Видеокарта для Stable Diffusion в 2026 году выбирается не по игровым тестам, а по тому, какая модель целиком поместится в видеопамять. SDXL спокойно живёт на 8-12 ГБ, а Flux.1 dev в исходном формате весит 23,8 ГБ, Flux.2 dev вырос до 32 миллиардов параметров, Qwen-Image до 20 миллиардов. Карта, которой хватало два года назад, теперь упирается в память раньше, чем в скорость.
Вторая перемена: квантование. Версии FP8 и GGUF позволяют запустить тяжёлые модели на 12-16 ГБ, но не бесплатно: страдает либо качество, либо скорость из-за выгрузки весов в оперативную память. Ниже ступени памяти под конкретные модели, скорость по открытому тесту и рублёвые цены ноября 2026 года.
Коротко о главном:
- Какую видеокарту брать для Stable Diffusion и Flux? Для SDXL хватает 8-12 ГБ, для Flux комфортно от 16 ГБ с весами FP8 или GGUF, без компромиссов нужно 24-32 ГБ. Лучший баланс дают RTX 5060 Ti 16 ГБ и RTX 5070 Ti, а 24 ГБ дешевле всего получить на б/у RTX 3090.
- Хватит ли 8 ГБ для Flux? Только на сжатых версиях (NF4 или GGUF низкой разрядности) и с медленной выгрузкой части модели в оперативную память. Для SDXL и SD 1.5 восьми гигабайт достаточно.
- Сколько видеопамяти нужно для SDXL? Минимум 8 ГБ с оптимизациями, удобно от 12 ГБ: файл базовой модели в FP16 весит 6,94 ГБ, остальное съедают VAE, ControlNet и LoRA.
- RTX 5060 Ti 16 ГБ или RTX 5070 12 ГБ? Под Flux и Qwen-Image берите 16 ГБ: лишние 4 ГБ решают, влезет ли модель без выгрузки. RTX 5070 быстрее только там, где 12 ГБ хватает, то есть на SDXL.
- Стоит ли б/у RTX 3090? Да, если нужны 24 ГБ: в одном тесте ComfyUI она генерирует SDXL быстрее RTX 5060 Ti 16 ГБ. Риски вторички и проверку перед покупкой учитывайте отдельно.
- Подойдёт ли AMD? С января 2026 года ComfyUI Desktop официально работает на ROCm под Windows, но экосистема ускорений по-прежнему строится вокруг CUDA, и часть узлов работает только на NVIDIA.
Дальше по порядку: что важнее в карте, таблица памяти по моделям, как работает квантование, разбор ступеней 8, 12, 16 и 24-32 ГБ, скорость, цены за гигабайт, AMD и Intel, обучение LoRA и остальная система.

Что важнее для генерации картинок: видеопамять, скорость или CUDA
Порядок приоритетов простой: сначала объём памяти, потом поддержка CUDA, и только потом скорость чипа. Если модель с текстовым энкодером и VAE помещается в видеопамять, карта работает на полной скорости. Если не помещается, ComfyUI начинает гонять веса между оперативной памятью и видеокартой по шине PCIe, и генерация замедляется в разы, причём медленнее становится даже мощный чип.
Скорость чипа важна, когда вы делаете сотни вариантов концепта за вечер или генерируете пакетами. Тензорные ядра и поддержка FP8 у RTX 40 и RTX 50 дают выигрыш на квантованных моделях, у RTX 30 аппаратного FP8 нет, и такие веса там пересчитываются в другой формат.
CUDA важна потому, что почти все ускорения сообщества (Sage Attention, TensorRT, большинство кастомных узлов ComfyUI) пишутся в первую очередь под NVIDIA. Обзор того, как установить Stable Diffusion и использовать его в работе с моделями, есть в статье Stable Diffusion для 3D-дизайнеров, здесь только выбор карты.
Сколько памяти просят модели 2026: от SD 1.5 до Flux.2 и Qwen-Image
Разработчики моделей редко пишут «нужно N ГБ», зато публикуют число параметров и размер файлов. Отсюда легко посчитать порог: в BF16 и FP16 один параметр занимает 2 байта, в FP8 один байт, в 4-битных форматах около половины байта. К весам модели добавьте текстовый энкодер (у Flux.2 dev это отдельная модель Mistral на 24 миллиарда параметров), VAE и рабочую память под само изображение.
