# Выделенный GPU для генерации изображений и видео

> Как выбрать GPU для генерации изображений и видео: примерный объём видеопамяти для Stable Diffusion, Flux и видеомоделей на выделенных GPU. Сравните карты.

Источник: https://fullgpu.com/ru/solutions/generative-media  
Обновлено: 2026-10-23  
Издатель: FullGPU (https://fullgpu.com/)

## Ключевые моменты

- **Без очереди за другими арендаторами:** GPU закреплён только за вами весь месяц, поэтому единственная очередь — ваша собственная.
- **Память для видео:** 96 ГБ GDDR7 на одном RTX PRO 6000 — для видеомоделей, больших батчей и обучения LoRA.
- **Свой стек:** Root-доступ, чтобы устанавливать ComfyUI, пользовательские ноды, чекпоинты и LoRA; Docker уже готов к работе.
- **Трафик для результатов:** На тарифах с одним GPU — 20 ТБ исходящего трафика в месяц, и платить за него отдельно не нужно.
- **Восемь GPU в одном сервере:** На сервере 8× RTX PRO 6000 каждый GPU ведёт свой пайплайн — для пакетной генерации.

## Рекомендуемые конфигурации

- [NVIDIA RTX PRO 6000 Blackwell](https://fullgpu.com/ru/gpus/nvidia-rtx-pro-6000): 1 390 $ в месяц — 96 ГБ: видеомодели и большие батчи без выгрузки в ОЗУ
- [NVIDIA GeForce RTX 5090](https://fullgpu.com/ru/gpus/nvidia-rtx-5090): 449 $ в месяц — 32 ГБ быстрой GDDR7 для SDXL и пайплайнов Flux в FP8
- [NVIDIA L40S](https://fullgpu.com/ru/gpus/nvidia-l40s): 890 $ в месяц — 48 ГБ: Flux в BF16 с запасом для LoRA и ControlNet

## Обзор

Подходящий GPU для генерации изображений и видео — тот, что держит весь ваш пайплайн в видеопамяти (VRAM): диффузионную модель, её текстовые энкодеры, VAE, ваши LoRA и ControlNet, а также активации для нужного разрешения и размера батча. Когда всё остаётся в памяти, между шагами ничего не выгружается. Мы сдаём в аренду целые GPU NVIDIA помесячно — от RTX 5090 с 32 ГБ до RTX PRO 6000 с 96 ГБ, — поэтому ваши задачи никогда не ждут в очереди за задачами другого арендатора.

## Видеопамять для Stable Diffusion, Flux и видеомоделей

Цифры ниже приблизительные и зависят от разрешения, размера батча, точности и используемого инструмента. Считайте их отправной точкой, а не обещанием.

| Пайплайн | Видеопамять, примерно | Комфортно работает на |
| --- | --- | --- |
| SDXL в разрешении 1024 × 1024 | около 8–16 ГБ | RTX 5090, L40S, RTX PRO 6000 |
| Flux.1 [dev] с весами в FP8 | около 20 ГБ | RTX 5090 и выше |
| Flux.1 [dev] в BF16 | около 35–40 ГБ | L40S, RTX PRO 6000 |
| Видеомодель 13–14B в BF16 | около 28 ГБ под веса плюс активации, которые растут с разрешением и числом кадров | RTX PRO 6000; L40S с весами в FP8 или с выгрузкой |

Откуда эти цифры: у SDXL около 3,5 млрд параметров в UNet и текстовых энкодерах — примерно 7 ГБ в FP16. Flux.1 [dev] — трансформер на 12 млрд параметров, который сам по себе занимает около 24 ГБ в BF16, а его текстовый энкодер T5-XXL добавляет ещё примерно 9–10 ГБ. Видеомодели умножают память под активации на число кадров, поэтому роликам 720p от моделей 13–14B часто нужно больше 48 ГБ, если не прибегать к квантованию или выгрузке. Обучение LoRA добавляет к этим цифрам для инференса состояние оптимизатора и активации.

