Stable Diffusion локально: сколько видеопамяти нужно для генерации изображений

В этой статье расскажем, как запустить Stable Diffusion локально для генерации изображений, получить первый результат и понять, нужен ли апгрейд видеокарты.

Покупать новую видеокарту для первых экспериментов необязательно: часто хватает 8 ГБ видеопамяти. Если собираешь ПК для генерации изображений, рассмотри 16 ГБ, а для тяжёлых моделей — 24–32 ГБ или больше. Точный объём зависит от модели, настроек и способа запуска.

Короткий ответ: сколько VRAM хватит для разных моделей

Если компьютер уже есть, начни с простой схемы генерации и одного изображения за запуск:

• 8 ГБ. Хватит для SD 1.5 и базовой генерации в SDXL, если приложение умеет управлять памятью. Для дополнений остаётся небольшой запас.
• 12 ГБ. Подойдут для базовой генерации и некоторых квантованных моделей. Перед запуском проверь, поддерживает ли приложение их формат.
• 16 ГБ. Рассмотри для более сложных схем и FLUX.2 [klein] 4B. Формат весов и дополнительные этапы обработки всё ещё влияют на расход памяти.
• 24–32 ГБ. Расширяют выбор крупных моделей, включая FLUX.2 [klein] 9B, и позволяют реже выгружать компоненты в RAM. Но для запуска 9B на 24 ГБ может понадобиться квантование или выгрузка части компонентов: всё сразу в VRAM может не поместиться.
• Профессиональные GPU с большим объёмом памяти. Рассматривай, если крупной модели, обучению или нескольким одновременно работающим сервисам нужно больше VRAM.

Если собираешь новый ПК, ориентируйся на 16 ГБ для освоения нескольких моделей. Выбирай 24–32 ГБ, если такой объём нужен для твоей схемы генерации или обучения. Не ориентируйся только на возможность запуска: модель может работать, но постоянные переносы данных между RAM и VRAM — замедлять генерацию.

Условия запуска моделей найдёшь в сводной таблице ниже, а порядок проверки своего ПК — в инструкции первого запуска.

От чего зависит расход видеопамяти

Модель: SD 1.5, SDXL, SD 3.5 и семейство FLUX

Текстовый энкодер переводит запрос в числовое представление. Основная модель формирует изображение в сжатом представлении, а VAE преобразует его в готовую картинку. Видеопамять занимают и веса этих компонентов, и временные данные.

SD 1.5 обычно используют при разрешении 512 × 512 пикселей. SDXL рассчитан примерно на 1024 × 1024 и использует более крупные компоненты. Поэтому требования к Stable Diffusion нужно проверять для конкретной модели и настроек генерации.

У Stable Diffusion 3.5 различай Medium и Large. В стандартных схемах этого поколения используются текстовые энкодеры CLIP и T5. Заявленные для Medium 9,9 ГБ не включают текстовые энкодеры, поэтому считать эту цифру требованием всей схемы генерации нельзя.

FLUX — отдельное семейство Black Forest Labs. В FLUX.2 есть компактные модели [klein] 4B и 9B, а также более крупная [dev]. Числа 4B и 9B обозначают миллиарды параметров основной модели, а не гигабайты памяти.

Размер файла с весами тоже не показывает полный расход VRAM: остальные компоненты и временные данные требуют дополнительной памяти. Например, для FLUX.2 [klein] 4B разработчик приводит ориентир около 13 ГБ VRAM.

Видеопамять занимает вся схема генерации, а не только основная модель

Разрешение изображения и размер батча

Чем выше разрешение, тем больше промежуточных данных. Но расход VRAM не обязательно растёт пропорционально числу пикселей: объём весов остаётся прежним, а разные этапы обработки создают разные пики нагрузки на память.

Размер батча — число изображений, обрабатываемых одновременно. В нашем примере его задаёт поле batch_size узла Empty Latent Image. Для проверки компьютера оставь значение 1.

Десять запусков с батчем 1 обрабатываются последовательно, а один запуск с батчем 10 — сразу для десяти изображений. Если нужно много вариантов, начни с очереди запусков и батча 1. При проверке меняй по одному параметру, чтобы понять, какой из них увеличивает расход памяти.

Начни с одного изображения за запуск и меняй настройки по очереди

Формат весов и вычислений

FP16 и BF16 используют по 16 бит на число, но различаются диапазоном и точностью. Поэтому переход с FP16 на BF16 сам по себе не уменьшает объём весов вдвое. FP8 использует 8-битное представление и может сократить память, занятую весами.

