คำตอบสั้น
GPU cloud ที่ดีที่สุดสำหรับ ComfyUI, Stable Diffusion และ Flux คืออะไร?
GPU cloud ที่ดีที่สุดสำหรับ ComfyUI คือการ์ดที่ถูกที่สุดที่ใส่ไฟล์โมเดลของคุณใน VRAM ได้: RTX 4090 (24 GB) สำหรับ SDXL (checkpoint 6.9 GB) และ FLUX.1 [dev] ใน FP8 (17.2 GB), RTX 5090 (32 GB) หรือ L40S (48 GB) สำหรับ FLUX.1 [dev] ใน BF16 (29.3 ถึง 34.2 GB รวม text encoder) ณ 29 ตุลาคม 2026 GPUwithCrypto ให้เช่า RTX 4090 ที่ $0.28/ชั่วโมง จ่ายด้วยคริปโต
แต่ละโมเดลภาพต้องใช้ VRAM เท่าไร?
รวม = ไฟล์ที่ ComfyUI โหลดสำหรับการสร้างหนึ่งครั้ง ตามที่ระบุบน Hugging Face เมื่อ 29 ตุลาคม 2026 (GB แบบทศนิยม) ตัวที่เล็กที่สุดที่พอดี = GPU ที่ถูกที่สุดของเราที่ใส่ทั้งหมดได้พร้อมกัน ภาพความละเอียดสูงและ batch ใหญ่จะเพิ่มหน่วยความจำสำหรับ activation เข้าไปอีก
| โมเดล | พารามิเตอร์ (ทางการ) | ไฟล์ที่โหลด | รวม | ตัวที่เล็กที่สุดที่พอดี | GPUwithCrypto ต่อชั่วโมง | สัญญาอนุญาต |
|---|---|---|---|---|---|---|
| SDXL 1.0 base | 3.5B | checkpoint sd_xl_base_1.0 6.9 GB (UNet, text encoder ทั้งสอง, VAE) | 6.9 GB | RTX 4090 24 GB | $0.28/ชั่วโมง | CreativeML Open RAIL++-M |
| FLUX.1 [dev], FP8 | 12B | checkpoint Comfy-Org flux1-dev-fp8 17.2 GB (โมเดล FP8, text encoder, VAE) | 17.2 GB | RTX 4090 24 GB | $0.28/ชั่วโมง | FLUX.1 [dev] Non-Commercial |
| FLUX.1 [dev], BF16 + T5 ใน FP8 | 12B | flux1-dev 23.8 GB + T5-XXL FP8 4.9 GB + CLIP-L 0.25 GB + VAE 0.34 GB | 29.3 GB | RTX 5090 32 GB | $0.42/ชั่วโมง | FLUX.1 [dev] Non-Commercial |
| FLUX.1 [dev] หรือ [schnell], ทั้งหมด BF16/FP16 | 12B | โมเดล flux1 23.8 GB + T5-XXL FP16 9.8 GB + CLIP-L 0.25 GB + VAE 0.34 GB | 34.2 GB | L40S 48 GB | $0.82/ชั่วโมง | [dev] Non-Commercial · [schnell] Apache-2.0 |
| FLUX.2 [klein] 9B | 9B | โมเดล 18.2 GB + Qwen3 8B text embedder 16.4 GB (BF16) | ≈ 29 GB ตาม model card ของมัน | RTX 5090 32 GB | $0.42/ชั่วโมง | FLUX Non-Commercial |
| FLUX.2 [dev] | 32B | โมเดล 64.4 GB + text encoder 48.0 GB (BF16) + VAE 0.34 GB | 112.8 GB | H200 141 GB | $3.07/ชั่วโมง | FLUX Non-Commercial |
ตรวจสอบราคาเมื่อ
การคำนวณ FLUX.1 [dev] ทั้งหมดใน BF16/FP16: 23.8 + 9.8 + 0.25 + 0.34 = 34.2 GB FLUX.2 [dev] พอดีกับ H100 หรือ A100 ขนาด 80 GB เมื่อ unload text encoder หลังจาก encode prompt แล้ว โมเดลขนาด 64.4 GB ก็จะพอดีได้ด้วยตัวเอง
GPU ที่เล็กกว่ายังรันโมเดลที่ไม่พอดีได้ไหม
ได้ แต่ช้ากว่า ComfyUI ย้ายโมเดลระหว่าง system RAM และ VRAM: command-line help ของมันระบุว่าโดยค่าเริ่มต้นโมเดลจะถูก unload ไปยัง CPU memory หลังใช้งาน และ README ของมันอธิบาย weight streaming สำหรับโมเดลที่ใหญ่กว่าการ์ด เวิร์กโฟลว์ FLUX.1 [dev] ใน BF16 จึงรันบน RTX 4090 ขนาด 24 GB ได้ การย้าย weights ใช้เวลาทุกครั้งที่มี prompt ใหม่ ดังนั้นตารางด้านบนจึงแสดงการ์ดที่เก็บทุกอย่างได้พร้อมกัน