Сколько видеопамяти нужно моделям генерации картинок
| Модель | Формат весов | Минимум | Комфортно | Источник |
|---|---|---|---|---|
| SD 1.5 | FP16 | 6-8 ГБ | 12 ГБ | TechTactician, обновление 11.10.2026 |
| SDXL 1.0 | FP16, файл 6,94 ГБ | 8 ГБ с оптимизациями | 12-16 ГБ | карточка stabilityai, TechTactician |
| Flux.1 dev и schnell (12B) | BF16, файл 23,8 ГБ; FP8; GGUF и NF4 | 8 ГБ на NF4 и GGUF, 12 ГБ на FP8 | 16 ГБ и больше | карточка black-forest-labs, документация ComfyUI |
| Flux.2 klein 4B | BF16 | около 13 ГБ | 16 ГБ | карточка FLUX.2-klein-4B |
| Flux.2 dev (32B) | BF16, FP8 от NVIDIA, 4-бит | 12-16 ГБ на FP8 с выгрузкой в ОЗУ | 24 ГБ и больше | карточка FLUX.2-dev, блог ComfyUI |
| Qwen-Image (20B) | BF16, около 40 ГБ по расчёту | 16 ГБ на квантованных весах | 24-32 ГБ | карточка Qwen, расчёт по числу параметров |
Как читать таблицу: «минимум» значит, что модель запустится, но с компромиссом по формату или скорости. «Комфортно» значит, что модель, энкодер и пара LoRA живут в видеопамяти одновременно и не выгружаются между запусками.
FP16, FP8 и GGUF: как квантование снижает порог памяти
Квантование хранит веса с меньшей точностью. FP8 вдвое меньше BF16: для Flux.1 dev это около 12 ГБ вместо 23,8. Для Flux.2 NVIDIA вместе с ComfyUI выпустила собственную FP8-версию, которая по данным блога ComfyUI снижает требования к видеопамяти на 40%. Документация ComfyUI прямо пишет, что качество FP8 немного ниже полной версии, но разница на большинстве промптов заметна только при сравнении бок о бок.
GGUF пришёл из мира языковых моделей и даёт лесенку разрядностей: Q8 почти не отличим от FP16, Q5 и Q4 сжимают ещё сильнее, Q3 и ниже уже теряют мелкие детали, текст на картинке и чистоту тонких линий. Для GGUF в ComfyUI нужен отдельный загрузчик моделей из кастомных узлов.
Чем платите за сжатие
- Качество. Признаки слишком агрессивного квантования: «грязные» мелкие текстуры, поломанные буквы, кашеобразный фон. Проверка простая: один сид и промпт на Q8 и на Q4, сравнение в масштабе 100%.
- Скорость. GGUF распаковывается на лету и на RTX 30 часто медленнее FP16, если та помещается целиком. Сжатие ускоряет работу только тогда, когда без него модель выгружалась бы в оперативную память.
- Совместимость. LoRA, обученные на полной модели, работают и на квантованной, но смещение стиля на Q4 сильнее.
Stable Diffusion на 8 ГБ: что запускается и где начинается выгрузка
На 8 ГБ полностью комфортно работают SD 1.5 и SDXL в одиночной генерации. Узкие места появляются, когда к SDXL добавляются два ControlNet, апскейл или большой пакет: ComfyUI переключается в режим экономии памяти, и время на картинку растёт.
Flux.1 на 8 ГБ запускается только в NF4 или GGUF Q4 и ниже, и часть модели всё равно уходит в оперативную память. Признак выгрузки: видеопамять в диспетчере задач заполнена до упора, а загрузка чипа скачет между нулём и сотней. Если первая картинка идёт минуты, а следующие заметно быстрее, модель грузилась с диска; если все одинаково медленные, она не помещается.
Новую карту с 8 ГБ под генерацию в 2026 году покупать не стоит: RTX 5060 Ti 8 ГБ по ноябрьским ценам дешевле версии на 16 ГБ всего на 23 000 рублей. Если 8 ГБ уже стоят в компьютере, оставайтесь на SDXL, а Flux запускайте в облаке: как арендовать карту под ComfyUI, разобрано в статье про аренду GPU.
