ブログ

関連記事

• RTX 4070(12GB)で重いAI画像生成モデルを実測｜4モデルのVRAM足切りライン
• 今話題の「Anima」をRTX 4070(12GB)で実測｜ComfyUIインストール完全手順【Stability Matrix/2026年版】

こんにちはVRAMラボです。 今回は 「VRAM 12GBで、重い画像生成モデルってどこまで動くのか？」 をテーマにしてllustrious・Z-Image・Qwen-Image・Flux.2の 4モデルで生成の可否と生成時間の測定を行いました。 結論から言うと、Flux.2は生成そのものが出来ませんでした。 巷では「12GBあれば足りる」とよく言われますが 実際に回してみると明確に差が出る形となりました。 この先では 「どこまで快適で、どこから使い物にならないか」 を実測に基づき線引きしていきます。  

生成中にVRAMが不足するとどうなる？

重いモデルを使用して画像生成を行うとVRAMの容量が不足することがあります。 容量が不足するといきなりエラー（OOM）になってクラッシュする・・・というイメージがありませんか？ 画像生成における容量不足で発生することは生成時間が大きく引き伸ばされ、「動いてはいるが、ほぼ止まっている」という状況です。 モデルによってはあまりにも時間がかかりすぎて実質生成不可能のような状態になります。  

検証で使用した環境

今回の測定環境は以下の通りです。

• GeForce RTX 4070（RAM 12GB）
• ComfyUIバージョン: 0.24.0
• VRAMモード: NORMAL_VRAM（省メモリの強制オプションはなし）

測定の手順

1. 各モデルを所定のフォルダに配置。
2. ComfyUIで最小構成のワークフローを組む。（モデルによってはテンプレート有）。
3. 1024×1024(1024²)で生成して時間を計測する。その間の最大値をVRAMピークとする。
4. 解像度を上げて再測定し（1280²・1536²）、速度とメモリの伸びを記録する。
5. 初回はモデル読み込みを含むため除外し、2回目以降の測定値を採用する。

実測データ（4モデル / 基準=1024²）

モデル	モデル規模	VRAMピーク	1024²生成時間	判定	ひとこと
Illustrious (SDXL系)	約6.5GB	8.1GB	7.0秒	◎	解像度1536²でも23秒で動く。　　　　　　SDXL系は1024²超で生成画像が　　　　　崩れる場合がある
Z-Image Turbo (bf16)	約11.4GB	11.0GB	11.0秒	○	解像度1536²では25秒/VRAM10.8GBまで伸びる。fp8モデルは速度はほぼ同じ(約10秒)のままピークが9.0GBに下がり余裕がでる。
Qwen-Image 2512 (fp8)	約19GB	11.0GB	68.7秒	△	解像度768²でも45.5秒程度かかる。
Flux.2 dev (fp8mixed)	約66GB	9.5GB	生成　不可	×	推奨VRAM 16GB以上のため容量不足

VRAMの動き（実測グラフ）

生成中のVRAM使用量を細かい間隔で記録しました。 軽いモデルと重いモデルとで、VRAMの使われ方が大きく異なります。 Illustrious：待機中は約5.6GB。生成の一瞬だけ8.1GBまで上がり、すぐに戻ります。7秒で完了します。

Qwen-Image：開始から3秒で11.0GBまで上がり、12GBの天井のすぐ下に約68秒のあいだ張り付いたまま動きます。ずっと重い状態が続いているのが見て取れます。

この「一瞬だけ上がってすぐ戻る」Illustriousと、「天井に張り付き続ける」Qwen-Imageの差が、生成速度の差の正体です。  

生成サンプル

今回検証で生成した画像です。 ※モデルにより強みがあるためアニメ調と実写調が混在しています。 Illustrious（SDXL系・1024²・7.0秒）

Z-Image Turbo（bf16・1024²・11.0秒）

Qwen-Image 2512（fp8・1024²・68.7秒）

  解像度を上げると崩れる例（SDXL系）：以下はIllustriousで1024²（上）と1536²（下）の生成画像の比較です。同じプロンプトでも被写体が二重に増えたりプロンプトを無視した画像が生成されやすくなります。

 

まとめ

GeForce RTX 4070（VRAM12GB）環境下では、 ・Illustrious（SDXL系）、 Z-Image Turboは比較的快適に生成できる。 ・Qwen-Imageは生成自体は可能だが上記2種類と比較すると生成に時間がかかる。 ・Flux.2は推奨スペック以下ということもあり生成自体が困難である。 このような結果になりました。 私は主にアニメスタイル画像の生成を中心に行っていますが、 現在注目されているanimaモデルはIllustrious系よりも軽いモデルのため型落ちである RTX4070でも条件次第ではまだまだ戦えそうな状況です。 それでは今回はここまで

関連リンク

本記事の実測をふまえた参考用のGPUリンクです。

• RTX 5070（12GB） — 実測機（RTX 4070）と同じ12GB帯
• RTX 5060 Ti 16GB — 最安クラスで16GBを確保したい場合
• RTX 5070 Ti（16GB） — 16GBで生成速度も欲しい場合

関連記事

• 画像生成AIにおけるGPU性能の違いは？ 同じ12GBのRTX 4070と3060で実測してみた
• 今話題の「Anima」をRTX 4070(12GB)で実測｜ComfyUIインストール完全手順【Stability Matrix/2026年版】