## Как выбрать GPU для генерации изображений и видео

- **RTX 5090, 32 ГБ GDDR7.** Быстрая карта на архитектуре Blackwell за 449 $ в месяц — для SDXL, Flux в FP8, апскейлинга и небольших видеомоделей. Становится тесно, когда одновременно должны быть загружены несколько больших моделей.
- **L40S, 48 ГБ GDDR6.** Достаточно, чтобы держать в памяти Flux в BF16 вместе с LoRA и ControlNet, — за 890 $ в месяц. Поддерживает FP8, но не FP4.
- **RTX PRO 6000 Blackwell, 96 ГБ GDDR7 с ECC.** Карта для видеомоделей, больших батчей, обучения LoRA и воркфлоу, в которых друг за другом работают несколько моделей, — за 1 390 $ в месяц, с пропускной способностью памяти 1,6 ТБ/с по спецификациям NVIDIA. Подробнее — на [странице RTX PRO 6000](https://fullgpu.com/ru/gpus/nvidia-rtx-pro-6000).
- **Сервер 8× RTX PRO 6000.** 768 ГБ видеопамяти в сумме на восьми GPU для пакетной генерации — за 10 490 $ в месяц, по одному пайплайну на каждый GPU.

Когда вы выгружаете или кэшируете модели, важна и системная оперативная память: 64 ГБ в тарифе с RTX 5090, 128 ГБ с L40S и 188 ГБ с RTX PRO 6000. Выбираете между двумя картами Blackwell? Наше [сравнение RTX 5090 и RTX PRO 6000](https://fullgpu.com/ru/compare/rtx-5090-vs-rtx-pro-6000) сопоставляет их бок о бок. Если же вы не запускаете диффузионные или видеомодели, а обучаете их с нуля, смотрите лучше на H100, H200 и B200.

## Производительность, батчинг и очереди

На выделенном GPU производительность зависит от вашего воркфлоу, а не от нагрузки других арендаторов. Выжать из неё максимум помогают три привычки:

- **Держите модели в памяти.** Если видеопамяти хватает, ComfyUI сохраняет загруженные модели между запусками; воркфлоу, который при каждой задаче меняет большие модели, тратит время на перемещение весов. В 96 ГБ модель изображений, видеомодель и апскейлер могут оставаться загруженными одновременно.
- **Подберите размер батча.** Большие батчи повышают число изображений в минуту, пока GPU не выйдет на полную загрузку, а дальше только увеличивают задержку. Измерьте, где проходит эта граница для вашего разрешения и сэмплера.
- **Запускайте по одному процессу на каждый GPU.** Каждый экземпляр ComfyUI работает с одним GPU, поэтому на сервере с несколькими GPU запустите по экземпляру на каждый GPU и распределяйте задачи между ними.

```
python main.py --cuda-device 0 --port 8188
python main.py --cuda-device 1 --port 8189
```

Чекпоинты в FP8 примерно вдвое сокращают память под веса, обычно с небольшой разницей в качестве, а карты Blackwell поддерживают ещё и FP4. Прежде чем переводить на них продакшен, сравните результаты для нескольких значений seed бок о бок.

## Обучение LoRA на собственных изображениях

Обучение LoRA добавляет к объёму памяти для инференса градиенты адаптера, состояние оптимизатора и активации обучения. Для ориентира: обучение LoRA для SDXL помещается примерно в 16–24 ГБ с чекпоинтингом активаций (gradient checkpointing). Обучение LoRA для Flux с квантованной базовой моделью помещается примерно в 24 ГБ, а обучать на полной базовой модели в BF16 гораздо комфортнее на 48 ГБ и больше. Тренеры вроде kohya_ss sd-scripts, SimpleTuner и ai-toolkit работают в Linux на том же стеке CUDA, что и ComfyUI, поэтому один и тот же сервер может обучить LoRA для стиля или продукта, а затем генерировать с ней — без переноса файлов между машинами. На выделенном GPU долгое обучение никогда не конкурирует с задачами другого арендатора, а ваш датасет, подписи и чекпоинты остаются на локальном NVMe между запусками: 1 ТБ в тарифах с RTX 5090 и L40S и 1,92 ТБ в тарифе с RTX PRO 6000.

## Настройка, безопасность и результаты

В наших образах Ubuntu уже есть драйверы NVIDIA, CUDA, Docker и NVIDIA Container Toolkit, поэтому ComfyUI или diffusers можно запустить в контейнере по нашему [руководству по Docker](https://fullgpu.com/ru/docs/docker-containers) или в окружении Python. Не открывайте порт ComfyUI в интернет — подключайтесь к нему через SSH-туннель, как описано в нашем [руководстве по SSH-доступу](https://fullgpu.com/ru/docs/ssh-access):

```
ssh -L 8188:localhost:8188 -l your-user your-server-ip
```

Результаты генерации учитываются в исходящем трафике: включённые в тарифы с одним GPU 20 ТБ в месяц — это около десяти миллионов изображений по 2 МБ или миллион роликов по 20 МБ, без платы за исходящий трафик. Перед коммерческим использованием проверьте лицензию каждой модели — некоторые открытые модели для изображений и видео его ограничивают — и соблюдайте наши [правила допустимого использования](https://fullgpu.com/ru/legal/acceptable-use).