При этом программа может хранить веса в компактном формате, а вычисления выполнять в другой точности. Поэтому FP8 не гарантирует ни двукратного ускорения, ни уменьшения общего расхода VRAM вдвое.

Под «квантованием GGUF» в описании модели обычно подразумевают квантованные веса в файле GGUF. Сам GGUF — формат хранения, а не единая точность. Проверяй вариант квантования, совместимость загрузчика и поддержку оборудования. Качество сравнивай на своих запросах, особенно если важны лица, мелкие детали и текст.

FP16 и BF16 используют одинаковое число бит, но различаются диапазоном и точностью

Программа и способ запуска

В ComfyUI работа задаётся через workflow — схему загрузки модели, обработки запроса, генерации и сохранения изображения.

AUTOMATIC1111 подходит для привычных сценариев Stable Diffusion 1.x и SDXL. Но поддержка этих моделей ещё не означает поддержку FLUX.2: её нужно проверять отдельно.

Diffusers — библиотека Python для программного запуска, управления размещением компонентов в памяти и автоматизации. Для первого запуска можно выбрать ComfyUI и обойтись без написания кода.

Сравнивай расход памяти разных программ при одинаковых весах, разрешении, батче, точности вычислений и настройках выгрузки компонентов в RAM.

Дополнительные модели и этапы обработки

ControlNet помогает задать композицию по позе, контурам или глубине, а IP-Adapter использует референсное изображение. Refiner уточняет результат генерации. Апскейл увеличивает разрешение и в некоторых схемах включает повторную генерацию деталей.

Универсальной надбавки «плюс 2 ГБ» для этих дополнений нет. Расход зависит от конкретного модуля, размера изображения и того, находятся ли компоненты в VRAM одновременно или загружаются по очереди.

Готовая LoRA — адаптер базовой модели, например для добавления стиля. Если планируешь обучать LoRA, проверяй требования отдельно: расход памяти при использовании готового адаптера не показывает, сколько понадобится для обучения.

ControlNet помогает сохранить заданную позу при генерации

Сводная таблица: сколько VRAM нужно разным моделям

В таблице собраны опубликованные ориентиры разработчиков и наши рекомендации для нового ПК. Все объёмы указаны в гигабайтах видеопамяти. Ориентир разработчика не всегда описывает всю схему генерации и не гарантирует запуск с любыми настройками.

Рекомендации рассчитаны на одно изображение по тексту, без ControlNet, refiner и апскейла: 512 × 512 пикселей для SD 1.5 и около 1024 × 1024 для остальных моделей. Условия замеров разработчиков могут отличаться.

Для SD 3.5 Medium цифра 9,9 ГБ не включает текстовые энкодеры. Если планируешь запуск на 16 ГБ, проверь необходимость выгрузки компонентов в RAM.

Для SD 3.5 Large приведены цифры из сравнения производителя без полной методики замера. Ориентир 11 ГБ относится к TensorRT с FP8 на совместимых GPU. Переносить его на обычную схему ComfyUI нельзя.

У BFL опубликованы разные оценки видеопамяти для FLUX.2 [klein]. В карточках моделей указано около 13 ГБ для 4B и 29 ГБ для 9B, в справке BFL — около 13 и 24 ГБ, а на текущей странице семейства — 8,4 и 19,6 ГБ. Эти значения относятся к разным условиям запуска и не являются универсальными минимумами. Для InvokeAI отдельно ориентируйся на требования конкретного формата: документация указывает 12 ГБ для стандартного запуска 4B и до 24 ГБ для 9B, а для FP8 — от 8 и 12 ГБ соответственно.

Для FLUX.2 [dev] указан полностью локальный пример Diffusers: основная модель и текстовый энкодер квантованы до 4 бит, компоненты поочерёдно выгружаются в RAM. Есть и вариант с удалённым энкодером, но в нём текст запроса отправляется внешнему сервису.

Объёмы в столбце «Для нового ПК» — редакционные рекомендации с запасом. Дополнения могут потребовать больше памяти. Перед покупкой проверь конкретную схему и требования к GPU и RAM. Сравнивать эффективность моделей по этим цифрам нельзя: условия запуска различаются.

Для собственного замера фиксируй модель, формат весов, точность вычислений, версии ПО, GPU, объём RAM, разрешение, батч и состав узлов. Измеряй пиковый расход VRAM во время выполнения, а первый запуск учитывай отдельно.

