Генератор изображений ИИ на своем сервере: требования

Что действительно требуется для самостоятельно размещаемого генератора изображений на базе ИИ

Самостоятельно размещаемый генератор изображений на базе ИИ состоит из одного веб-приложения и одного файла модели. Приложение — это ComfyUI. Оно работает на любом сервере Linux. Модель определяет требования к оборудованию. Контрольная точка класса SDXL — это один файл размером 6.94 GB. Файл должен размещаться в памяти GPU. Именно этот факт определяет весь бюджет. Поэтому ознакомьтесь с приведенной ниже градацией оборудования, прежде чем арендовать сервер.

Если кратко: VPS только с CPU может установить программное обеспечение и обслуживать запросы. Он также может создавать изображения размером 512x512 с помощью более старой модели Stable Diffusion 1.5 — примерно за одну-две минуты на изображение. На том же сервере генерация изображения размером 1024x1024 с помощью SDXL занимает от десяти до двадцати минут. Это не означает, что конфигурация неисправна. Таковы результаты расчета ресурсов. В этом руководстве объясняется причина.

Почему размер модели определяет требования к серверу

Генерация изображений выполняется в цикле удаления шума. При рендеринге из 30 шагов вся модель проходит по изображению 30 раз, и на каждом шаге считываются все веса. SDXL в режиме половинной точности занимает около 6.9 GB весов, поэтому до появления изображения через память проходит примерно 200 GB данных.

GPU с 24 GB видеопамяти (VRAM — память, установленная рядом с графическим чипом) считывает данные со скоростью сотни гигабайт в секунду и одновременно хранит все 6.9 GB. CPU VPS считывает данные из системной RAM со скоростью десятки гигабайт в секунду. Кроме того, у него нет аппаратных средств для матричных операций свёртки. Поэтому тот же цикл выполняется на один–два порядка медленнее. Это тот же аргумент, связанный с пропускной способностью памяти, который применим к текстовым моделям. Его стоит рассматривать вместе с материалом когда VPS с GPU действительно оправдывает затраты.

Генерация изображений отличается от генерации текста одним важным свойством. Chat-модель выдаёт токены потоком, поэтому даже медленная машина остаётся пригодной для работы: слова появляются по мере чтения. Изображение появляется только после завершения последнего шага. Медленная работа означает, что приходится смотреть на индикатор выполнения.

Аппаратная линейка с реальными значениями

В блоке ниже приведены типичные значения для одного изображения SDXL с разрешением 1024x1024, 30 шагами и сэмплером Euler по состоянию на July 2026. Рассматривайте их как порядок величины. Сэмплер, число шагов и разрешение влияют на 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
  }
]

Для строки CPU указано 780 секунд, то есть примерно тринадцать минут. Для карты с объемом памяти 24 GB указано 9 секунд. Именно за это сокращение времени вы платите при переходе на более мощное оборудование.

Интерпретируйте эту линейку следующим образом. При объеме VRAM менее 8 GB SDXL все равно запускается, поскольку ComfyUI автоматически выгружает слои в системную RAM и может работать с картой всего с 1 GB памяти. Выгрузка увеличивает время на каждом шаге, поэтому карта с 6 GB дает результат ближе к одной минуте на изображение, чем к тридцати секундам. При 8 GB базовая модель помещается в памяти, и рендеринг выполняется без существенных ограничений. При 12 GB можно одновременно загрузить ControlNet или две модели вместе с checkpoint без выгрузки. При 24 GB можно запустить SDXL, refiner и upscaling в одном рабочем процессе, а также начать обучение адаптеров LoRA, для которого требуется значительно больше памяти, чем для генерации.

Что может и чего не может CPU VPS

Он может больше, чем многие ожидают, и меньше, чем подразумевает маркетинг. Четко определите границу возможностей.

CPU VPS может установить ComfyUI, обслуживать веб-интерфейс, хранить библиотеку моделей, обрабатывать очередь и генерировать изображения вообще без GPU. При использовании Stable Diffusion 1.5 с разрешением 512x512 и 20 шагами рассчитывайте примерно на 60–150 секунд на изображение при наличии 8 современных vCPU и 16 GB RAM. Для пакетной задачи, которая выполняется всю ночь, или для конечной точки генерации изображений с небольшой нагрузкой за очередью этого действительно достаточно.