12 ГБ: RTX 5070 и RTX 3060 12 ГБ, потолок для Flux
Двенадцать гигабайт закрывают SDXL с запасом под ControlNet и LoRA и позволяют держать Flux.1 dev в FP8. Это потолок: Flux.2 dev и Qwen-Image на 12 ГБ работают только с выгрузкой. В блоге ComfyUI один пользователь запустил Flux.2 в FP8 на RTX 3060 12 ГБ: видеокарта была занята примерно на 5 ГБ, зато оперативной памяти ушло около 70 ГБ. Это наглядно показывает, куда переезжает модель, когда видеопамяти не хватает.
RTX 3060 12 ГБ остаётся самым дешёвым входом в 12 ГБ: от 44 000 рублей новой. Медленная, но в тесте ComputingForGeeks на SDXL 1024×1024 и 30 шагах делает картинку за 20,75 секунды, а Flux.1 dev FP8 на 20 шагах за 63,91 секунды.
RTX 5070 12 ГБ заметно быстрее и поддерживает FP8 аппаратно, но стоит от 98 000 рублей, то есть дороже RTX 5060 Ti 16 ГБ. Под генерацию картинок это слабая покупка: вы платите за скорость, которую на Flux съест нехватка памяти.
16 ГБ: RTX 5060 Ti 16 ГБ, RTX 5070 Ti и RTX 5080, рабочий минимум для Flux
Шестнадцать гигабайт в 2026 году это рабочий минимум для семейства Flux. Flux.1 dev в FP8 помещается вместе с LoRA, Flux.2 klein 4B (около 13 ГБ по карточке модели) работает целиком, Flux.2 dev и Qwen-Image идут на квантованных весах с частичной выгрузкой энкодера.
RTX 5060 Ti 16 ГБ
Самый дешёвый вход в 16 ГБ у NVIDIA: от 79 000 рублей. В тесте ComputingForGeeks SDXL за 11,34 секунды, Flux.1 dev FP8 за 37,02 секунды. В обсуждении ComfyUI с флагами --use-sage-attention --fast владельцы получали Flux за 25,7-25,9 секунды. Нюанс карты с урезанной шиной PCIe x8 разобран в материале про RTX 5060 Ti: при выгрузке в оперативную память он ощутим.
RTX 5070 Ti и RTX 5080
Обе с 16 ГБ, обе заметно быстрее. RTX 5070 Ti от 140 000 рублей, RTX 5080 в подборке 3DNews от 280 000 рублей. Объём памяти у них одинаковый, поэтому в моделях, которые не помещаются в 16 ГБ, RTX 5080 упрётся в ту же стену. В обсуждении ComfyUI RTX 5080 на стандартном шаблоне Flux FP8 показала 16,7 секунды. Если выбирать между ними под генерацию, разумнее RTX 5070 Ti, а разницу отложить на оперативную память.
24-32 ГБ: б/у RTX 3090, RTX 4090 и RTX 5090
Двадцать четыре гигабайта нужны тем, кто держит Flux.1 dev в полной точности, работает с Flux.2 dev и Qwen-Image без постоянной выгрузки, генерирует пакетами или обучает LoRA на Flux. Black Forest Labs сама называет RTX 4090 и RTX 5090 потребительскими картами, на которых Flux.2 dev запускается в 4-битной версии.
Б/у RTX 3090 остаётся самым доступным способом получить 24 ГБ. В тесте ComputingForGeeks она делает SDXL за 8,28 секунды и Flux.1 dev FP8 за 23,23 секунды, то есть быстрее новой RTX 5060 Ti 16 ГБ. Минусы: нет аппаратного FP8, высокое потребление и нагрев памяти, карты часто прошли майнинг. Как проверить экземпляр при встрече, подробно разобрано в статье про б/у видеокарты под 3D. Надёжной медианы объявлений на ноябрь 2026 года в открытых источниках нет, поэтому считайте сами: 3090 имеет смысл, пока она заметно дешевле новой RTX 5070 Ti (от 140 000 рублей).
RTX 4090 новой в магазинах почти не найти, на вторичке это быстрый вариант с FP8: Flux FP8 за 11,28 секунды в обсуждении ComfyUI. RTX 5090 с 32 ГБ единственная потребительская карта, где Flux.2 и Qwen-Image помещаются почти без компромиссов, но в Регарде 11 октября она стоила от 789 990 рублей.