Что ещё нужно для запуска: оперативная память, процессор и SSD

Для простых схем Stable Diffusion закладывай 16–32 ГБ оперативной памяти. Для SD 3.5 и компактных современных моделей с активной выгрузкой компонентов в RAM рассмотри 32–64 ГБ: оперативная память должна вмещать выгруженные компоненты и оставлять место для работы программы. Если планируешь обучение, рассмотри 64 ГБ и выше, но сверяй объём с конкретной моделью и методом обучения. Это ориентиры для комплектации, а не универсальные минимумы.

На SSD оставь около 100 ГБ для первой среды, небольшого набора моделей и результатов. Большая библиотека моделей потребует дополнительного места, а обучение добавит датасеты, кэш и версии адаптеров. Учитывай весь набор файлов, а не только один checkpoint — файл с весами модели.

Процессор участвует в подготовке данных и загрузке компонентов. Для первого запуска на GPU обычно достаточно современного настольного CPU. Платформу Threadripper рассмотри, если нужны несколько ускорителей, большой объём RAM или высокая производительность в дополнительных задачах. Дорогой процессор сам по себе не решает проблему нехватки VRAM.

Перед установкой проверь модель GPU, объёмы VRAM и RAM, свободное место на SSD и поддержку оборудования выбранной программой.

Процессор готовит данные, RAM хранит загруженные компоненты, а SSD — файлы программ и моделей

Как запустить Stable Diffusion на своём ПК

Пример рассчитан на Windows 11, видеокарту NVIDIA и локальную установку ComfyUI через Comfy Desktop. Используем SDXL Base 1.0 без расширений. Сам Desktop поддерживает Windows 10 и новее.

Шаг 1. Проверь видеокарту и доступную память

Нажми Ctrl + Shift + Esc, открой Диспетчер задач и перейди в раздел «Производительность». Выбери дискретную видеокарту NVIDIA по полному названию.

Посмотри полный объём выделенной памяти GPU. Например, показатель 1,2 / 8,0 ГБ означает, что у видеокарты 8 ГБ памяти, из которых 1,2 ГБ уже заняты. Совместно используемая память берётся из RAM и не увеличивает физический объём VRAM.

Там же проверь оперативную память, а в Проводнике — свободное место на SSD. Ориентир для этого примера — 8 ГБ VRAM и 16–32 ГБ RAM. Если возникнет ошибка нехватки памяти, переходи к оптимизациям ниже.

С таблицей сравнивай полный объём выделенной памяти GPU

Шаг 2. Установи ComfyUI

Скачай установщик с официальной страницы Comfy Desktop для Windows, запусти файл .exe и следуй подсказкам. Перед запуском убедись, что установлен актуальный драйвер NVIDIA.

В Comfy Desktop нажми New Instance или карточку +. Оставь вариант Standalone, задай название SDXL-first-run и выбери папку на SSD. Desktop установит Python, зависимости и ComfyUI, а затем откроет библиотеку шаблонов. Устанавливать CUDA Toolkit вручную не требуется.

Для работы на своём ПК запускай созданную карточку SDXL-first-run. Вариант Cloud выполняет вычисления на внешних серверах.

Локальная установка запускается из Comfy Desktop

Шаг 3. Скачай и подключи модель

ComfyUI и модель скачиваются отдельно. Открой репозиторий SDXL Base 1.0 от Stability AI и скачай файл sd_xl_base_1.0.safetensors. Он занимает около 6,94 ГБ на диске. Скачивать весь репозиторий не нужно.

Настрой папку моделей:

1. Открой Desktop Settings — Storage.
2. Через Add Shared Directory добавь каталог D:\AI\models.
3. В меню этой папки выбери Make primary.
4. Внутри создай папку checkpoints и помести в неё скачанный файл.

Полный путь получится таким:

Если диска D нет, выбери папку на своём SSD и используй её вместо D:\AI.

Сразу настрой сохранение результатов: в Desktop Settings — Storage задай для Shared Output папку D:\AI\output или другой каталог на SSD.

Затем открой Manage — Storage у установки SDXL-first-run. Включи Include Shared Directories и Use Shared Output Folder, после чего перезапусти эту установку.

Когда откроешь схему генерации, проверь наличие модели в узле Load Checkpoint. Если файл не появился в списке, проверь путь, завершение скачивания и подключение общей папки. Для SD 3.5 и FLUX нужен другой набор файлов.

