Видеокарта для Stable Diffusion и ComfyUI: сколько VRAM нужно и как работать на слабом ПК

Для локальной генерации в Stable Diffusion и ComfyUI главный параметр компьютера — объём видеопамяти (VRAM). От него зависит, какие модели вы сможете запустить, в каком разрешении и насколько быстро. Процессор и даже поколение видеокарты важны меньше, чем многие думают: карта постарше, но с большим объёмом памяти часто полезнее новой, но с маленьким. Ниже — сколько VRAM нужно под каждое семейство моделей, какие видеокарты подходят в разных бюджетах, как работать на слабом ПК или ноутбуке и что делать с ошибкой CUDA out of memory.

Коротко: сколько VRAM нужно под каждую модель

Цифры ниже — ориентиры по документации ComfyUI, карточкам моделей и профильным гайдам, проверено в сентябре 2026 года. Реальный расход зависит от разрешения, числа картинок в пачке, подключённых LoRA и ControlNet, а также от того, умеет ли интерфейс выгружать части модели в оперативную память. ComfyUI и Forge это умеют, поэтому модель часто запускается и на карте меньше «минимума», но медленнее.

Правило, которое стоит запомнить: объём памяти определяет, что вы можете запустить, а производительность чипа — как быстро. Если выбирать между двумя картами одного уровня цены, для генерации почти всегда выгоднее та, у которой больше видеопамяти.

NVIDIA, AMD или Mac: что выбрать

NVIDIA

Стандарт для локальной генерации. PyTorch, ComfyUI, Forge, расширения, инструменты обучения и оптимизации в первую очередь пишутся под CUDA. С картой NVIDIA вы сможете следовать почти любой инструкции без обходных путей. Для генерации подходят карты серий RTX 20, 30, 40 и 50; у старых серий GTX без тензорных ядер скорость заметно ниже, а часть оптимизаций недоступна.

AMD

Работает, но требует больше усилий. На Linux основной путь — ROCm, на Windows используются ROCm-сборки PyTorch, ZLUDA или DirectML, и каждый вариант имеет свои ограничения по совместимости и скорости. Если у вас уже есть карта AMD с большим объёмом памяти, пробовать стоит; покупать AMD специально для генерации — только если вы готовы разбираться. Подробности — в гайде Stable Diffusion на видеокарте AMD.

Mac на Apple Silicon

У маков M1–M4 общая память: видеочип использует ту же память, что и система, поэтому на Mac с 32–64 ГБ можно загрузить крупные модели. Но скорость генерации обычно ниже, чем у настольных карт NVIDIA, а часть расширений не поддерживается. Для SDXL и лёгких моделей Mac вполне пригоден, для видео — ограниченно. Подробно — в статье Stable Diffusion на Mac.

Видеокарты по объёму памяти: 8, 12, 16, 24 ГБ

Мы не публикуем цены: они быстро меняются и сильно зависят от страны и магазина. Ниже — что реально можно делать на картах с разным объёмом памяти. Примеры моделей видеокарт приведены для ориентира по объёму VRAM, а не как рекомендация к покупке.

Если покупаете карту с рук, особенно из прошлых поколений с большим объёмом памяти, проверьте её состояние и температуры под нагрузкой: карты после долгой круглосуточной работы бывают изношены.

Оперативная память, диск и процессор

• Оперативная память. 16 ГБ — минимум для SDXL, 32 ГБ — комфортно для Flux и видео. Когда видеопамяти не хватает, интерфейсы выгружают части модели в ОЗУ, и тогда её объём становится критичным. Для квантованных моделей с выгрузкой и видео 32 ГБ и больше избавляют от вылетов.
• Диск. Только SSD: модели загружаются с диска при каждом переключении, и на HDD это превращается в минуты ожидания. Закладывайте 50–100 ГБ на старте: чекпойнт SDXL весит около 6–7 ГБ, видеомодели и Flux — ещё больше.
• Процессор. Почти не влияет на скорость генерации, если она идёт на видеокарте. Подойдёт любой современный процессор среднего уровня.
• Блок питания. Генерация нагружает видеокарту на полную мощность долго и непрерывно. Блок питания должен быть с запасом по мощности для вашей карты.
• Охлаждение. Длительная генерация и особенно видео прогревают систему сильнее игр. Следите за температурами.

