📌 项目地址：leejet/stable-diffusion.cpp | ⭐ 7,197 颗星 | 🔧 C++ | 📜 未标注
项目地址：leejet/stable-diffusion.cpp | 7,197 Star | C++
名字叫SD，实际什么都跑
stable-diffusion.cpp 用纯 C/C++ 实现了扩散模型推理，底层是 ggml，思路和 llama.cpp 完全一致：llama.cpp 让你不装 Python 就能跑大语言模型，这个项目对文生图做了同样的事。
项目名字已经跟不上它的野心了。README 列出的支持清单远超 Stable Diffusion 本家：
- SD 家族：SD1.x、SD2.x、SD-Turbo、SDXL、SD3/SD3.5，外加部分蒸馏版
- FLUX 家族：FLUX.1-dev/schnell、FLUX.2-dev/FLUX.2-klein
- 图像编辑：FLUX.1-Kontext-dev、Qwen-Image-Edit 系列、LongCat Image Edit 等
- 其他：Qwen-Image（含 2.1）、Z-Image、Wan2.1/Wan2.2 Vace、ERNIE-Image、LongCat Image、Ideogram4、Krea2 等 20 多个图像模型
更新节奏值得单独说：新模型发布后往往几天内就接入。Qwen-Image-2.1 是 Day-0 支持，MiniMax-H3 是 Day-1。从 2025 年 9 月到 2026 年 9 月，README 的重要新闻栏几乎每个月都有一条。
拿它干什么
我认为它解决的是两个具体问题。
第一，部署。ComfyUI 和 diffusers 都依赖整个 Python 生态，装环境经常比跑模型还费劲。stable-diffusion.cpp 编译出一个二进制文件就能用，没有外部依赖，不需要 PyTorch 和虚拟环境。低配机器、老旧显卡、边缘设备，都是它的地盘。
第二，嵌入。如果你想把生图能力塞进一个 C/C++ 应用里，比如桌面软件或本地工具，用 Python 方案得拖着解释器跑，这里直接链过去就行。
2026 年 4 月起项目还内置了嵌入式 Web UI，不想敲命令行可以开浏览器操作。
具体到每个模型怎么下载、转换、运行，README 不展开讲，而是每个模型给一份文档放在 docs/ 目录下：SD 系列看 docs/sd.md，FLUX 看的 docs/flux.md，Qwen-Image 2.1 看 docs/qwen_image_2.1.md。用哪个模型翻哪份，互不干扰。
代价是什么
它不是 ComfyUI 的替代品。没有节点编辑器，没有插件生态，想搭复杂工作流还是得回去用 ComfyUI。
另外 README 顶部有明确警告：项目在活跃开发中，API 和命令行选项可能频繁变动。今天写好的调用脚本，升级后可能要改。拿它做生产环境的话，升级前先看 changelog。
模型授权也要自己留意。FLUX.1-dev 等模型带非商用许可，商用前确认清楚你用的那个模型的条款。
一句话总结
7,197 个 Star 说明这条路的需求真实存在：编译一次，拷走就能跑，模型转成 gguf 格式后和 llama.cpp 的玩法完全同构。如果你已经在用 llama.cpp，上手成本几乎为零；如果你受够了 Python 环境，这个项目值得一试。