Для этого примера достаточно одного checkpoint

Шаг 4. Открой готовую схему генерации

Сохрани PNG с официальной базовой схемой ComfyUI и перетащи его на рабочее поле. Схема записана в метаданных изображения. Также файл можно загрузить через Workflows — Open.

Исходный пример использует SD 1.5, но эта простая цепочка штатных узлов подходит и для SDXL Base. В Load Checkpoint выбери sd_xl_base_1.0.safetensors, затем измени параметры по следующему шагу. Refiner и дополнительные расширения не нужны.

Первый запуск использует семь штатных узлов

Шаг 5. Задай запрос и параметры

В узел CLIP Text Encode, подключённый ко входу positive у KSampler, вставь запрос:

A red ceramic mug on a wooden table beside a window, soft morning light, realistic product photography, plain background

Запрос описывает красную керамическую кружку на деревянном столе у окна, мягкий утренний свет и реалистичную предметную фотографию.

В узел, подключённый ко входу negative, добавь:

Задай стартовые настройки:

У KSampler установи control_after_generate в fixed, чтобы seed не менялся автоматически. В Save Image задай filename_prefix — DigitalRazor-first-run.

Ширина и высота определяют разрешение изображения. Seed задаёт исходный шум и помогает сравнивать изменения в одной среде. Количество шагов влияет на длительность генерации, а CFG — на силу следования запросу.

Если ПК не справляется с SDXL, попробуй SD 1.5 в той же схеме. В официальной инструкции Text to Image перейди по ссылке на v1-5-pruned-emaonly-fp16.safetensors. Скачай файл в папку checkpoints и выбери в Load Checkpoint. Ширину и высоту поменяй на 512, батч оставь равным 1.

Сначала проверь простую сцену с фиксированными параметрами

Шаг 6. Выполни генерацию и проверь сохранение

Нажми Run — в некоторых версиях кнопка называется Queue — или Ctrl + Enter. После завершения изображение появится в узле Save Image и сохранится в выбранную папку, например D:\AI\output. Дополнительно скачать картинку можно через её контекстное меню.

Если возникнет ошибка, ComfyUI покажет сообщение и укажет проблемный узел.

Первый запуск включает загрузку весов и подготовку к вычислениям. Повторная генерация может занять другое время, поэтому оценивай их отдельно.

Save Image показывает результат и записывает его в выбранную папку

Шаг 7. Посмотри, сколько памяти потребовалось

Открой Диспетчер задач. Перед повторной генерацией измени seed с 42 на 43, а остальные настройки оставь прежними. При полностью одинаковых входных данных ComfyUI может взять результат из кэша. Такой повтор не подходит для оценки времени генерации и расхода памяти.

Следи за выделенной памятью GPU во время вычислений, включая декодирование в VAE. График «3D» показывает загрузку соответствующего движка GPU, а не объём занятой видеопамяти.

Диспетчер задач учитывает память, занятую другими приложениями, и может пропустить короткий скачок между обновлениями. Для точного измерения пика нужна запись показаний с известной частотой опроса.

Затем повтори генерацию, изменив только ширину или высоту. Сравнивай расход памяти во время выполнения: значение после завершения не показывает, сколько VRAM потребовалось на пике.

Наблюдай за расходом видеопамяти во время вычислений

Что делать, если видеопамяти не хватает

Сначала выясни, на каком этапе возникает ошибка

Сообщение CUDA out of memory означает, что программе не удалось выделить память GPU. Если веса отсутствуют или не подходят для выбранной схемы, нужно исправить набор файлов или способ их загрузки. При нехватке RAM снижение нагрузки на GPU не всегда помогает.

Установи batch_size = 1, верни базовое разрешение выбранной модели и отключи дополнительные модели. Закрой игры и другие приложения, занимающие видеопамять. Повтори простой пример и посмотри, на каком узле он останавливается.

Если память заканчивается при загрузке модели, проверь формат весов и режим выгрузки компонентов. Если ошибка возникает в VAE Decode после работы KSampler, попробуй декодирование по фрагментам.

Проблемный узел помогает выбрать способ экономии памяти

Выгрузка компонентов в оперативную память

Программа может хранить неиспользуемые компоненты или слои модели в RAM и переносить их на GPU по мере необходимости. Это освобождает видеопамять, но требует запаса оперативной памяти. Частые переносы данных могут замедлять генерацию.