今話題のアニメ特化モデル「Anima」を、ComfyUIごとゼロから導入してみました。

その結果——RTX 4070(12GB)で、1枚約23秒・VRAM 8.5GBで動きました。

必要なのはディスク15GBの空きだけ。この記事の手順と数字は、すべて実機で実測したものです。

この記事でできるようになること

画像生成ツール「ComfyUI」を導入し、アニメ特化モデル「Anima v1.0」で最初の1枚を生成できるようになります。

実測の結果は、

• 初回生成（モデル読み込み込み）: 約40秒
• 2回目以降: 約23秒
• VRAM（グラボ内蔵のメモリ）使用量: 8.5GB前後

12GBのグラボに、余裕を持って収まりました。

必要なもの

• NVIDIA製GPU（CUDA対応が必須）
• ディスクの空き容量15GB以上

検証機は、Core i5-14500＋RTX 4070（VRAM 12GB）です。

容量の内訳は、

• ComfyUI環境: 8.89GB
• Animaモデル一式: 5.2GB

合計14.26GB（実測）でした。

インストール方式は3つある

ComfyUIの入れ方は、大きく3つあります。

• Desktop版 — 公式推奨。インストーラ一発の単体アプリ
• Portable版 — zipを展開するだけの単体版
• Stability Matrix — 複数の生成UIとモデルを一括管理するランチャー（本記事はこれ）

当サイトがStability Matrixを使う理由は、

• モデルを複数のUIで共有できる
• UIの追加・更新の管理が楽

という実運用上の実感です。

公式推奨でない方式であることは、正直にお伝えします。その上で、筆者が普段から使い続けている方式だからこそ、手順と実測値に責任を持てる——という立場で書いています。

Stability Matrixの導入手順

手順1. GitHub Releasesからダウンロード

公式のリリースページから、最新版（執筆時v2.16.0）の「StabilityMatrix-win-x64.zip」をダウンロードします（134MB）。

---

手順2. 展開

ダウンロードしたzipを右クリック→「すべて展開」。

展開先は、空き容量に余裕のあるドライブの新しいフォルダ（例: C:\StabilityMatrix）がおすすめです。

---

手順3. 起動

展開したStabilityMatrix.exeをダブルクリックします。

最初にアナリティクス（匿名の利用状況送信）の同意画面が出ますが、Share / Don’t Shareのどちらを選んでも先に進めます。

---

手順4. ComfyUIの追加

「＋パッケージの追加」からComfyUIを選び、インストールします。

PyTorchなどのダウンロードが走るため、ここはしばらく待ち時間があります。

モデルの配置と「共有フォルダ」の仕組み

Stability Matrixの最大の魅力が、モデルの一元管理です。

データフォルダ内の「Models」に種類別のフォルダが自動で作られ、ここに置いたモデルはStability Matrix経由のUIから共有で使えます。

Animaは3つのファイルで動きます。それぞれ次の場所に置きます。

• DiffusionModels ← 本体「anima_baseV10.safetensors」（3.89GB）
• TextEncoders ← テキストエンコーダ「qwen_3_06b_base.safetensors」（1.11GB）
• VAE ←「qwen_image_vae.safetensors」（0.24GB）

最初の1枚を生成する

手順1. ComfyUIを起動

Stability Matrixのパッケージ画面から「Launch」。

コンソールにログが流れ、準備が終わるとブラウザでComfyUIが開きます。

---

手順2. テンプレートを読み込む

メニューから「テンプレートを参照」→検索欄に「anima」。

「Anima Base v1：テキストから画像へ」を読み込みます。

もう1つ「Anima アニメ文生図」も見つかりますが、本記事の画面と実測値はBase v1のものです。

---

手順3. モデルを割り当てる

読み込んだワークフローのプルダウンで、3つのファイルを選びます。

• unet_name →「anima_baseV10.safetensors」
• clip_name →「qwen_3_06b_base.safetensors」（同じノード内にある「タイプ」欄は「qwen_image」を選択）
• vae_name →「qwen_image_vae.safetensors」

---

手順4. 実行

生成条件はテンプレート既定のまま「1024×1024 / 30ステップ / CFG 4.0」。

実測値は次のとおりでした。

項目	実測値
初回生成（モデル読み込み込み）	40.13秒
2回目以降	22.73秒
生成中のVRAM使用	8.5GB前後 / 12GB
GPU使用率・温度	94%・71℃

気づいたこと

実際にゼロから入れ直して、気づいたことが1つありました。

テンプレートの案内と、実際のモデル名が違う——

ComfyUI公式テンプレートの説明書きは「anima-preview3」（プレビュー版）を案内しています。ですが、正式版の「anima_baseV10.safetensors」で問題なく動きました。

今回の環境では、これ以外のトラブルは起きませんでした。

まとめと次回予告

RTX 4070（12GB）で、ComfyUI＋Animaは「1枚約23秒・VRAM 8.5GB」で動きました。

ディスクの空きは、15GBあれば足ります。

次回は、この環境でモデル別の生成速度とVRAM使用量を比較測定する予定です。実機の数字でお会いしましょう。

おまけ：Animaで生成した1枚

最後に、Animaで生成した1枚を載せておきます。

「帰り道、ふと振り返ってはにかむ女子高生」という指定で生成しました。こちらは筆者の普段の環境（この記事の構成にLoRAやプロンプト補助を足したもの）によるものです。

夕暮れの逆光、住宅街の電柱、こちらを向いた視線——指定した要素がきちんと入っています。

関連記事

• RTX 4070(12GB)で重いAI画像生成モデルを実測｜4モデルのVRAM足切りライン
• 画像生成AIにおけるGPU性能の違いは？ 同じ12GBのRTX 4070と3060で実測してみた