Короткий ответ: для SDXL хватит видеокарты NVIDIA с 8 ГБ, для комфортной работы с FLUX нужно от 12 ГБ с квантованной моделью, а 16 ГБ снимают большинство ограничений. Объём VRAM определяет, какая модель вообще запустится и в каком разрешении. Скорость генерации зависит от класса графического процессора. Если памяти не хватает, программа выгружает часть модели в оперативную память, и картинка, которая должна считаться секунды, начинает считаться минуты.
Что нужно, чтобы генерировать картинки дома
Видеокарта несёт основную нагрузку, остальная система её обслуживает. Минимальный набор выглядит так:
- Видеокарта NVIDIA. Почти весь софт и оптимизации пишутся под CUDA. Карты AMD работают через ROCm в Linux или через обходные пути в Windows, но настройка сложнее, а часть расширений не заводится.
- Оперативная память от 32 ГБ. Модели сначала загружаются в ОЗУ, а при нехватке VRAM туда же выгружаются их части. Для FLUX с крупным текстовым энкодером 16 ГБ мало, 64 ГБ дают запас.
- NVMe SSD от 1 ТБ. Один чекпоинт SDXL весит около 6–7 ГБ, полная версия FLUX занимает десятки гигабайт, а LoRA и апскейлеры быстро набирают ещё столько же. С быстрого диска модели переключаются заметно быстрее.
- Процессор любой современный. На скорость генерации он почти не влияет: шести-восьми ядер среднего класса достаточно.
Блок питания и охлаждение подбирайте под видеокарту. Генерация пачкой нагружает GPU так же, как тяжёлая игра, только без пауз, по полчаса и дольше.
Софт: ComfyUI, Automatic1111 или Forge
Все три программы бесплатные, запускаются локально и открываются в браузере. Различаются подходом к интерфейсу и тем, насколько быстро в них появляется поддержка новых моделей.
Automatic1111
Классический интерфейс с вкладками и ползунками, с огромной базой расширений и инструкций. Для SD 1.5 и SDXL годится, но новые модели вроде FLUX в нём поддерживаются плохо, а развитие заметно замедлилось.
Forge
Ответвление Automatic1111 с тем же интерфейсом и переписанным управлением памятью. Forge экономнее расходует VRAM, сам выгружает модели и умеет запускать FLUX, в том числе в квантованных форматах. Если вы привыкли к A1111 или хотите начать без схем и узлов, ставьте Forge.
ComfyUI
Интерфейс из узлов: процесс генерации собирается как схема из блоков. Порог входа выше, зато ComfyUI первым получает поддержку новых моделей, гибче всех работает с памятью и позволяет сохранять сложные цепочки (ControlNet, апскейл, несколько LoRA) одним файлом. Для серьёзной работы с FLUX это фактический стандарт.
Сколько VRAM едят SDXL и FLUX на разных разрешениях
Расход памяти складывается из трёх частей: веса основной модели, текстовые энкодеры и рабочий буфер под само изображение. Последний растёт вместе с разрешением и размером пачки. Ниже приведены ориентиры для базовых сценариев. Точные цифры зависят от программы и её настроек, поэтому считайте таблицу оценкой порядка, а не замером.
| Модель и формат | Вес основной модели | Комфортный объём VRAM | Примечание |
|---|---|---|---|
| SD 1.5, fp16 | около 2 ГБ | от 6 ГБ | родное разрешение 512×512 |
| SDXL, fp16 | около 5 ГБ (с энкодерами около 7) | от 8 ГБ | 1024×1024, на 8 ГБ без запаса |
| FLUX.1 dev, fp16 | около 23 ГБ | 24 ГБ и больше | плюс T5-энкодер, его выгружают в ОЗУ |
| FLUX.1 dev, fp8 | около 12 ГБ | от 16 ГБ | на 12 ГБ с частичной выгрузкой |
| FLUX.1 dev, GGUF Q4–Q5 | около 7–8 ГБ | от 12 ГБ | небольшая потеря качества |
Переход с 1024×1024 на 1536×1536 увеличивает число пикселей больше чем вдвое, и буфер под изображение растёт соответственно. Поэтому высокое разрешение обычно получают апскейлом готовой картинки, а не генерацией сразу в нём. Подробнее о том, как объём памяти влияет на выбор карты под разные нейросети, рассказано в статье «Видеокарта для ИИ: сколько VRAM нужно».