Поведение --lowvram зависит от версии ComfyUI и режима управления памятью. В текущей версии при включённом динамическом управлении VRAM этот флаг не действует. Без динамического режима он переносит вычисления текстовых энкодеров на CPU.

В Comfy Desktop флаг можно добавить через меню ⋮ на карточке установки → Manage → Startup Args → Startup Arguments. После изменения перезапусти установку.

Если переносы данных делают генерацию слишком долгой, более вместительная видеокарта может оказаться полезнее дальнейшей экономии памяти.

Квантованные модели и экономичные вычисления

Для FLUX.2 [klein] 4B в InvokeAI документирован FP8-вариант с ориентиром от 8 ГБ VRAM при 1024 × 1024. Его можно попробовать на существующем ПК, если выбранная версия приложения поддерживает модель и нужный энкодер.

Расход памяти также зависит от реализации attention. В Diffusers с PyTorch 2.x по умолчанию используется SDPA — механизм с оптимизациями скорости и памяти. xFormers остаётся альтернативой, но устанавливать его при любой ошибке памяти не нужно. В ComfyUI выбранный механизм можно проверить в журнале запуска.

TensorRT — отдельная среда оптимизированного выполнения моделей. Экономия памяти для SD 3.5 Large, показанная в таблице, получена при переходе с BF16 в PyTorch на FP8 в TensorRT. Для неё нужны совместимые RTX и специальная реализация: обычная схема ComfyUI не получит такой результат автоматически.

NVFP4 — специализированный формат низкой точности с аппаратной поддержкой NVIDIA Blackwell. BFL публикует такие веса, в том числе для FLUX.2 [dev]. Проверь совместимость GPU и среды запуска: наличие файла основной модели не означает, что все компоненты будут работать локально.

Tiled VAE и увеличение разрешения по частям

Tiled VAE обрабатывает изображение перекрывающимися фрагментами при кодировании или декодировании. Это снижает пик расхода памяти на этапе работы VAE, но не решает нехватку VRAM внутри основной модели.

В схеме первого запуска замени VAE Decode на штатный VAE Decode (Tiled). Подключи выход KSampler к samples, выход VAE из Load Checkpoint — к vae, а выход изображения — к Save Image. Начни с tile_size = 512 и overlap = 64.

Если обычное декодирование удаётся выполнить, сравни результаты: обработка по фрагментам может давать различия в тоне между участками изображения.

Апскейл с повторной генерацией деталей снова нагружает основную модель и тоже может требовать обработки по участкам. Успешное декодирование через Tiled VAE не гарантирует, что памяти хватит для любого апскейла.

Tiled VAE снижает расход памяти при декодировании изображения

Сколько VRAM нужно для LoRA и дообучения

Применение готовой LoRA добавляет веса адаптера к базовой модели без обучения. Проверь совместимость: LoRA для одного семейства не подходит другому автоматически.

При обучении LoRA обновляются только параметры адаптера, а веса базовой модели остаются неизменными. Память дополнительно занимают промежуточные данные, градиенты и состояния оптимизатора. При полном дообучении обновляется значительно больше весов.

DreamBooth — метод персонализации модели под конкретный объект или стиль. Его можно использовать и для полного дообучения, и вместе с LoRA. Поэтому название метода само по себе не определяет требования к GPU.

В документации Diffusers приведены два аппаратных ориентира для SD 1.5. В обоих примерах используются разрешение 512 × 512, батч 1 и фиксированные веса текстового энкодера.

Это примеры конкретных настроек обучения, а не универсальные минимумы. Переносить эти объёмы на SDXL или FLUX нельзя.

Для более крупной модели проверь конкретные настройки обучения: разрешение, батч, точность, оптимизатор, ранг LoRA, набор обучаемых слоёв, обучение энкодера и способы экономии памяти. В отдельных схемах обучение LoRA может требовать меньше VRAM, чем генерация с несколькими дополнениями. Но небольшой размер файла адаптера сам по себе этого не гарантирует.

Какую видеокарту выбрать под задачу

Для экспериментов и учёбы

Если у тебя уже есть RTX 4060 с 8 ГБ, сначала проверь её на базовой схеме. Освоить запросы и очереди можно до покупки нового оборудования. Для тяжёлых моделей могут понадобиться оптимизации, а переносы компонентов между RAM и VRAM — замедлить генерацию.

