Требования к железу для Stable Diffusion и ComfyUI

Что на самом деле нужно для self-hosted генератора изображений на базе ИИ

Self-hosted генератор изображений на базе ИИ состоит из одного веб-приложения и одного файла модели. Приложение называется ComfyUI, оно работает на любом сервере под управлением Linux. Модель определяет требования к аппаратному обеспечению. Чекпоинт класса SDXL представляет собой один файл размером 6.94 GB, который должен размещаться в видеопамяти GPU. Этот факт определяет весь бюджет, поэтому ознакомьтесь с иерархией оборудования ниже, прежде чем арендовать какие-либо мощности.

Честное резюме: VPS только с CPU может установить и запустить это ПО, а также генерировать изображения в разрешении 512x512 с использованием более старой модели Stable Diffusion 1.5 за одну-две минуты на одно изображение. Тот же сервер при работе с SDXL в разрешении 1024x1024 будет тратить от десяти до двадцати минут на одно изображение. Это не является неисправностью системы. Это простая арифметика, и данное руководство объясняет её суть.

Почему размер модели определяет требования к оборудованию

Генерация изображений выполняется через цикл удаления шума (denoising). Рендеринг из 30 шагов прогоняет полную модель через изображение 30 раз, и каждый проход считывает все веса. Модель SDXL в режиме половинной точности занимает около 6.9 GB весов, поэтому для рендеринга из 30 шагов через память проходит примерно 200 GB данных, прежде чем вы увидите результат.

GPU с 24 GB видеопамяти (VRAM, память, распаянная рядом с графическим чипом) считывает данные со скоростью сотни гигабайт в секунду и удерживает все 6.9 GB целиком. CPU VPS считывает системную оперативную память со скоростью десятки гигабайт в секунду и не имеет матричных аппаратных блоков для сверточных операций, поэтому тот же цикл выполняется на один-два порядка медленнее. Это тот же аргумент о пропускной способности памяти, который применим к текстовым моделям, и его стоит изучить вместе с когда VPS с GPU действительно оправдывает свою стоимость.

Генерация изображений отличается от генерации текста одним важным аспектом. Чат-модель выводит токены потоком, поэтому медленная машина всё ещё кажется пригодной для работы, так как слова появляются по мере чтения. Изображение же появляется только после завершения последнего шага. Медленная работа означает ожидание перед индикатором прогресса.

Аппаратная лестница в реальных цифрах

В блоке ниже приведены типичные показатели для генерации одного изображения SDXL в разрешении 1024x1024, 30 шагов, сэмплер Euler, по состоянию на июль 2026 года. Рассматривайте их как порядок величин. Ваш сэмплер, количество шагов и разрешение изменят эти значения.

[
  {
    "label": "8 vCPU VPS, no GPU",
    "seconds_per_image": 780
  },
  {
    "label": "8GB VRAM GPU",
    "seconds_per_image": 32
  },
  {
    "label": "12GB VRAM GPU",
    "seconds_per_image": 18
  },
  {
    "label": "24GB VRAM GPU",
    "seconds_per_image": 9
  }
]

Строка CPU занимает 780 секунд, около тринадцати минут. Карта с 24 GB памяти справляется за 9 секунд. Именно этот разрыв вы оплачиваете при покупке оборудования.

Читайте эту лестницу следующим образом. При объеме VRAM менее 8 GB SDXL всё ещё работает, так как ComfyUI автоматически выгружает слои в системную оперативную память и может запустить процесс даже на карте с 1 GB. Выгрузка данных увеличивает время каждого шага, поэтому карта с 6 GB будет генерировать изображение ближе к минуте, чем к тридцати секундам. При 8 GB базовая модель помещается в память полностью, и рендеринг проходит комфортно. При 12 GB вы можете держать в памяти ControlNet или два вместе с чекпоинтом без выгрузки данных. При 24 GB вы можете запустить SDXL вместе с refiner и апскейлингом в рамках одного рабочего процесса, а также начать обучение LoRA-адаптеров, что требует значительно больше памяти, чем генерация.

На что способен и на что не способен CPU VPS

Он может больше, чем ожидают пользователи, и меньше, чем обещает маркетинг. Важно четко понимать границы.

На CPU VPS можно установить ComfyUI, запустить веб-интерфейс, хранить библиотеку моделей, управлять очередью и генерировать изображения вообще без GPU. При использовании Stable Diffusion 1.5 с разрешением 512x512 и 20 шагами генерации ожидайте примерно от 60 до 150 секунд на одно изображение при наличии 8 современных vCPU и 16 GB RAM. Для пакетной обработки, которая выполняется ночью, или для низкоинтенсивного API генерации изображений с очередью, это вполне приемлемый вариант.

CPU VPS не подходит для интерактивной работы. Итерация промптов подразумевает двадцать генераций в час, а при времени выполнения в тринадцать минут на каждое вы получите только четыре. Также он не подходит для обучения. Fine-tuning LoRA на CPU измеряется днями, а не часами, поэтому считайте эту возможность недоступной.

