Quel est le meilleur GPU cloud pour ComfyUI, Stable Diffusion et Flux ?

Un GPU plus petit peut-il quand même faire tourner un modèle qui ne tient pas ?

Oui, plus lentement. ComfyUI déplace les modèles entre la RAM système et la VRAM : son aide en ligne de commande indique que, par défaut, les modèles sont déchargés vers la mémoire CPU après utilisation, et son README décrit le streaming des poids pour les modèles plus gros que la carte. Un workflow FLUX.1 [dev] en BF16 tourne donc sur une RTX 4090 de 24 GB. Déplacer les poids coûte du temps à chaque nouveau prompt, c'est pourquoi le tableau ci-dessus indique la carte qui contient tout d'un coup.

La fiche modèle de FLUX.2 [dev] montre une autre voie : une version 4 bits avec l'encodeur de texte exécuté à distance, sur une RTX 4090. Comparez les sorties quantisées et BF16 sur vos propres prompts avant de choisir.

Quel GPU choisir pour mon workflow ?

• SDXL, SD 1.5, LoRAs, ControlNet, upscalers : RTX 4090. Le checkpoint SDXL de 6,9 GB laisse 17 GB pour des modèles supplémentaires et de grands batches.
• FLUX.1 [dev] ou [schnell] en FP8 : RTX 4090. Le fichier FP8 all-in-one de 17,2 GB tient avec 6,8 GB de marge.
• FLUX.1 en BF16, ou entraînement de LoRA Flux : RTX 5090. L'entraînement de LoRA sur le transformer 12B nécessite environ 28,8 GB selon la règle de notre guide VRAM.
• Plusieurs modèles dans un même graphe, hautes résolutions, FLUX.2 [klein] avec tout chargé : L40S, 48 GB.
• FLUX.2 [dev] en BF16 : un H200 (141 GB), ou un H100 de 80 GB avec l'encodeur de texte déchargé.

Nous ne publions aucun chiffre de secondes par image : nous n'en avons mesuré aucun, et ils varient selon les steps, la résolution et le sampler.

La RTX 5090 vaut-elle le surcoût par rapport à une RTX 4090 ?

Quand votre workflow a besoin de 24 à 32 GB, oui. Selon le relevé de prix de GPUwithCrypto du 29 octobre 2026, la RTX 5090 en libre-service à la demande la moins chère coûtait 52 % de plus par heure que la RTX 4090 la moins chère ($0.50 contre $0.33, toutes deux à Salad) pour 33 % de VRAM en plus. Le prix de la RTX 4090 chez Salad passe de $0.33 à $0.44 par heure le 1er novembre 2026.

Les chiffres de NVIDIA pour la RTX 5090 : 32 GB de GDDR7 à 1 792 GB/s et des Tensor Cores FP4, contre 24 GB de GDDR6X à 1 008 GB/s sur la RTX 4090. À nos prix, la paire coûte 0,42 $/heure et 0,28 $/heure. Comparaison complète : RTX 5090 vs H100.

Comment faire tourner ComfyUI sur un GPU loué ?

Démarrez une instance avec l'image PyTorch, installez ComfyUI depuis son dépôt GitHub et ouvrez-le via un tunnel SSH. Par défaut, ComfyUI écoute sur 127.0.0.1, port 8188, donc l'interface n'est jamais exposée à internet. Placez les checkpoints dans models/checkpoints, les VAE dans models/vae. Chaque instance dispose d'un disque NVMe local, dimensionné pour son GPU et affiché avant le démarrage. Le disque est effacé quand vous supprimez l'instance, alors copiez d'abord vos checkpoints.

# on the instance
git clone https://github.com/comfyanonymous/ComfyUI
cd ComfyUI
pip install -r requirements.txt
python main.py --listen 127.0.0.1 --port 8188

# on your computer: forward the port (host and SSH port are in the dashboard)
ssh -N -L 8188:127.0.0.1:8188 -p SSH_PORT root@HOST
# then open http://127.0.0.1:8188 in your browser

Faut-il utiliser un GPU spot ou de marketplace pour ComfyUI ?

Pour une session interactive, non : un GPU récupéré met fin à la session et aux fichiers de son disque. L'offre RTX 4090 la moins chère sur la marketplace de Vast.ai était de $0.13 par heure le 29 octobre 2026 (flux de prix public de Vast.ai), en dessous de tout prix à la demande. Pour un batch de rendus qui peut redémarrer, cela peut valoir le coup. Les instances sont à la demande, pas spot : personne ne peut vous reprendre votre GPU tant que votre solde le couvre, et l'instance tourne jusqu'à ce que vous l'arrêtiez. Plus d'infos : qu'est-ce qu'un GPU spot.