Это краткий обзор. Как подобрать весь компьютер под нейросети — блок питания по мощности карты, объём памяти, диск, корпус, а также ноутбуки, Mac mini и мини-ПК, — разобрано в статье ПК для нейросетей: сборка целиком. А если вы выбираете карту в первую очередь под локальные языковые модели, а не под картинки, смотрите гайд видеокарта для LLM — там другие приоритеты.

Слабый ПК или ноутбук: как всё-таки генерировать

Даже на карте с 4–6 ГБ или на игровом ноутбуке генерировать можно, если выбрать правильные модели и настройки.

• Режимы экономии памяти. У ComfyUI есть параметры запуска для карт с малым объёмом памяти, например —lowvram и —novram: модель частично или полностью держится в оперативной памяти и подгружается по частям. Forge управляет памятью автоматически. Работает медленнее, но работает.
• Облегчённые версии моделей. Для многих популярных моделей есть версии в уменьшенной точности — fp16 вместо fp32, fp8 вместо fp16. Они занимают примерно вдвое меньше памяти при небольшой потере качества.
• GGUF. Квантованные модели в формате GGUF (через соответствующие ноды для ComfyUI) позволяют запускать Flux, Z-Image и видеомодели на картах, где полные версии не помещаются. Качество зависит от уровня квантования: Q8 почти не отличается от оригинала, Q4 и ниже заметно хуже.
• Меньшее разрешение. Генерируйте в родном разрешении модели или чуть меньше, а увеличивайте отдельным проходом апскейла по частям (тайлами).
• Одна картинка за раз. Batch size = 1; несколько вариантов — через очередь заданий.
• SD 1.5 и лёгкие модели. На очень слабых картах разумно начать с SD 1.5: качество ниже, чем у SDXL, но для обучения и экспериментов подходит.
• Ноутбуки. Мобильные версии видеокарт часто имеют меньше памяти, чем настольные с тем же названием. Работайте от сети, в режиме максимальной производительности, и следите за перегревом.

Как установить ComfyUI и включить нужные параметры запуска — в гайде ComfyUI для начинающих.

CUDA out of memory: 7 способов исправить

Ошибка «CUDA out of memory» (или «RuntimeError: CUDA out of memory») означает, что задаче не хватило видеопамяти. Способы по порядку — от самых простых к более сложным.

1. Уменьшите разрешение до родного для модели. Генерация 2048×2048 на SDXL «в лоб» переполняет память почти на любой потребительской карте.
2. Поставьте batch size = 1. Несколько картинок за проход расходуют память пропорционально их количеству.
3. Закройте другие программы, которые используют видеокарту: игры, браузер с видео, программы для записи экрана.
4. Уберите лишнее из графа: несколько LoRA, ControlNet, дополнительные модели. Проверьте, что нужно именно сейчас.
5. Включите режим экономии памяти — параметры запуска ComfyUI вроде —lowvram или автоматическое управление памятью в Forge.
6. Возьмите облегчённую версию модели — fp8 или GGUF вместо полной.
7. Апскейл тайлами. Увеличение изображения по частям (tiled upscale, tiled VAE decode) требует намного меньше памяти, чем обработка целиком.

Если ошибка появляется только после нескольких генераций подряд, помогает перезапуск интерфейса: иногда память освобождается не полностью, особенно после смены моделей.

Конфигурации под типичные задачи

Чтобы не утонуть в характеристиках, удобно думать от задачи. Ниже три типичных сценария и то, что для них действительно важно.

«Хочу попробовать и генерировать картинки по вечерам»

Достаточно карты NVIDIA с 8 ГБ видеопамяти, 16 ГБ оперативной памяти и SSD с запасом 50 ГБ. На такой конфигурации комфортно работают SD 1.5, SDXL и их производные — реалистичные, художественные и аниме-модели, а также LoRA стилей и персонажей. Flux и видео запустятся в облегчённых версиях, но медленно. Это хорошая точка входа: если увлечётесь, станет понятно, во что именно упираетесь.

«Генерирую много, хочу новые модели и апскейл»

Оптимально 12–16 ГБ видеопамяти и 32 ГБ оперативной. Здесь уже комфортно работают Flux в fp8, Z-Image, SDXL с ControlNet и двухпроходным апскейлом, можно обучать собственные LoRA на вымышленных персонажах. Короткие видео в небольшом разрешении тоже доступны, хотя и требуют терпения.

