Ошибка CUDA out of memory при первой же генерации в Stable Diffusion почти всегда означает одно: видеокарте не хватает видеопамяти под выбранную модель и разрешение. Именно объём VRAM, а не мощность процессора или объём ОЗУ, является главным ограничением при локальном запуске нейросети.
В этой статье разберём минимальные и рекомендуемые системные требования Stable Diffusion для популярных интерфейсов — Automatic1111 WebUI, ComfyUI и Fooocus. Отдельно рассмотрим различия между поколениями моделей (SD 1.5, SDXL, SD3, Flux), требования к оперативной памяти и диску, а также способы запуска на слабом железе.
Минимальные системные требования
Формального «официального» списка требований у Stable Diffusion нет — проект открытый, и порог входа зависит от конкретной модели и интерфейса. Однако на практике сложился устойчивый минимум, при котором генерация возможна без постоянных ошибок:
- 🎮 Видеокарта NVIDIA с поддержкой CUDA и минимум 4 ГБ VRAM — для моделей SD 1.5 в низком разрешении.
- 🧠 Оперативная память — от 8 ГБ, лучше 16 ГБ, так как модель загружается и в ОЗУ перед переносом в видеопамять.
- 💾 Свободное место на диске — от 20–30 ГБ с учётом весов моделей (один чекпоинт SD 1.5 занимает около 2–4 ГБ, SDXL — около 6–7 ГБ).
- 🖥️ ОС — Windows 10/11 64-bit или современный дистрибутив Linux; на macOS запуск возможен через Metal, но медленнее.
Важно понимать: «минимум» означает, что генерация запустится, но будет медленной и с ограничениями. На 4 ГБ VRAM придётся использовать оптимизации вроде --lowvram или --medvram, генерация одного изображения 512×512 может занимать десятки секунд и дольше.
Рекомендуемая конфигурация для комфортной работы
Для комфортной работы без танцев с флагами оптимизации ориентируйтесь на видеокарту с 8–12 ГБ VRAM и более. Такой запас позволяет генерировать в разрешении 1024×1024 на моделях SDXL, использовать расширения вроде ControlNet и не опасаться вылетов по памяти.
Процессор не играет решающей роли — основная нагрузка ложится на GPU. Достаточно любого современного 4–6-ядерного CPU. ОЗУ желательно 16–32 ГБ, особенно если планируется параллельная работа с браузером и другими программами. Диск — предпочтительно SSD: модели весят гигабайты, и их загрузка с HDD заметно медленнее.
Требования по поколениям моделей
Разные версии Stable Diffusion предъявляют разные требования к видеопамяти. Это ключевой момент, который часто упускают: конфигурация, тянущая SD 1.5, может не справиться с SDXL или Flux.
| Модель | Минимум VRAM | Комфортно | Размер весов |
|---|---|---|---|
| SD 1.5 | 4 ГБ | 6–8 ГБ | ~2–4 ГБ |
| SD 2.x | 6 ГБ | 8 ГБ | ~5 ГБ |
| SDXL | 6–8 ГБ | 10–12 ГБ | ~6–7 ГБ |
| SD3 / SD3.5 | 8 ГБ | 12 ГБ | зависит от варианта |
| Flux (dev/schnell) | 8–12 ГБ (с квантованием) | 16–24 ГБ | от ~12 ГБ |
Обратите внимание: для тяжёлых моделей вроде Flux существуют квантованные версии (FP8, GGUF), которые заметно снижают потребление VRAM ценой небольшой потери качества. Это рабочий способ запустить новые модели на картах с 8–12 ГБ памяти.
⚠️ Внимание: указанные объёмы VRAM — ориентировочные значения из практики сообщества, а не официальная спецификация. Реальное потребление зависит от интерфейса, разрешения, размера батча и включённых расширений. Перед покупкой железа сверяйтесь с актуальными требованиями конкретной модели на её официальной странице.
NVIDIA, AMD или CPU: на чём запускать
Наиболее беспроблемный путь — видеокарта NVIDIA с поддержкой CUDA. Вся экосистема Stable Diffusion изначально разрабатывалась под CUDA, поэтому установка сводится к установке драйверов, Python-зависимостей и запуску интерфейса.
С AMD ситуация сложнее. На Linux карты Radeon работают через ROCm, и многие модели запускаются успешно, но настройка требует больше действий. На Windows варианты ограничены: DirectML-форки работают, но заметно медленнее и с ограниченной совместимостью расширений. Перед покупкой AMD именно под Stable Diffusion стоит изучить отзывы владельцев конкретной карты.
Запуск на CPU технически возможен — например, в Automatic1111 есть соответствующий режим, а ComfyUI поддерживает флаг --cpu. Но скорость будет такой, что практического смысла в этом мало: одна генерация может занимать минуты и десятки минут.
