Stability AIはロンドンに本社を置く企業であり、2019年にEmad Mostaqueによって設立された。2022年8月に、大学の研究室によるLatent space拡散研究に基づくオープンウェイトのText-to-image generationモデルであるStable Diffusionの公開リリースを資金提供し調整したことで注目を集めた。DALL-EやMidjourneyのようなクローズドな競合他社とは異なり、Stable Diffusionのウェイトはダウンロードしてローカルで実行でき、これによりDiffusion modelエコシステム全体でコミュニティツール、ファインチューン、派生製品が急速に爆発的に増加した。
起源とStable Diffusionのリリース
Stability AI自体は、LMUミュンヘンのCompVisグループのRobin Rombachを含む研究者らによる基礎となる潜在拡散技術を発明したわけではない。代わりに、同社は本番規模のバージョンをトレーニングするための計算資源に資金を提供し、Runwayを含むパートナーと協力して、APIゲート方式ではなくオープンリリースを推進した。この決定により、Stability AIは一時的に生成AIのオープンソース派の最も目に見える象徴となり、OpenAIや後のMidjourneyのクローズド戦略とは対照的となった。同社のトレーニングパイプラインは、ウェブから数十億の画像とテキストのペアを収集したドイツの非営利団体であるLAIONがキュレーションしたデータセットに大きく依存していた。
成長、資金調達、そして混乱
Stability AIは、生成AIへの投資家の熱意が加速する中で、2022年に約10億ドルの評価額で資金調達を行い、画像作業に加えてテキスト、音声、動画、3D生成研究にも拡大し、Robin Rombachなどの研究者を直接雇用した。しかし、同社は研究上の知名度を持続可能なビジネスに転換するのに苦労し、エンタープライズライセンスやクラウドホスティングからの収益を生み出すよりも速く現金を消費した。Emad Mostaqueは、財務的圧力、未払いの計算資源請求、戦略に関する内部対立の報告の中で、2024年3月に最高経営責任者を辞任した。元のStable Diffusionチームを含む数人の上級研究者も、ほぼ同時期に退社し、2024年にFLUX画像モデルをリリースした競合企業であるBlack Forest Labsを設立した。
その後のリリースと評価
Stability AIは、SDXLやStable Diffusion 3を含む後続のStable Diffusionバージョンをリリースし続け、音声や動画生成の実験も行い、財務を安定させるために音楽業界の人物を含む新しいリーダーシップと投資家を迎え入れた。その軌跡は、オープンソース生成AIビジネスモデルの議論で頻繁に引用されるケーススタディとなっている。Stable Diffusionを文化的に影響力のあるものにし、ControlNetのようなツールの中心にしたのと同じオープン性が、同社が自社モデルの人気から直接価値を獲得することを難しくしており、これはAnthropicやOpenAIのクローズドAPIビジネスとは異なる緊張関係である。