Правила использования оперативной памяти для конфигураций только с CPU отличаются от правил для GPU. Веса загружаются в системную RAM, поэтому вам нужен объем, равный размеру модели плюс рабочее пространство: около 16 GB RAM для SDXL и около 8 GB для SD 1.5. Сервер с 4 GB RAM запустит ComfyUI, но процесс будет принудительно завершен механизмом out-of-memory killer во время первой генерации. Это будет выглядеть как внезапное исчезновение процесса с кодом Killed в dmesg без вывода трассировки Python.

Установка ComfyUI на машину с GPU

Ниже приведены команды из официального репозитория. Начните с чистой установки Ubuntu 24.04 с уже настроенным драйвером NVIDIA. Сначала проверьте драйвер, так как без этого любые последующие ошибки будут выглядеть одинаково.

nvidia-smi

Эта команда должна вывести таблицу с данными вашей видеокарты и версией CUDA. command not found или NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver означают, что драйвер отсутствует или модуль ядра не загрузился после обновления. Исправьте это перед продолжением, иначе ComfyUI без уведомлений переключится на CPU, и вы решите, что проблема в самом ПО.

sudo apt update
sudo apt install -y git python3-venv python3-pip wget
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python3 -m venv venv
. venv/bin/activate
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
pip install -r requirements.txt

Использование виртуального окружения — это не рекомендация, а необходимость. PyTorch подтягивает большое дерево зависимостей, и его установка в системные директории на сервере, где работают другие сервисы, приведет к конфликтам. Перед продолжением убедитесь, что PyTorch видит видеокарту.

python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

True вместе с названием вашей видеокарты означает, что стек работает корректно. False означает, что установленный пакет не соответствует драйверу; обычно это происходит из-за того, что в кэше уже была версия torch только для CPU. Переустановите пакет, используя указанный выше index URL.

Получение модели и планирование дискового пространства

ComfyUI поставляется без весов. Файлы чекпоинтов размещаются в models/checkpoints, файлы VAE — в models/vae, а адаптеры LoRA — в models/loras.

cd ~/ComfyUI/models/checkpoints
wget https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/resolve/main/sd_xl_base_1.0.safetensors

Всегда отдавайте предпочтение .safetensors перед .ckpt. Файл .ckpt представляет собой сериализованный объект Python, и его загрузка выполняет код, созданный автором файла. Формат safetensors содержит только тензоры, поэтому вредоносный файл не может выполнить произвольный код.

Дисковое пространство — это ресурс, о котором часто забывают. Один базовый чекпоинт SDXL занимает 6.94 GB. Модель refiner добавляет еще 6 GB. Одна модель ControlNet занимает от 1.4 до 2.5 GB, апскейлер — от 60 до 350 MB, а LoRA — от 20 до 400 MB. Пользователи обычно скачивают вторую и третью базовую модель в течение первой недели. Выделите 100 GB дискового пространства для рабочей установки и следите за каталогом вывода: файлы PNG размером 1024x1024 занимают от 1 до 2 MB каждый, и автоматизированная пакетная обработка может быстро заполнить небольшой диск. Разместите models/ и output/ на томе с возможностью расширения, а для резервного копирования JSON-файлов рабочих процессов используйте шифрованное инкрементальное резервное копирование в объектное хранилище. Веса можно скачать повторно, а настроенные рабочие процессы — нет.

Запуск и безопасный доступ

cd ~/ComfyUI
. venv/bin/activate
python main.py --listen 127.0.0.1 --port 8188

ComfyUI работает на порту 8188. На сервере только с CPU добавьте флаг --cpu, который принудительно использует путь выполнения на CPU вместо завершения работы из-за отсутствия устройства CUDA.

Привязывайтесь к 127.0.0.1, а не к 0.0.0.0. В ComfyUI нет экрана входа и учетных записей пользователей. Любой, кто получит доступ к порту, сможет ставить задачи в очередь, просматривать все созданные вами изображения и устанавливать пользовательские узлы, что означает выполнение произвольного кода на вашем сервере. Вместо этого подключайтесь к нему через SSH-туннель с вашего ноутбука.

ssh -N -L 8188:127.0.0.1:8188 you@your-server

Затем откройте http://127.0.0.1:8188 локально. Если вам нужен полноценный многопользовательский доступ, установите перед приложением reverse proxy с аутентификацией, оставив само приложение привязанным к localhost. Это же правило применимо к любому self-hosted сервису без аутентификации, и это является стандартным подходом при развертывании через Docker Compose на VPS.

Поддержание работы через systemd

Очередь рендеринга, которая завершается при закрытии SSH-сессии, не является полноценным сервисом. Создайте файл /etc/systemd/system/comfyui.service.