model card ของ FLUX.2 [dev] แสดงอีกเส้นทางหนึ่ง: เวอร์ชัน 4-bit ที่รัน text encoder จากระยะไกล บน RTX 4090 ลองเปรียบเทียบเอาต์พุตแบบ quantized และ BF16 บน prompt ของคุณเองก่อนตัดสินใจ
ฉันควรเลือก GPU ตัวไหนสำหรับเวิร์กโฟลว์ของฉัน
- SDXL, SD 1.5, LoRAs, ControlNet, upscalers: RTX 4090 SDXL checkpoint ขนาด 6.9 GB เหลือ 17 GB สำหรับโมเดลเพิ่มเติมและ batch ขนาดใหญ่
- FLUX.1 [dev] หรือ [schnell] ใน FP8: RTX 4090 ไฟล์ FP8 all-in-one ขนาด 17.2 GB พอดีโดยเหลือ 6.8 GB
- FLUX.1 ใน BF16 หรือ Flux LoRA training: RTX 5090 LoRA training บน transformer ขนาด 12B ต้องใช้ประมาณ 28.8 GB ตามกฎใน คู่มือ VRAM ของเรา
- หลายโมเดลในกราฟเดียว ความละเอียดสูง FLUX.2 [klein] ที่โหลดทุกอย่าง: L40S, 48 GB
- FLUX.2 [dev] ใน BF16: หนึ่ง H200 (141 GB) หรือ H100 ขนาด 80 GB ที่ unload text encoder
เราไม่เผยแพร่ตัวเลขวินาทีต่อภาพ: เราไม่ได้วัดค่าใดๆ และมันเปลี่ยนตาม steps ความละเอียด และ sampler
RTX 5090 คุ้มค่ากับส่วนต่างเหนือ RTX 4090 ไหม
เมื่อเวิร์กโฟลว์ของคุณต้องการระหว่าง 24 ถึง 32 GB คุ้ม ตามการตรวจราคาของ GPUwithCrypto เมื่อ 29 ตุลาคม 2026 RTX 5090 แบบ self-serve on-demand ราคาต่ำสุดแพงกว่าต่อชั่วโมงเป็น 52% เมื่อเทียบกับ RTX 4090 ราคาต่ำสุด ($0.50 เทียบกับ $0.33 ทั้งคู่ที่ Salad) สำหรับ VRAM ที่มากกว่า 33% ราคา RTX 4090 ของ Salad เพิ่มจาก $0.33 เป็น $0.44 ต่อชั่วโมงในวันที่ 1 พฤศจิกายน 2026
ตัวเลขของ NVIDIA สำหรับ RTX 5090: 32 GB ของ GDDR7 ที่ 1,792 GB/s และ FP4 Tensor Cores เทียบกับ 24 GB ของ GDDR6X ที่ 1,008 GB/s บน RTX 4090 ในราคาของเรา ทั้งคู่มีราคา $0.42/ชั่วโมง และ $0.28/ชั่วโมง เปรียบเทียบแบบเต็ม: RTX 5090 vs H100
ฉันจะรัน ComfyUI บน GPU ที่เช่าได้อย่างไร
เริ่ม instance ด้วย PyTorch image ติดตั้ง ComfyUI จาก GitHub repository ของมันแล้วเปิดผ่าน SSH tunnel ComfyUI ฟังบน 127.0.0.1 พอร์ต 8188 โดยค่าเริ่มต้น อินเทอร์เฟซจึงไม่ถูกเปิดเผยสู่อินเทอร์เน็ต ใส่ checkpoints ใน models/checkpoints, VAEs ใน models/vae ทุกอินสแตนซ์มีดิสก์ NVMe ภายใน เครื่อง ขนาดเหมาะกับ GPU ของตนและแสดงไว้ก่อนเริ่ม ดิสก์จะถูกล้างเมื่อคุณลบอินสแตนซ์ ดังนั้นคัดลอก checkpoint ออกมาก่อน
# 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
ฉันควรใช้ GPU แบบ spot หรือ marketplace สำหรับ ComfyUI ไหม
สำหรับเซสชันแบบ interactive ไม่ควร: GPU ที่ถูกเรียกคืนจะจบเซสชันและไฟล์บนดิสก์ของมัน ข้อเสนอ RTX 4090 ที่ถูกที่สุดบน marketplace ของ Vast.ai คือ $0.13 ต่อชั่วโมงเมื่อ 29 ตุลาคม 2026 (public price feed ของ Vast.ai) ต่ำกว่าราคา on-demand ใดๆ สำหรับ batch ของการ render ที่รีสตาร์ทได้ มันอาจคุ้ม อินสแตนซ์เป็นแบบ on-demand ไม่ใช่ spot: ไม่มีใครดึง GPU คุณคืนได้ตราบใดที่ยอดคงเหลือของคุณยังเพียงพอ และอินสแตนซ์จะทำงานจนกว่าคุณจะหยุด เพิ่มเติม: spot GPU คืออะไร
คำถามเกี่ยวกับ ComfyUI และ Flux GPU
ฉันต้องใช้ VRAM เท่าไรสำหรับ Flux