Скорость видеокарт в Stable Diffusion и Flux по открытым тестам
Скорость сравнивайте только внутри одного теста: разные версии ComfyUI, PyTorch и флаги вроде Sage Attention сильно меняют результат: в обсуждении ComfyUI одна и та же RTX 5080 показала на Flux от 6,7 до 16,7 секунды в зависимости от формата весов и настроек. Ниже замер ComputingForGeeks от ноября 2026 года: ComfyUI 0.42.1, SDXL 1024×1024, 30 шагов, одна картинка, среднее по трём генерациям после загрузки модели. RTX 5090 в этом тесте ограничена мощностью 450 Вт вместо штатных 575 Вт.
SDXL 1024×1024, 30 шагов: изображений в минуту (ComputingForGeeks, ComfyUI, ноябрь 2026)
Значения пересчитаны из секунд на картинку (8,28 секунды у RTX 3090 дают 60 / 8,28 ≈ 7,2 картинки в минуту). На Flux.1 dev FP8 с 20 шагами разрыв похожий: 8,84 секунды у RTX 5090, 23,23 у RTX 3090, 37,02 у RTX 5060 Ti 16 ГБ и 63,91 у RTX 3060.
Как проверить свою карту: возьмите встроенный шаблон Flux FP8 в ComfyUI, запустите три раза и запишите время второй и третьей генерации. Так считают участники обсуждения №9002 в репозитории ComfyUI, и ваш результат можно сравнить с их таблицей.
Цены и цена за гигабайт видеопамяти в ноябре 2026
Цены ниже из «Компьютера месяца» 3DNews по магазину X-Com на 3 ноября 2026 года, RTX 5090 из Регарда на 11 октября. Цены в 2026 году меняются каждые несколько недель, поэтому перед покупкой пересчитайте цену гигабайта на день заказа.
Ступени видеопамяти: карты, что запускается, цена (X-Com 03.11.2026, RTX 5090: Регард 11.10.2026)
Лучшая цена гигабайта у NVIDIA сейчас у RTX 3060 12 ГБ и RTX 5060 Ti 16 ГБ. RTX 5080 за 280 000 рублей даёт те же 16 ГБ по 17 500 рублей за гигабайт, поэтому под генерацию картинок её покупать невыгодно.
AMD и Intel для генерации: ComfyUI на ROCm, Amuse и Arc
У AMD в 2026 году ситуация лучше, чем раньше. С 6 января ComfyUI Desktop начиная с версии 0.7.0 официально поддерживает ROCm под Windows, основой стал ROCm 7.1.1. По гигабайту Radeon выгодны: RX 9060 XT 16 ГБ от 67 000 рублей (около 4 200 рублей за гигабайт), RX 9070 XT 16 ГБ от 120 500 рублей. Для тех, кто не хочет собирать узлы, у AMD есть приложение Amuse с готовыми моделями.
Ограничения честно: многие кастомные узлы ComfyUI и ускорения вроде Sage Attention пишутся под CUDA, свежие модели и их FP8-версии появляются сначала для NVIDIA, а ответов на форумах по ROCm меньше. Intel Arc работает через PyTorch с поддержкой XPU: в обсуждении ComfyUI Arc A770 с набором флагов экономии памяти делала Flux FP8 за 47-53 секунды. Arc B580 с 12 ГБ от 44 000 рублей подойдёт для SDXL тому, кто готов разбираться с настройкой.
Обучение LoRA: сколько памяти нужно сверх генерации
Обучение требует больше памяти, чем генерация: кроме весов модели в видеопамяти лежат градиенты, состояние оптимизатора и пакет обучающих картинок. Практичный ориентир даёт популярный набор ai-toolkit: его эталонный конфиг для LoRA на Flux называется train_lora_flux_24gb.yaml, то есть рассчитан на карту с 24 ГБ. На 16 ГБ обучение Flux возможно с квантованием базовой модели и уменьшенным разрешением, но идёт медленнее.
LoRA на SDXL обучается на 12-16 ГБ, и это хороший вариант для своих текстур и стиля. Когда обучение вообще оправдано и как подготовить датасет, разобрано в статье про дообучение LoRA. Если обучаете раз в месяц, дешевле арендовать карту с 24-48 ГБ на пару часов, чем покупать её.