[Unit]
Description=ComfyUI
After=network-online.target

[Service]
User=comfy
WorkingDirectory=/home/comfy/ComfyUI
ExecStart=/home/comfy/ComfyUI/venv/bin/python main.py --listen 127.0.0.1 --port 8188
Restart=on-failure
RestartSec=5

[Install]
WantedBy=multi-user.target

sudo systemctl daemon-reload
sudo systemctl enable --now comfyui
systemctl status comfyui

active (running) и строка в логе To see the GUI go to: http://127.0.0.1:8188 означают, что сервис запущен. Обратите внимание, что ExecStart указывает на интерпретатор внутри виртуального окружения напрямую, так как systemd не выполняет ваш профиль оболочки и activate никогда не происходит.

Прагматичные рекомендации в зависимости от бюджета

Если вы хотите попробовать генерацию изображений и стоимость для вас важнее скорости, возьмите CPU VPS с 16 GB оперативной памяти, запустите SD 1.5 в разрешении 512x512 и будьте готовы ждать минуту или две на каждое изображение. Это честная точка входа, которая стоит значительно дешевле любого решения с GPU. Это также подходящее место для хранения библиотеки моделей и рабочих процессов, пока вы принимаете решение.

Если вы работаете с промптами ежедневно, арендуйте GPU с объемом VRAM не менее 12 GB в облаке с почасовой оплатой и выключайте инстанс, когда заканчиваете работу. Генерация изображений — это эпизодическая нагрузка, и простаивающий GPU с ежемесячной оплатой — самая частая причина лишних расходов. Храните чекпоинты на недорогом блочном хранилище и монтируйте их при необходимости.

Если вы предоставляете сервис другим пользователям или обучаете LoRA-адаптеры, вам потребуется 24 GB VRAM и собственный сервер. В этом случае машина обычно окупает себя, параллельно запуская локальную языковую модель, что описано в руководстве self-hosting an LLM with Ollama.

Какую бы ступень вы ни выбрали, замеряйте производительность своей машины, прежде чем доверять любым опубликованным цифрам. Поставьте один и тот же промпт в очередь пять раз и посмотрите на количество секунд на итерацию, которое ComfyUI выводит в консоль. Это число и есть ваш реальный показатель производительности.

FAQ

Можно ли запустить Stable Diffusion без GPU?

Да. ComfyUI работает с python main.py --cpu и генерирует полноценные изображения без видеокарты. Ожидайте примерно от 60 до 150 секунд на одно изображение для Stable Diffusion 1.5 в разрешении 512x512 и от десяти до двадцати минут для SDXL в 1024x1024 на 8 современных vCPU. Это подходит для пакетной обработки в ночное время и низконагруженных эндпоинтов. Этот метод не подходит для итеративного подбора промптов, а обучение моделей невозможно в принципе.

Сколько VRAM нужно для SDXL?

8 GB VRAM достаточно для комфортной работы SDXL в разрешении 1024x1024. При меньшем объеме ComfyUI автоматически выгружает слои в системную оперативную память, сохраняя работоспособность вплоть до 1 GB VRAM, но каждый выгруженный шаг увеличивает время генерации. 12 GB позволяют использовать ControlNet одновременно с чекпоинтом, а 24 GB покрывают использование базовой модели, рефайнера и апскейлинга в одном рабочем процессе, что является практическим минимумом для обучения LoRA-адаптеров.

Сколько дискового пространства нужно для моделей?

Только базовый чекпоинт SDXL занимает 6.94 GB, а рефайнер добавляет еще около 6 GB. Модели ControlNet занимают от 1.4 до 2.5 GB каждая, LoRA-адаптеры — от 20 до 400 MB, а апскейлеры — до 350 MB. Закладывайте 100 GB для рабочей установки с несколькими базовыми моделями и отдельно следите за каталогом вывода, так как PNG-файлы в разрешении 1024x1024 занимают от 1 до 2 MB каждый.

Безопасно ли открывать ComfyUI в публичный интернет?

Нет. В ComfyUI отсутствует какая-либо аутентификация, а система пользовательских узлов (custom nodes) позволяет устанавливать и исполнять Python-код прямо из интерфейса, поэтому открытый порт означает возможность удаленного выполнения кода на вашем сервере. Привязывайте его к 127.0.0.1, подключайтесь через SSH-туннель с помощью ssh -N -L 8188:127.0.0.1:8188 you@your-server и используйте аутентифицирующий reverse proxy, если доступ нужен более чем одному пользователю.

Почему рендер прерывается без сообщения об ошибке?

Если процесс исчезает с кодом Killed в dmesg без Python-трассировки, это означает срабатывание Linux out-of-memory killer, а не ошибку в ComfyUI. На сервере без GPU веса моделей хранятся в системной оперативной памяти, поэтому для SDXL требуется около 16 GB, а для SD 1.5 — около 8 GB RAM, плюс место для рабочих операций. Увеличьте объем RAM, добавьте swap или перейдите на более легкую модель и меньшее разрешение.