Перейти в каталог

Stable Diffusion и FLUX на домашнем ПК: VRAM против скорости

9 мин чтения · MaxxPC

Stable Diffusion и FLUX на домашнем ПК: VRAM против скорости

Генерировать картинки у себя можно даже на карте среднего класса, но SDXL и FLUX требуют очень разного объёма памяти. Разбираем, сколько VRAM нужно под каждую модель, как квантование помогает уместиться в 12 ГБ и какой скорости ждать от карт с 8, 12, 16 и 24 ГБ.

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:

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 форматВес основной моделиКомфортный объём VRAMПримечание
SD 1.5, fp16около 2 ГБот 6 ГБродное разрешение 512×512
SDXL, fp16около 5 ГБ (с энкодерами около 7)от 8 ГБ1024×1024, на 8 ГБ без запаса
FLUX.1 dev, fp16около 23 ГБ24 ГБ и большеплюс T5-энкодер, его выгружают в ОЗУ
FLUX.1 dev, fp8около 12 ГБот 16 ГБна 12 ГБ с частичной выгрузкой
FLUX.1 dev, GGUF Q4–Q5около 7–8 ГБот 12 ГБнебольшая 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».

Интерфейс ComfyUI со схемой генерации FLUX на экране монитора

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.

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:

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

VRAMSDXLFLUXПример класса карт
8 ГБработает, тесно с ControlNetтолько GGUF Q4 и медленномладшие RTX 4060 / 5060
12 ГБсвободно, LoRA и ControlNetGGUF Q5–Q6, NF4RTX 3060 12 ГБ, RTX 5070
16 ГБс запасом, пачкамиfp8 без выгрузки основной моделиRTX 5060 Ti 16 ГБ, RTX 5070 Ti, RTX 5080
24 ГБ и большебез ограниченийfp16, обучение LoRARTX 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:

Если планируете сложные цепочки с ControlNet и апскейлом, считайте объём по самому тяжёлому сценарию, а не по базовой генерации.

Видеокарта с большим объёмом памяти в открытом корпусе рабочей станции

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

УровеньВидеокартаОЗУДискДля чего
Начальныйуровня RTX 5060 Ti 16 ГБ или RTX 3060 12 ГБ32 ГБNVMe 1 ТБSDXL свободно, FLUX в GGUF
Оптимальныйуровня RTX 5070 Ti или RTX 5080, 16 ГБ64 ГБNVMe 2 ТБFLUX fp8, ControlNet, LoRA SDXL
Профессиональныйуровня RTX 4090 или RTX 5090, 24–32 ГБ64–128 ГБNVMe 2–4 ТБFLUX 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

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.

Читать дальше

Отметьте, если статья помогла — так я понимаю, о чём писать дальше

236 просмотров

Станции, на которых это работает

Все сборки
← Все статьи