FLUX.1 [dev] โหลด 34.2 GB เมื่อทุกอย่างอยู่ใน BF16/FP16, 29.3 GB เมื่อ T5 text encoder อยู่ใน FP8 และ 17.2 GB เป็นไฟล์ FP8 all-in-one นั่นหมายถึง L40S, RTX 5090 หรือ RTX 4090 FLUX.2 [dev] โหลด 112.8 GB ใน BF16
ฉันรัน FLUX.1 [dev] บน RTX 4090 ขนาด 24 GB ได้ไหม
ได้ FP8 checkpoint (17.2 GB) พอดีทั้งหมด โมเดล BF16 (23.8 GB) ก็รันได้ เพราะ ComfyUI ย้าย weights ระหว่าง system RAM และ VRAM แต่ทุก prompt ใหม่จะต้องรอการย้ายเหล่านั้น
SDXL ต้องใช้ VRAM เท่าไร
SDXL 1.0 base checkpoint คือ 6.9 GB พร้อม text encoders และ VAE ดังนั้นทุก GPU ที่เราเช่าจึงเก็บมันได้ RTX 4090 ที่ $0.28/ชั่วโมง เหลือที่สำหรับ LoRAs, ControlNet models และ upscalers ในกราฟเดียวกัน
FLUX.2 [dev] ต้องใช้ VRAM เท่าไร
โมเดล 32B ของมันใช้ 64.4 GB ใน BF16 และ text encoder 48.0 GB รวม 112.8 GB หนึ่ง H200 เก็บทั้งคู่ได้ H100 ขนาด 80 GB เก็บโมเดลได้โดย unload text encoder model card ยังแสดงเวอร์ชัน 4-bit บน RTX 4090 ที่มี text encoder จากระยะไกล
ฉันใช้โมเดล FLUX เชิงพาณิชย์ได้ไหม
ตรวจสอบ licence แต่ละตัว FLUX.1 [schnell] เป็น Apache-2.0 FLUX.1 [dev], FLUX.2 [dev] และ FLUX.2 [klein] 9B ใช้ licence แบบ non-commercial ของ Black Forest Labs อ่านเงื่อนไขของพวกมันก่อนทำงานเชิงพาณิชย์
ฉันจ่ายค่า GPU ด้วยคริปโตได้ไหม
ได้ GPUwithCrypto รับ BTC, USDT, USDC, ETH, SOL, LTC, XMR จากการเติมเงิน US$1 โดยไม่ต้องใช้ ID และไม่ต้องใช้บัตร อินสแตนซ์คิดค่าบริการเป็นรายนาทีตามอัตรารายชั่วโมงตลอดเวลาที่ทำงาน โดยหักจาก GPU-hours ที่คุณซื้อไว้สำหรับ GPU รุ่นนั้น การหยุดอินสแตนซ์จะหยุดการคิดค่าบริการทันที
แหล่งที่มา (13)
- model card และไฟล์ของ FLUX.1 [dev] — Black Forest Labs / Hugging Face (read 2026-10-29)
- model card และไฟล์ของ FLUX.1 [schnell] — Black Forest Labs / Hugging Face (read 2026-10-29)
- model card และไฟล์ของ FLUX.2 [dev] — Black Forest Labs / Hugging Face (read 2026-10-29)
- model card และไฟล์ของ FLUX.2 [klein] 9B — Black Forest Labs / Hugging Face (read 2026-10-29)
- Flux text encoders (T5-XXL, CLIP-L) สำหรับ ComfyUI — ComfyUI / Hugging Face (read 2026-10-29)
- ไฟล์ Comfy-Org Flux-1-Dev (FP8 checkpoint) — Comfy-Org / Hugging Face (read 2026-10-29)
- ประกาศ Stable Diffusion XL 1.0 — Stability AI (read 2026-10-29)
- ไฟล์ stable-diffusion-xl-base-1.0 — Stability AI / Hugging Face (read 2026-10-29)
- README และ command-line options ของ ComfyUI — ComfyUI (read 2026-10-29)
- whitepaper สถาปัตยกรรม NVIDIA RTX Blackwell (RTX 5090) — NVIDIA (read 2026-10-29)
- เอกสารไวท์เปเปอร์สถาปัตยกรรม GPU NVIDIA Ada (RTX 4090) — NVIDIA (read 2026-10-29)
- การเปลี่ยนแปลงราคา SaladCloud พฤศจิกายน 2026 blog.salad.com/saladcloud-price-changes-november-2026 — Salad (read 2026-10-29)
- ฟีดราคา GPU สาธารณะของ Vast.ai — Vast.ai (read 2026-10-29)