Какая видеокарта нужна для Stable Diffusion

Ошибка CUDA out of memory при генерации в Stable Diffusion почти всегда означает одно: видеокарте не хватило видеопамяти под выбранное разрешение и модель. Именно объём VRAM, а не тактовая частота или количество ядер, определяет, какие нейросетевые модели вы сможете запускать локально и насколько быстро.

Stable Diffusion можно запустить и на слабом GPU, и даже на процессоре, но комфортная работа начинается с определённого порога. Ниже разберём минимальные требования, сравним видеокарты NVIDIA и AMD, приведём таблицу подходящих моделей и покажем, как выжать максимум из того железа, которое уже есть.

Минимальные требования для запуска Stable Diffusion

Формально Stable Diffusion 1.5 запускается на картах с 4 ГБ VRAM при включённых режимах экономии памяти. Однако генерация одного изображения 512×512 в таком режиме может занимать минуты, а любые дополнения вроде ControlNet или апскейла вызовут переполнение памяти.

Практический минимум для комфортной работы — 6–8 ГБ видеопамяти. С таким объёмом базовая модель SD 1.5 генерирует картинки 512×512 за считанные секунды, а при аккуратных настройках доступны и разрешения побольше. Для более тяжёлых моделей вроде SDXL желательно уже 8–12 ГБ.

Помимо видеокарты, учитывайте и остальную систему: желательно 16 ГБ оперативной памяти и SSD, поскольку файлы моделей весят от 2 до 7 ГБ и загружаются при каждом переключении.

• 🟢 4 ГБ VRAM — запуск SD 1.5 только с флагами оптимизации, медленно и с ограничениями
• 🟡 6–8 ГБ VRAM — комфортная работа с SD 1.5, базовый SDXL с ухищрениями
• 🟠 12 ГБ VRAM — полноценный SDXL, ControlNet, обучение LoRA на минимальных настройках
• 🔵 16+ ГБ VRAM — любые задачи: высокие разрешения, обучение, пакетная генерация

Почему важна именно видеопамять, а не мощность чипа

При генерации изображения вся модель, промежуточные тензоры и данные VAE-декодера должны одновременно помещаться в видеопамять. Если суммарный объём превышает доступную VRAM, интерфейс вроде Automatic1111 или ComfyUI либо выдаёт ошибку, либо начинает свопить данные в оперативную память — и скорость падает в разы.

Скорость самой генерации при этом зависит от вычислительной мощности: количества CUDA-ядер и поддержки тензорных операций. Но недостаток мощности делает работу медленнее, а недостаток VRAM делает её невозможной — это принципиальная разница при выборе карты.

NVIDIA или AMD: что выбрать

Экосистема Stable Diffusion исторически строилась вокруг CUDA — технологии NVIDIA. Большинство интерфейсов, расширений и оптимизаций (например, xFormers) работают на картах NVIDIA «из коробки», без дополнительной настройки. Поэтому для локальной генерации чаще всего рекомендуют именно их.

Карты AMD тоже способны запускать Stable Diffusion — через ROCm на Linux или через DirectML-версии интерфейсов на Windows. Однако настройка сложнее, часть расширений может не работать, а производительность на аналогичном по цене железе нередко ниже. Если вы только планируете покупку и цель — именно нейросети, NVIDIA остаётся более предсказуемым выбором.

Таблица популярных видеокарт для Stable Diffusion

Ниже — ориентировочное сопоставление распространённых моделей и задач, которые они потянут. Реальная скорость зависит от версии интерфейса, драйверов и настроек, поэтому воспринимайте таблицу как ориентир, а не точный бенчмарк.

Отдельно отметим RTX 3060 12 ГБ: несмотря на скромный чип, именно большой объём памяти сделал её народной картой для Stable Diffusion. Она дешевле старших моделей, но позволяет работать с SDXL без танцев с оптимизацией.

Как запустить Stable Diffusion на слабой видеокарте

Если ваша карта не дотягивает до рекомендованных объёмов, не спешите с апгрейдом — сначала попробуйте встроенные механизмы экономии памяти. В интерфейсе Automatic1111 они включаются параметрами запуска, в ComfyUI многие оптимизации работают автоматически.

Пример строки запуска с оптимизациями для Windows:

webui-user.bat: set COMMANDLINE_ARGS=--medvram --xformers

Флаг --medvram разбивает модель на части и подгружает их по очереди, замедляя генерацию, но снижая потребление памяти. Флаг --lowvram — ещё более агрессивный вариант для карт с 4 ГБ. Точный синтаксис может отличаться в зависимости от версии интерфейса, сверяйтесь с его документацией.