Запуск на AMD через DirectML
Для Windows существуют сборки Stable Diffusion с поддержкой DirectML, которые работают на картах AMD и даже на встроенной графике Intel. Скорость ниже, чем на CUDA-аналогах, часть расширений несовместима. Это вариант «попробовать», а не полноценная рабочая среда.
Проверка своего ПК перед установкой
Перед установкой Stable Diffusion имеет смысл проверить ключевые параметры системы. Это займёт пару минут и избавит от непонятных ошибок на этапе первого запуска.
Объём видеопамяти в Windows можно посмотреть в Диспетчере задач: вкладка «Производительность» → раздел «Графический процессор» → строка «Выделенная память графическому процессору». Либо выполните в командной строке:
nvidia-smiЭта команда покажет модель карты, объём VRAM, версию драйвера и поддерживаемую версию CUDA. Если nvidia-smi не распознаётся — драйвер NVIDIA не установлен или установлен некорректно, и начинать нужно с него.
☑️ Готовность ПК к Stable Diffusion
Запуск на слабом железе: рабочие приёмы
Если видеокарта не дотягивает до рекомендуемых значений, полностью отказываться от локальной генерации не обязательно. Есть несколько проверенных способов снизить потребление VRAM:
- ⚙️ Флаги запуска
--medvramили--lowvramв Automatic1111 — поэтапная выгрузка частей модели из видеопамяти. - 📉 Снижение разрешения генерации до 512×512 и уменьшение размера батча до 1.
- 🗜️ Использование квантованных моделей (FP8, GGUF) вместо полных FP16-весов.
- ☁️ Облачные сервисы и аренда GPU как альтернатива апгрейду — для редких генераций это часто выгоднее покупки карты.
Каждый из этих методов имеет цену: флаги экономии памяти замедляют генерацию, квантование слегка снижает детализацию, облако требует интернета и оплаты. Подбирайте компромисс под свою задачу.
⚠️ Внимание: включение подкачки (swap) на системном диске как «замена» недостающей VRAM приводит к резкому падению скорости — на порядки. Это аварийный режим, а не способ нормальной работы, и на HDD он практически непригоден.
Частые ошибки, связанные с железом
Самая частая — уже упомянутая CUDA out of memory. Решается снижением разрешения, батча, включением --medvram или переходом на более лёгкую модель. Если ошибка появляется спонтанно, проверьте, не занята ли видеопамять другими программами — браузер с десятками вкладок и игры тоже потребляют VRAM.
Вторая типичная проблема — чёрные изображения на выходе. Одна из возможных причин — несовместимость вычислений в половинной точности (FP16) со старыми картами; в таком случае помогает флаг --precision full --no-half, хотя он увеличивает расход памяти. Точное поведение зависит от модели карты и версии интерфейса, поэтому при возникновении сверяйтесь с документацией вашей сборки.
Третья группа проблем — падения и зависания при генерации больших изображений или при использовании расширений. Здесь виновником может быть не только VRAM, но и нехватка ОЗУ или устаревший драйвер. Обновление драйвера NVIDIA — первое действие при любых нестабильных симптомах.
FAQ: частые вопросы
Пойдёт ли Stable Diffusion на видеокарте с 4 ГБ VRAM?
Да, но с ограничениями: модели SD 1.5, разрешение 512×512, флаги --lowvram или --medvram. SDXL и новые модели на такой карте запустить практически нереально.
Можно ли запустить Stable Diffusion без видеокарты, на процессоре?
Технически да — через CPU-режим в ComfyUI или Automatic1111. Однако скорость генерации будет настолько низкой, что для регулярного использования этот вариант не подходит. Разумнее рассмотреть облачные сервисы.
Сколько места нужно на диске?
Минимум 20–30 ГБ: сам интерфейс с зависимостями занимает несколько гигабайт, плюс веса моделей — от ~2 ГБ за SD 1.5 до ~7 ГБ за SDXL и больше для новых моделей. Коллекция моделей и LoRA быстро разрастается, поэтому запас в 50–100 ГБ не будет лишним.
Карты AMD подходят для Stable Diffusion?
На Linux — да, через ROCm, многие карты Radeon работают стабильно. На Windows возможности ограничены DirectML-форками с меньшей скоростью и совместимостью. Перед покупкой изучите опыт владельцев конкретной модели карты.
Что важнее для скорости генерации: VRAM или мощность GPU?
Объём VRAM определяет, запустится ли задача вообще и с какими параметрами. Вычислительная мощность (количество CUDA-ядер, поколение карты) определяет скорость генерации при уже достаточной памяти. При выборе карты сначала смотрите на VRAM, затем на производительность.