使用Hugging Face一键体验：https://huggingface.co/spaces/Efficient-Large-Model/Sana-1.5（免安装，打开即用）；ComfyUI用户可直接安装ComfyUI_ExtraModels插件，自动加载Sana节点。
项目信息
SANA: Efficient High-Resolution Image Synthesis with Linear Diffusion Transformer
编程语言：Python｜GitHub Star 数：6420｜开源协议：Apache-2.0｜GitHub 项目地址
如果你想要一个既快又稳、既强又省、既有前沿论文背书又能今天就跑起来的文生图新标杆——Sana不是“未来可期”，它已经来了。