CPU VPS не подходит для интерактивной работы. Итерация запросов означает 20 рендеров в час, а при 13 минутах на каждый вы получите 4 результата. Он также не подходит для обучения. Тонкая настройка LoRA на CPU занимает дни, а не часы, поэтому считайте эту задачу недоступной.

Правило по памяти для режима только с CPU отличается от правила для GPU. Веса загружаются в системную RAM, поэтому требуется объем, равный размеру модели, плюс рабочее пространство: около 16 GB RAM для SDXL и около 8 GB для SD 1.5. На сервере с 4 GB ComfyUI запустится, но затем процесс будет завершен убийцей процессов при нехватке памяти во время первого рендера. Это проявляется как исчезновение процесса с Killed в dmesg без трассировки Python.

Установка ComfyUI на машине с GPU

Это команды из upstream. Начните с чистой установки Ubuntu 24.04 с уже установленным драйвером NVIDIA. Сначала проверьте драйвер, потому что без этой проверки все последующие ошибки выглядят одинаково.

nvidia-smi

Команда должна вывести таблицу с вашей видеокартой и версией CUDA. command not found или NVIDIA-SMI has failed because it couldn't communicate with the NVIDIA driver означает, что драйвер отсутствует или модуль ядра не загрузился после обновления. Исправьте это до продолжения, потому что ComfyUI без уведомления переключится на CPU, а вы ошибочно обвините в этом программное обеспечение.

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

Виртуальная среда не является необязательной рекомендацией. PyTorch устанавливает большое дерево зависимостей, а установка пакета в систему на сервере, где выполняются другие приложения, может нарушить их работу. 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. False означает, что установленный wheel несовместим с драйвером. Обычно это происходит потому, что CPU-only wheel для torch уже был помещён в кэш. Переустановите пакет с указанным выше URL индекса.

Загрузите модель и запланируйте место на диске

ComfyUI не поставляется с весами. Файлы контрольных точек размещайте 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 выбирайте .safetensors, а не .ckpt. Файл .ckpt содержит сериализованный объект Python. При его загрузке выполняется код от создателя файла. Формат safetensors содержит только тензоры, поэтому вредоносный файл не может выполнить код.

Хранилище часто не учитывают при планировании. Одна базовая контрольная точка SDXL занимает 6.94 GB. Рефайнер занимает 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. За первую неделю активного использования обычно загружают вторую и третью базовые модели. Выделите 100 GB на диске для рабочей установки. Также контролируйте каталог outputs: PNG-файлы размером 1024x1024 занимают от 1 до 2 MB каждый, а незапланированный пакетный запуск быстро заполняет небольшой диск. Разместите models/ и output/ на томе, размер которого можно увеличить. Резервируйте файлы JSON с рабочими процессами, например с помощью зашифрованного инкрементного резервного копирования в объектное хранилище. Веса можно загрузить повторно. Настроенные рабочие процессы восстановить повторно нельзя.

Запустите и обеспечьте безопасный доступ

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

ComfyUI использует порт 8188. На сервере только с CPU добавьте --cpu. Этот параметр принудительно выбирает режим CPU и предотвращает сбой из-за отсутствующего устройства CUDA.

Привяжите сервис к 127.0.0.1, а не к 0.0.0.0. В ComfyUI нет страницы входа и учетных записей пользователей. Любой, кто получит доступ к порту, сможет ставить задания в очередь, читать все созданные изображения и устанавливать пользовательские узлы. Это позволяет выполнять произвольный код на сервере. Вместо этого подключайтесь к сервису через SSH-туннель с ноутбука.

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

Затем откройте http://127.0.0.1:8188 локально. Если нужен полноценный доступ для нескольких пользователей, разместите перед сервисом обратный прокси с аутентификацией и оставьте приложение привязанным к localhost. Это же правило относится к любому самостоятельно размещенному сервису без аутентификации и является стандартным подходом в развертываниях Docker Compose на VPS.

Запуск под управлением systemd

Очередь рендеринга, которая завершается при закрытии сеанса SSH, не является службой. Запишите /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

Сообщение active (running) и строка журнала To see the GUI go to: http://127.0.0.1:8188 означают, что служба запущена. Обратите внимание: ExecStart напрямую указывает интерпретатор внутри виртуального окружения, поскольку systemd не выполняет профиль оболочки, и activate не происходит.

