Playground 创始人兼 CEO Suhail Doshi 做客 YC The Light Cone 播客，深度分享他们如何从零构建全新架构的图像生成模型，实现文本渲染、Prompt 理解和图形设计领域的全面领先
「要达到 SOTA，你必须对每一个细节都近乎偏执。有些人训练模型后得到了不错的文本生成，但字距不对 -- 你是那种会在意字距的人，还是根本注意不到的人？」—— Suhail Doshi
Playground 将文本准确性作为第一优先级。几乎所有有商业价值的图形设计用例 -- Logo、海报、T 恤、贴纸 -- 都需要文本。当 Stable Diffusion 和 Midjourney 的文本渲染仍然模糊混乱时，Playground 选择在这个方向上实现跨越式突破，从而打开了从「AI 玩具」到「AI 设计工具」的转变。
与 ChatGPT 式的文本交互不同，Playground 选择了视觉优先的路线：用户从模板出发，而非从空白 Prompt 开始。这个设计理念来自对用户行为 18 个月的深入观察 -- 大多数人写不出好 Prompt，与其教用户如何写 Prompt，不如让产品团队替用户完成 Prompt 工程。
Playground V3 完全抛弃了 Stable Diffusion 的标准架构（CLIP + VAE + UNet），选择了一条高风险的全新技术路线。团队面对「安全方案」和「冒险方案」时，选择了后者 -- 因为他们认为用旧架构无论如何都无法实现理想的 Prompt 理解和文本精度，失败是确定的，不如赌一把不确定的。
Suhail 从三次创业中总结出最重要的教训：选择有顺风（tailwind）的方向。Mixpanel 赶上了移动互联网浪潮，Mighty 却遭遇了 Apple Silicon 的逆风。Playground 则站在 AI 和大语言模型的双重顺风中 -- 等着就能变得更好、更快、更便宜。