Что ещё нужно системе: оперативная память, накопитель, блок питания
- Оперативная память. При выгрузке весов именно она держит модель. Для SDXL хватает 32 ГБ, для Flux.2 и Qwen-Image на картах с 12-16 ГБ берите 64 ГБ: пример с 70 ГБ оперативной памяти на RTX 3060 выше это показывает. Комплект DDR5 на 32 ГБ в ноябре стоил от 48 000 рублей, память сейчас дорожает наравне с видеокартами.
- Накопитель. Одна модель Flux.1 dev весит 23,8 ГБ, к ней энкодеры, VAE, LoRA и ControlNet. NVMe на 2 ТБ (от 23 000 рублей) под модели ускоряет первую загрузку и переключение между моделями.
- Блок питания. RTX 5060 Ti нетребовательна и встанет в обычный офисный корпус с приличным блоком, а RTX 3090 и RTX 5090 требуют качественного блока с запасом и правильных кабелей. Расчёт мощности по компонентам разобран в статье про блок питания для рендер-станции.
Если та же карта будет работать и для рендера, сверьтесь с требованиями сцен в материале о видеопамяти для 3D: там свои пороги, и генерация картинок их не отменяет.
Какую видеокарту для Stable Diffusion выбрать: итог по бюджетам
Выбор по задаче
- Только SDXL и SD 1.5, бюджет минимальный: RTX 3060 12 ГБ.
- Flux.1 и Flux.2 klein, разумный бюджет: RTX 5060 Ti 16 ГБ плюс 64 ГБ оперативной памяти.
- Нужна скорость на 16 ГБ: RTX 5070 Ti, а не RTX 5080.
- Тяжёлые модели, пакеты, обучение: б/у RTX 3090 с проверкой или RTX 5090.
Начать стоит с одной модели, на которой вы реально будете работать, и посмотреть её требования в таблице выше. Под пайплайн текстурирования, разобранный в статье о ComfyUI для 3D-художников, хватает 16 ГБ.
Частые вопросы
Сколько видеопамяти нужно для Flux?
Flux.1 dev в исходном формате BF16 весит 23,8 ГБ и полностью помещается только в карты на 24 ГБ. В FP8 модель занимает около 12 ГБ, поэтому 16 ГБ дают комфортную работу вместе с LoRA. На 8 ГБ Flux запускается только в NF4 или GGUF низкой разрядности с выгрузкой в оперативную память.
Можно ли запустить Stable Diffusion на 8 ГБ?
Да, SD 1.5 и SDXL на 8 ГБ работают нормально в одиночной генерации. Замедление начинается, когда добавляются несколько ControlNet, апскейл или большие пакеты. Для Flux и новых моделей восьми гигабайт мало.
Какая видеокарта лучше для ComfyUI в 2026 году?
Для большинства задач лучшее соотношение цены и памяти у RTX 5060 Ti 16 ГБ (от 79 000 рублей в ноябре 2026). Если нужна скорость, берите RTX 5070 Ti с теми же 16 ГБ. Если нужны 24 ГБ, ищите проверенную б/у RTX 3090.
RTX 3090 для Stable Diffusion ещё актуальна?
Да: в ноябрьском тесте ComfyUI она генерирует SDXL за 8,28 секунды и Flux.1 dev FP8 за 23,23 секунды, быстрее новой RTX 5060 Ti 16 ГБ. Главный плюс в 24 ГБ памяти, главный минус в возрасте и рисках вторичного рынка. Перед покупкой проверьте карту под нагрузкой и температуру памяти.
Работает ли Flux на видеокартах AMD?
Работает: ComfyUI Desktop с версии 0.7.0 официально поддерживает ROCm под Windows. Но часть кастомных узлов и ускорений доступна только на CUDA, а новые FP8-версии моделей готовятся в первую очередь под NVIDIA. Для первой карты под генерацию надёжнее NVIDIA.
Что важнее для нейросети картинок: память или скорость видеокарты?
Память. Если модель не помещается, ComfyUI выгружает веса в оперативную память, и даже быстрая карта начинает работать медленнее более простой, но с большим объёмом. Скорость имеет значение уже после того, как модель целиком поместилась.
Перед покупкой запустите нужную модель в облаке на карте с тем же объёмом памяти: час аренды покажет, хватает ли гигабайт под ваш рабочий процесс, лучше любой таблицы.