⚠️ Внимание: режимы экономии памяти не ускоряют работу, а замедляют её. Если после включения --lowvram генерация одного изображения занимает несколько минут, это нормальное поведение, а не поломка — такова цена запуска на слабом железе.

Сколько VRAM нужно под разные задачи

Потребность в памяти сильно зависит от того, что именно вы делаете. Простая генерация — самый лёгкий сценарий, а обучение собственных моделей — самый тяжёлый.

• 🎨 Генерация SD 1.5 (512×512) — от 4 ГБ с оптимизациями, комфортно от 6 ГБ
• 🖼️ Генерация SDXL (1024×1024) — комфортно от 8–12 ГБ
• 🧩 ControlNet и несколько расширений одновременно — желательно 10–12 ГБ
• 🎓 Обучение LoRA — от 12 ГБ, полноценный файнтюнинг требует больше
• 📦 Пакетная генерация большими батчами — чем больше VRAM, тем крупнее пакет

А что насчёт облачных сервисов и Google Colab?

Если апгрейд железа не входит в планы, Stable Diffusion можно запускать в облаке: аренда GPU на специализированных сервисах или блокноты вроде Google Colab. Это удобно для редкого использования, но при ежедневной работе стоимость аренды за несколько месяцев может сравняться с ценой собственной видеокарты. Учтите также, что условия бесплатных тарифов таких сервисов периодически меняются.

Частые ошибки при выборе видеокарты

Первая типичная ошибка — ориентироваться только на игровые бенчмарки. Карта может показывать отличный FPS в играх, но иметь скромные 8 ГБ памяти, которых уже не хватит для одновременной работы SDXL с парой расширений. Для нейросетевых задач смотрите в первую очередь на объём VRAM.

Вторая ошибка — покупка устаревших карт без поддержки нужных инструкций. Совсем старые модели вроде серии GTX 10 могут запускать Stable Diffusion, но без ускорения через xFormers и с ограничениями по точности вычислений скорость будет низкой. Перед покупкой б/у карты проверьте её совместимость с актуальными версиями PyTorch.

⚠️ Внимание: при покупке б/у видеокарты под Stable Diffusion учитывайте риск приобретения устройства после майнинга. Проверяйте карту стресс-тестами перед покупкой и не полагайтесь только на внешний вид — износ памяти внешне не виден.

⚠️ Внимание: мощные видеокарты требовательны к блоку питания и охлаждению. Перед апгрейдом убедитесь, что ваш БП имеет достаточный запас мощности и нужные разъёмы питания, а корпус обеспечивает нормальный продув — при длительной генерации карта работает под полной нагрузкой часами.

Частые вопросы

Запустится ли Stable Diffusion на 4 ГБ VRAM?

Да, модель SD 1.5 запускается на 4 ГБ с флагами --lowvram и --xformers, но генерация будет медленной, а SDXL и тяжёлые расширения, скорее всего, окажутся недоступны. Это вариант «попробовать», а не комфортно работать.

Можно ли генерировать на процессоре без видеокарты?

Технически да — существуют сборки, работающие на CPU. Однако генерация одного изображения может занимать десятки минут, поэтому такой режим годится лишь для знакомства с интерфейсом, а не для реальной работы.

Что лучше: одна мощная карта или две слабее?

Для Stable Diffusion предпочтительнее одна карта с большим объёмом VRAM. Большинство интерфейсов не умеют эффективно объединять память нескольких GPU для одной задачи, поэтому две карты по 8 ГБ не превратятся в одну на 16 ГБ.

Подойдёт ли ноутбучная видеокарта?

Да, но учитывайте, что мобильные версии GPU обычно слабее настольных аналогов и нередко имеют меньше памяти. Ноутбук с RTX 3060 на 6 ГБ позволит работать с SD 1.5, но для SDXL будет тесновато. Также следите за температурой — длительная нагрузка в тонком корпусе приводит к троттлингу.

Влияет ли версия драйвера на работу Stable Diffusion?

Да. Устаревшие драйверы могут быть несовместимы с актуальными версиями PyTorch и CUDA, из-за чего интерфейс не видит видеокарту или падает с ошибками. Перед установкой Stable Diffusion обновите драйвер до свежей стабильной версии с официального сайта производителя.