«Хочу локальное видео и самые тяжёлые модели»

Нужно 24 ГБ видеопамяти и больше, 32–64 ГБ оперативной памяти и быстрый SSD на сотни гигабайт. Даже на такой машине крупные видеомодели работают минутами на ролик, а в полной точности некоторые модели всё равно не помещаются. Для этого сценария особенно полезно заранее прикинуть, не выгоднее ли арендовать мощную карту на время.

Что влияет на скорость генерации

Объём памяти решает, запустится ли модель, но скорость зависит от других вещей. Если генерация идёт мучительно долго, проверьте по списку.

• Работает ли видеокарта вообще. Если в консоли видно, что генерация идёт на процессоре, картинка будет считаться минутами. Обычно это значит, что установлен PyTorch без поддержки CUDA или запущен не тот файл запуска.
• Модель не влезает в память. Когда интерфейс выгружает части модели в оперативную память, скорость падает в разы. Иногда облегчённая версия модели, которая целиком помещается в VRAM, работает быстрее полной.
• Разрешение и число шагов. Время растёт с числом пикселей и шагов. Большинству моделей после определённого порога дополнительные шаги почти ничего не дают; ориентируйтесь на карточку модели.
• Сэмплер. Одни сэмплеры дают хороший результат за меньшее число шагов, другие требуют больше. Дистиллированные «турбо» модели рассчитаны на очень малое число шагов.
• Оптимизации внимания. Современные сборки PyTorch используют встроенные ускоренные механизмы внимания. Отдельные ускорители устанавливать имеет смысл, только если вы понимаете, зачем, — неверная версия может сломать запуск.
• Температура и питание. Перегретая карта и особенно ноутбук сбрасывают частоты. Ноутбук от батареи работает заметно медленнее, чем от сети.

Если железо уже есть и менять его не хочется, ускорить генерацию можно программно: правильные настройки внимания, сжатые версии моделей, кэширование и ускоряющие LoRA. Пошагово — в статье как ускорить Stable Diffusion и ComfyUI.

Мифы о видеокартах для нейросетей

• «Нужна самая новая карта». Для генерации важнее объём памяти. Карта прошлого поколения с 24 ГБ во многих задачах полезнее новой с 8 ГБ.
• «Две карты — вдвое больше памяти». Обычные интерфейсы генерации не складывают память двух видеокарт для одной картинки. Вторая карта может выполнять отдельные задания параллельно, но большую модель в сумме памяти не запустит.
• «Общая память видеокарты в Windows поможет». Это часть оперативной памяти, и работа с ней очень медленная. Она позволяет не вылететь с ошибкой, но не заменяет настоящую VRAM.
• «Без 24 ГБ генерировать бессмысленно». На 8 ГБ спокойно работает огромный пласт моделей SDXL, которых хватает для большинства задач с картинками.
• «Процессор тоже важен». Для генерации на видеокарте — почти нет. Экономить на процессоре ради видеопамяти — правильная стратегия.

Когда выгоднее облако, чем покупка видеокарты

Своя видеокарта окупается, если вы генерируете часто и долго: нет лимитов, очередей, подписок, а промты и картинки не покидают компьютер. Но есть ситуации, когда разумнее облако.

• Вы генерируете от случая к случаю. Мощная карта будет простаивать большую часть времени.
• Нужны тяжёлые модели или видео, для которых требуется 24–32 ГБ и больше.
• У вас ноутбук или компьютер без подходящего разъёма и блока питания.
• Вы хотите сначала понять, нужно ли это вам, прежде чем тратиться на железо.

Облако бывает двух видов. Первый — аренда видеокарты, на которой вы запускаете собственный ComfyUI; это гибко, но требует настройки, подробнее — в статье Stable Diffusion в облаке. Второй — готовый генератор в браузере: модели, LoRA и апскейл уже настроены, достаточно написать промт.

Для локального видео с учётом всех требований к памяти есть отдельный гайд — локальная генерация видео в Wan 2.2 и LTX.

Как проверить, сколько видеопамяти у вас сейчас

• Windows: Диспетчер задач → Производительность → Графический процессор. Строка «Выделенная память графического процессора» — это и есть VRAM.
• NVIDIA: утилита nvidia-smi в командной строке показывает объём памяти и текущую загрузку. Во время генерации удобно следить за тем, сколько памяти занимает модель.
• ComfyUI: при запуске в консоль выводится информация о видеокарте и объёме доступной памяти, а также режим работы с памятью, который выбран автоматически.

Не путайте выделенную видеопамять с «общей памятью графического процессора»: общая — это часть оперативной памяти, которую система может отдать видеокарте, и для генерации она работает намного медленнее.