В новом ПК под несколько моделей рассмотри RTX 5060 Ti 16 ГБ. У неё есть и версия с 8 ГБ, поэтому проверь объём памяти в спецификации готовой системы. Здесь ориентир — запас VRAM; скорость нужно сравнивать в выбранной схеме генерации.

[ Игровые ПК С RTX 5060 Ti 16ГБ ]

Средние показатели FPS в играх

Full HD 152

2K 114

4K 73

SHIFT X1

i5-12400F · RTX 5060 Ti 16ГБ · 16ГБ DDR4 · 1 ТБ

162 900 ₽

12 218 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Средние показатели FPS в играх

Full HD 152

2K 114

4K 73

Core X6

i5-12400F · RTX 5060 Ti 16ГБ · 16ГБ DDR4 · 1 ТБ

170 000 ₽

12 750 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Средние показатели FPS в играх

Full HD 152

2K 114

4K 73

Core X7 PLUS

i5-12400F · RTX 5060 Ti 16ГБ · 32ГБ DDR4 · 1 ТБ

189 300 ₽

14 198 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Средние показатели FPS в играх

Full HD 152

2K 114

4K 73

Core X7

R5 7500F · RTX 5060 Ti 16ГБ · 16ГБ DDR5 · 1 ТБ

189 600 ₽

14 220 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Средние показатели FPS в играх

Full HD 152

2K 114

4K 73

Core X7 SNOW

R5 7500F · RTX 5060 Ti 16ГБ · 16ГБ DDR5 · 1 ТБ

197 200 ₽

14 790 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Средние показатели FPS в играх

Full HD 152

2K 114

4K 73

SHIFT X1

R5 7500F · RTX 5060 Ti SLIM 16ГБ · 16ГБ DDR5 · 1 ТБ

200 500 ₽

15 038 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Для ежедневной работы

Сначала определи, что мешает работе: нехватка памяти или долгое выполнение задачи, которая уже помещается в VRAM. В первом случае поможет больший объём памяти, во втором — выбор по времени выполнения одинаковой схемы.

У настольной RTX 5070 — 12 ГБ, поэтому RTX 5060 Ti 16 ГБ вмещает больше компонентов. RTX 5070 Ti и RTX 5080 имеют по 16 ГБ: переход на них не увеличит объём VRAM. Если памяти хватает, сравнивай скорость на своих задачах.

Проверяй весь процесс: работу с референсами, дополнительные модули, апскейл и сохранение результата. Игровой FPS и заявленные TOPS не заменяют замер времени генерации в выбранной схеме.

[ Компьютеры с RTX 5070 ]

Средние показатели FPS в играх

Full HD 203

2K 153

4K 98

PROGAMING X1

R5 7500F · RTX 5070 12ГБ · 32ГБ DDR5 · 1 ТБ

267 000 ₽

275 500 ₽

- 3%

20 025 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Средние показатели FPS в играх

Full HD 220

2K 165

4K 106

SHIFT X5

R7 9700X · RTX 5070 12ГБ · 32ГБ DDR5 RGB · 1 ТБ

276 500 ₽

291 000 ₽

- 5%

20 738 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Средние показатели FPS в играх

Full HD 234

2K 175

4K 112

PROGAMING X3

R7 7800X3D · RTX 5070 12ГБ · 32ГБ DDR5 RGB · 1 ТБ

287 000 ₽

296 000 ₽

- 3%

21 525 ₽ / мес Примерный ежемесячный платёж. Итоговая сумма рассчитывается индивидуально.

Подробнее

Для студии и больших моделей

RTX 5090 с 32 ГБ расширяет выбор тяжёлых схем, включая стандартный вариант FLUX.2 [klein] 9B. Для полностью локального FLUX.2 [dev] всё равно нужно подобрать формат весов и способ размещения компонентов.

RTX PRO 6000 Blackwell Workstation Edition с 96 ГБ стоит рассматривать, если такой объём нужен для крупной модели, обучения или одновременной работы нескольких сервисов. Сам факт коммерческой работы не требует профессиональной видеокарты.

Если планируешь и другие ИИ-нагрузки, прочитай «GPU для локального ИИ: выбор от настольного ПК до H200».

Под выбранную видеокарту подбери достаточный объём RAM и SSD, блок питания и охлаждение. В конфигураторе ПК DigitalRazor можно подобрать компьютер под свой бюджет и нагрузку. Доступность нужных компонентов проверяй в конфигурации.

