Cascade 模型是 Stable Diffusion 家族的新成员，具有更高的效率、更大的参数和更快的速度，同时潜空间更小。它在提示对齐和美学质量方面都表现优秀，并且兼容 Controlnet、Lora 等技术。
相比于之前的模型，Cascade 模型的优点包括：
- 更高的效率和速度：训练成本降低 16 倍，同时速度更快。
- 更大的参数和潜空间：编码为 24x24，相比 SD1.5 不牺牲质量。
- 优秀的性能：在提示对齐和美学质量方面表现突出。
- 广泛的兼容性：兼容所有已知的技术，如微调、LoRA、ControlNet、IP Adapter、LCM 等。
然而，Cascade 模型也存在一些缺点，如推理时长较长，限制了许多场景的应用。此外，模型的幻象和错误率仍然较高，在多链路的复杂应用中可能不可行。