Квантование: fp8, GGUF и как влезть в 12 ГБ
Квантование хранит веса модели с меньшей точностью. Модель становится в два-три раза меньше, качество при этом падает незначительно, а на умеренных уровнях сжатия разницу трудно заметить глазами.
- fp8. Вдвое меньше fp16, на глаз почти неотличимо. Хорошо подходит для карт на 16 ГБ.
- GGUF (Q8, Q6, Q5, Q4). Формат пришёл из мира языковых моделей. Q8 по качеству близок к оригиналу, Q4 и Q5 позволяют запустить FLUX на 12 ГБ и даже на 8 ГБ. В ComfyUI для него ставится отдельный набор узлов.
- NF4. Четырёхбитный формат, который Forge поддерживает из коробки. Быстрый старт на средних картах.
Рецепт для 12 ГБ: FLUX dev в GGUF Q5 или Q6, текстовый энкодер T5 в fp8 или GGUF, при необходимости энкодер выгружается в оперативную память. Работать с таким набором удобно, если в системе 32 ГБ ОЗУ или больше. Квантование заметнее всего проявляется на мелком тексте в кадре и тонких деталях, поэтому для финальных работ имеет смысл сравнить два уровня сжатия на своих промптах.
Скорость: сколько секунд на шаг и на картинку
Время одной картинки равно времени одного шага, умноженному на число шагов, плюс декодирование VAE и загрузка модели при первом запуске. SDXL обычно генерирует за 20–30 шагов, FLUX dev примерно столько же, а FLUX schnell рассчитан на 1–4 шага.
Ориентиры порядка величины для 1024×1024, когда модель целиком помещается в VRAM. Конкретные цифры зависят от карты, драйвера и настроек:
- SDXL на картах уровня RTX 5070 и выше: единицы секунд на изображение.
- SDXL на картах начального уровня с 8 ГБ: от нескольких секунд до пары десятков.
- FLUX dev на 16 ГБ в fp8: десятки секунд на изображение.
- FLUX dev на топовых картах с 24–32 ГБ: заметно быстрее, ближе к десятку секунд.
- Любая модель с выгрузкой в ОЗУ: время вырастает в разы, иногда до минуты и больше.
Отсюда главный вывод: недостаток памяти бьёт по скорости сильнее, чем разница в классе GPU. Карта среднего класса, в которую модель влезает целиком, часто оказывается быстрее старшей карты, вынужденной гонять веса через шину.
8, 12, 16, 24 ГБ: что получается на практике
| VRAM | SDXL | FLUX | Пример класса карт |
|---|---|---|---|
| 8 ГБ | работает, тесно с ControlNet | только GGUF Q4 и медленно | младшие RTX 4060 / 5060 |
| 12 ГБ | свободно, LoRA и ControlNet | GGUF Q5–Q6, NF4 | RTX 3060 12 ГБ, RTX 5070 |
| 16 ГБ | с запасом, пачками | fp8 без выгрузки основной модели | RTX 5060 Ti 16 ГБ, RTX 5070 Ti, RTX 5080 |
| 24 ГБ и больше | без ограничений | fp16, обучение LoRA | RTX 3090, RTX 4090, RTX 5090 |
На 24 ГБ появляется ещё одна возможность: обучать собственные LoRA под FLUX дома без сложных ухищрений. Для SDXL обучение LoRA реально уже на 12–16 ГБ. Карта на 16 ГБ среднего класса иногда оказывается разумнее более быстрой на 12 ГБ: для FLUX объём важнее.