GPU с помесячной оплатой подходит для ежедневного продакшена, клиентских проектов и бэкендов генерации, которые работают каждый день. Для разового эксперимента на выходных почасовая аренда в другом месте обойдётся дешевле. Чтобы начать, [разверните сервер](https://fullgpu.com/ru/deploy): выберите конфигурацию, создайте бесплатный аккаунт или войдите в свой и оплатите первый месяц с предоплаченного баланса, который пополняется криптовалютой. Сервер выдаётся менее чем за 10 минут после оплаты, а в примечаниях для наших инженеров можно описать ваши модели, разрешение и объёмы.

## Часто задаваемые вопросы

### Сколько видеопамяти нужно для Flux?

Примерно 35–40 ГБ, чтобы держать в памяти Flux.1 [dev] и его текстовые энкодеры в BF16, или около 20 ГБ с весами в FP8. L40S с 48 ГБ или RTX PRO 6000 с 96 ГБ комфортно работают в BF16, а RTX 5090 с 32 ГБ подходит для FP8.

### Хватит ли RTX 5090 для Stable Diffusion?

Для SDXL и большинства пайплайнов генерации изображений — да: им нужно примерно 8–16 ГБ в разрешении 1024 × 1024. С большими видеомоделями или множеством одновременно загруженных моделей в его 32 ГБ становится тесно.

### Можно ли запустить ComfyUI на ваших серверах?

Да. Вы получаете root-доступ по SSH, сами устанавливаете ComfyUI, пользовательские ноды и модели — в Docker или в окружении Python — и подключаетесь к интерфейсу через SSH-туннель.

### Будут ли мои задачи генерации ждать в очереди?

Нет. Каждый GPU закреплён только за одним клиентом, без деления на части и без разделения по времени, поэтому единственная очередь — та, которую ведёте вы сами.

### Можно ли использовать сервер для коммерческих проектов клиентов?

Да, в рамках наших правил допустимого использования. За лицензии запускаемых моделей и инструментов отвечаете вы, а некоторые открытые модели ограничивают коммерческое использование.

## Связанные страницы

- [Аренда серверов RTX PRO 6000 Blackwell от 1 390 $ в месяц](https://fullgpu.com/ru/gpus/nvidia-rtx-pro-6000): Аренда RTX PRO 6000: один GPU Blackwell с 96 ГБ за 1 390 $/мес. (≈ 1,90 $ за GPU-час 24/7) или 8-GPU-сервер за 10 490 $. Выделенные GPU, оплата криптовалютой.
- [Аренда выделенного облачного сервера с RTX 5090 за 449 $ в месяц](https://fullgpu.com/ru/gpus/nvidia-rtx-5090): Аренда целого RTX 5090 (32 ГБ GDDR7) в выделенной ВМ за 449 $/мес. (≈ 0,62 $ за GPU-час 24/7). Для генерации изображений, небольших LLM и разработки.
- [RTX 5090 vs RTX PRO 6000: когда хватает 32 ГБ?](https://fullgpu.com/ru/compare/rtx-5090-vs-rtx-pro-6000): RTX 5090 vs RTX PRO 6000: карта на 32 ГБ за 449 $/мес. или профессиональная на 96 ГБ с ECC и MIG за 1 390 $. Узнайте, когда именно вам хватит 32 ГБ.
- [RTX PRO 6000 vs L40S: стоит ли доплачивать за 96 ГБ?](https://fullgpu.com/ru/compare/rtx-pro-6000-vs-l40s): RTX PRO 6000 vs L40S для рендеринга, генеративного контента и инференса: 96 против 48 ГБ, FP4 против FP8, 1 390 $ против 890 $/мес. Узнайте, что вам подойдёт.
- [Контейнеры Docker с GPU и NVIDIA Container Toolkit](https://fullgpu.com/ru/docs/docker-containers): Руководство по GPU в Docker с NVIDIA Container Toolkit: --gpus, выбор устройств, резервирование GPU в Compose, разделяемая память для PyTorch и контейнеры ROCm.
- [Калькулятор видеопамяти для LLM: поместится ли ваша модель на GPU?](https://fullgpu.com/ru/tools/vram-calculator): Бесплатный калькулятор видеопамяти для LLM: выберите Llama, Qwen, Mistral или gpt-oss, точность и длину контекста и посмотрите веса, KV-кэш и подходящие GPU.