Ноутбуки, AMD и Apple: что работает и с какими ограничениями

Ноутбук. Проверяй точную модель мобильного GPU и объём VRAM: характеристики настольной видеокарты с похожим названием могут отличаться. Скорость также зависит от лимита мощности, охлаждения и длительности нагрузки.

Запусти простую схему с подключённым питанием. Если памяти хватает, но после прогрева генерация замедляется, проверь температуру и ограничения мощности.

AMD. Для поддерживаемых Radeon есть официальная инструкция запуска ComfyUI через ROCm, в том числе в Windows. DirectML — не единственный вариант. Сверь свою видеокарту, ОС и версии PyTorch и ROCm с актуальной матрицей совместимости AMD. Устанавливай компоненты по инструкции для выбранной связки: поддержка ROCm не гарантирует работу расширений, рассчитанных на CUDA.

Apple Silicon. Приложения на PyTorch, включая ComfyUI, используют MPS для вычислений на GPU через Metal. Общая память Mac распределяется между системой, приложениями и GPU. Поэтому 32 ГБ общей памяти нельзя считать эквивалентом 32 ГБ выделенной видеопамяти.

Если системе приходится активно использовать подкачку на SSD, генерация может замедлиться. Начни с батча 1, закрой ненужные приложения и проверь поддержку выбранной модели в своей среде запуска.

Когда выбрать рабочую станцию или сервер вместо домашнего ПК

Рабочая станция для ИИ оправдана, если нужны более вместительная видеокарта, несколько ускорителей, большой объём RAM или длительная нагрузка одновременно с профессиональными приложениями. Для коммерческих заказов подходит и обычный настольный ПК — выбор зависит от задач.

Сервер полезен для общей очереди команды, удалённого доступа и размещения оборудования отдельно от рабочих мест. Заранее определи, сколько задач должно выполняться одновременно и где будут храниться результаты.

Память нескольких GPU не складывается автоматически. Две карты по 24 ГБ не превращаются в одну с 48 ГБ. Программа должна поддерживать распределение компонентов или слоёв модели между устройствами. В Diffusers для этого используется device_map: размещение нужно настроить и проверить для выбранной модели.

Другой вариант — запустить независимые очереди, чтобы две видеокарты одновременно выполняли разные заказы. Это увеличивает число параллельных задач, но не помогает вместить одну модель, которой не хватает памяти на отдельном GPU.

Для полностью локальной работы веса, текстовые энкодеры и обработка референсов должны находиться на твоём оборудовании. Проверь, не отправляет ли схема запросы или изображения внешним сервисам.

FLUX.2 [klein] 4B распространяется по Apache 2.0, которая допускает коммерческое использование. У FLUX.2 [klein] 9B и FLUX.2 [dev] — некоммерческая лицензия: для коммерческой эксплуатации самих моделей нужна отдельная лицензия BFL. Использование готовых изображений регулируется отдельно и допускается в коммерческих целях с соблюдением ограничений лицензии.

Для подбора системы укажи модель, формат весов, разрешение, дополнительные модули, задачи обучения, число пользователей и допустимое время ожидания. Сравни конфигурации DigitalRazor для Stable Diffusion. Установку среды и условия сопровождения согласуй для выбранной системы.

Часто задаваемые вопросы

Заключение

Начни с выбранной модели и простой схемы: получи изображение на своём ПК, проверь расход памяти и время генерации. Это поможет понять, что стоит изменить — настройки, формат весов или оборудование.

Чтобы использовать Stable Diffusion локально для регулярных задач, проверь весь процесс: генерацию, работу с референсами, дополнительные модули и апскейл. Одного успешного запуска недостаточно — важно, чтобы система справлялась с рабочей нагрузкой за приемлемое время.

DigitalRazor поможет подобрать рабочую станцию или сервер под твои задачи. Согласуй комплектацию, подготовку среды Stable Diffusion и сервисное сопровождение. Перед покупкой обсуди возможность проверить конфигурацию на своей модели и схеме.

Оставь заявку на подбор системы DigitalRazor. Укажи модель и формат весов, разрешение, дополнения и планы по обучению. Добавь бюджет, число пользователей и допустимое время ожидания — эти данные помогут подобрать конфигурацию для твоей работы.

Скопировано

Промокод на 5000 ₽ — для вашего ПК

HIGHFIVE

Скопировать

Введите код в корзине – скидка применится к любой сборке DigitalRazor