Практическая рекомендация с учетом бюджета

Если вы хотите попробовать генерацию изображений, а стоимость для вас важнее скорости, выберите CPU VPS с 16 GB RAM, запускайте SD 1.5 в разрешении 512x512 и учитывайте, что генерация одного изображения может занимать одну-две минуты. Это реалистичная отправная точка. Такой вариант стоит значительно дешевле любого решения с GPU. Здесь также удобно хранить библиотеку моделей и workflows, пока вы принимаете решение.

Если вы ежедневно изменяете prompts, арендуйте GPU минимум с 12 GB VRAM на почасовой основе в GPU cloud и выключайте его, когда прекращаете работу. Генерация изображений выполняется неравномерно. Неиспользуемый GPU с ежемесячной оплатой — наиболее распространенная причина перерасхода средств в этом случае. Храните checkpoints на недорогом block storage и подключайте его.

Если вы обслуживаете других пользователей или обучаете LoRA adapters, вам потребуются 24 GB VRAM и постоянно работающая машина. На этом этапе тот же сервер обычно можно эффективно использовать и для запуска локальной language model. Именно такая конфигурация описана в разделе самостоятельное размещение LLM с Ollama.

Какой бы вариант вы ни выбрали, сначала измерьте производительность своей машины. Не полагайтесь на опубликованные значения. Пять раз поставьте в очередь один и тот же prompt и посмотрите значение seconds-per-iteration, которое ComfyUI выводит в консоль. Это значение показывает ваше фактическое положение в этой шкале.

FAQ

Можно ли запускать Stable Diffusion без GPU?

Да. ComfyUI работает с python main.py --cpu и создает настоящие изображения без графической карты. Для Stable Diffusion 1.5 при разрешении 512x512 на 8 современных vCPU одно изображение обычно создается за 60–150 секунд, а для SDXL при разрешении 1024x1024 требуется от десяти до двадцати минут. Такой режим подходит для ночных пакетных заданий и конечных точек с небольшой нагрузкой. Он не подходит для перебора вариантов промпта, а обучение полностью недоступно.

Сколько VRAM требуется для SDXL?

8 GB достаточно для комфортной работы SDXL при разрешении 1024x1024. При меньшем объеме ComfyUI автоматически выгружает слои в системную RAM и продолжает работать примерно от 1 GB VRAM, но каждый шаг с выгрузкой увеличивает время выполнения. 12 GB позволяют одновременно разместить ControlNet и checkpoint, а 24 GB достаточно для base, refiner и upscaling в одном рабочем процессе. Это также практический минимум для обучения адаптеров LoRA.

Сколько места на диске требуется моделям?

Один checkpoint SDXL base занимает 6.94 GB, а refiner добавляет еще около 6 GB. Каждая модель ControlNet занимает от 1.4 до 2.5 GB, адаптеры LoRA — от 20 до 400 MB, а upscaler — до 350 MB. Выделите 100 GB для рабочей установки с несколькими базовыми моделями. Отдельно контролируйте каталог вывода, поскольку файлы PNG размером 1024x1024 занимают от 1 до 2 MB каждый.

Безопасно ли открыть ComfyUI в общедоступном интернете?

Нет. В ComfyUI полностью отсутствует аутентификация, а система custom-node устанавливает и запускает код Python через интерфейс. Поэтому открытый порт позволяет удаленно выполнять код на сервере. Привяжите ComfyUI к 127.0.0.1, подключайтесь к нему через SSH-туннель с помощью ssh -N -L 8188:127.0.0.1:8188 you@your-server и настройте перед ним reverse proxy с аутентификацией, если доступ требуется более чем одному пользователю.

Почему мой рендер был завершен без сообщения об ошибке?

Если процесс исчезает с Killed в dmesg, а traceback Python отсутствует, это означает, что сработал механизм Linux для завершения процессов при нехватке памяти, а не произошла ошибка ComfyUI. На сервере только с CPU веса моделей хранятся в системной RAM. Поэтому SDXL требуется около 16 GB, а SD 1.5 — около 8 GB, не считая рабочего пространства. Увеличьте объем RAM, добавьте swap либо используйте модель меньшего размера и более низкое разрешение.