LoRA, ControlNet и апскейл: что добавляет нагрузки
Базовая генерация редко остаётся базовой. Каждое дополнение берёт свою долю памяти и времени:
- LoRA весит от десятков мегабайт до сотен. Одна-две почти не влияют на расход, пять-шесть одновременно уже заметны, особенно на FLUX.
- ControlNet добавляет отдельную модель. Для SDXL это ещё несколько гигабайт VRAM и более медленный шаг, на 8 ГБ это часто граница.
- Апскейл через повторную генерацию в высоком разрешении (hires fix, тайловый апскейл) удлиняет процесс в несколько раз. Простые нейросетевые апскейлеры вроде ESRGAN работают быстро и памяти почти не берут.
- Пачка из нескольких картинок за проход умножает рабочий буфер. На малом объёме VRAM лучше генерировать по одной.
Если планируете сложные цепочки с ControlNet и апскейлом, считайте объём по самому тяжёлому сценарию, а не по базовой генерации.
Когда облако выгоднее своей карты
Арендованный GPU с почасовой оплатой выгоден в трёх случаях: генерируете редко, раз в неделю или реже; разово нужна карта с большим объёмом памяти для обучения или тяжёлой модели; хотите попробовать FLUX до покупки железа. Своя карта окупается при регулярной работе, особенно если ПК нужен и для игр или монтажа. Плюс локальной генерации, который трудно оценить деньгами: нет очередей, фильтров контента и ограничений на число изображений, а файлы остаются у вас. Если генерация картинок только часть задач и вы присматриваетесь к языковым моделям, сверьтесь с материалом «ПК для локального ИИ: сколько VRAM».
Три сборки под бюджет
| Уровень | Видеокарта | ОЗУ | Диск | Для чего |
|---|---|---|---|---|
| Начальный | уровня RTX 5060 Ti 16 ГБ или RTX 3060 12 ГБ | 32 ГБ | NVMe 1 ТБ | SDXL свободно, FLUX в GGUF |
| Оптимальный | уровня RTX 5070 Ti или RTX 5080, 16 ГБ | 64 ГБ | NVMe 2 ТБ | FLUX fp8, ControlNet, LoRA SDXL |
| Профессиональный | уровня RTX 4090 или RTX 5090, 24–32 ГБ | 64–128 ГБ | NVMe 2–4 ТБ | FLUX fp16, обучение LoRA, пачки |
Процессор во всех трёх вариантах может быть среднего класса, старший Ryzen 9 нужен, только если параллельно идут рендер или монтаж. Готовые машины с картами старшего уровня и запасом по питанию собраны в разделе рабочих станций, а если ПК нужен одновременно для игр и нейросетей, подобрать конфигурацию поможет конфигуратор игрового ПК.
Коротко
- Для SDXL достаточно 8 ГБ VRAM, для комфортной работы с FLUX нужно от 12 ГБ с квантованием, лучше 16 ГБ.
- Нехватка памяти замедляет генерацию в разы, поэтому объём VRAM важнее класса GPU.
- Forge подойдёт для простого старта, ComfyUI для FLUX и сложных цепочек.
- fp8 и GGUF уменьшают FLUX в два-три раза с небольшой потерей качества.
- Берите 32 ГБ ОЗУ минимум, 64 ГБ для FLUX, и быстрый NVMe под модели.
Частые вопросы
Запустится ли FLUX на 8 ГБ?
Да, в GGUF Q4 с выгрузкой энкодера в оперативную память. Работать будет заметно медленнее, чем на 12–16 ГБ, и для регулярного использования это неудобно.
Подойдёт ли видеокарта AMD?
Подойдёт, но с оговорками: проще всего в Linux через ROCm, в Windows настройка сложнее, часть расширений может не работать. Для первой сборки под генерацию надёжнее NVIDIA.
Что лучше: быстрая карта на 12 ГБ или карта среднего класса на 16 ГБ?
Для SDXL быстрее окажется первая. Для FLUX чаще выигрывает вторая, потому что модель в fp8 помещается без выгрузки.
Нужен ли мощный процессор?
Нет. На генерацию он почти не влияет, деньги разумнее вложить в видеокарту и оперативную память.