Stable Diffusion ve FLUX İçin Ekran Kartı: Kaç GB VRAM Gerekir? (2026)

Kısa cevap

Stable Diffusion, FLUX ya da ComfyUI için ekran kartı (GPU) seçerken ilk soru hız değil, bellektir (VRAM). Model belleğe sığmazsa ya hiç çalışmaz ya da sistem belleğine taşan katmanlar yüzünden çok yavaşlar. Ekim 2026 itibarıyla yaklaşık ihtiyaçlar şöyle:

• SD 1.5 ve SDXL: 8–12 GB yeterli; 20 GB ile toplu üretim rahat.
• FLUX.2 [klein] 4B ve Z-Image-Turbo: 16 GB'a sığar.
• FLUX.1 [dev] ve SD 3.5 Large: Tam kalitede (BF16) 16–24 GB, FLUX.1'de metin kodlayıcısıyla 30 GB'ın üzeri; FP8 ile 12–16 GB.
• Qwen-Image: FP8 ile ~24 GB; BF16'da metin kodlayıcısıyla ~60 GB.
• FLUX.2 [dev] ve video modelleri: Rahat çalışmak için 48–96 GB.

Ticari bir iş için kuruyorsanız modelin lisansına da bakın; aşağıda kısa bir özet var.

Bellek neden belirleyici?

Bir difüzyon modeli çalışırken belleğe üç şey yüklenir: görüntüyü üreten ana ağ (UNet ya da transformer), metni anlayan metin kodlayıcı ve görüntüyü piksellere çeviren VAE. Yeni nesil modellerde ana ağ milyarlarca parametreye, metin kodlayıcı da başlı başına büyük bir dil modeline dönüştü. FLUX.2 [dev]'in 32 milyar parametresi, BF16 hassasiyette yalnızca ağırlıklar için 64 GB demektir.

Belleği yetmeyen bir kartta iki yol var: modeli nicemlemek (FP8, GGUF 4-bit) ya da bazı parçaları sistem belleğine taşımak (offload). İkisi de çalışır ama nicemleme kaliteyi biraz, offload ise hızı ciddi ölçüde düşürür. Üretim yapan bir iş için doğru yaklaşım, modeli tam ya da FP8 hassasiyette GPU'ya sığdıracak belleği baştan seçmektir.

Stable Diffusion, SDXL, FLUX ve Qwen-Image kaç GB VRAM ister?

Aşağıdaki değerler 1024×1024 çözünürlükte tek görsel için yaklaşık rakamlardır. Çözünürlük, batch boyutu, ControlNet/LoRA kullanımı ve arayüzün bellek yönetimi rakamları değiştirir.

FLUX.2 [klein] ve Z-Image-Turbo değerleri model kartlarından alınmıştır (Ekim 2026). ComfyUI'de de bellek ihtiyacını arayüz değil, yüklediğiniz model ve eklediğiniz ControlNet, LoRA ve büyütme adımları belirler.

Video modellerinde (ör. Wan, HunyuanVideo) bellek ihtiyacı çözünürlük ve kare sayısıyla hızla büyür; 720p üretimde 48 GB'ı doldurmak zor değildir. Ayrıntılar yapay zeka ile video üretimi rehberimizde.

Stable Diffusion ve FLUX için hangi ekran kartı?

Kısaca: SDXL ve küçük modeller için 24 GB'lık RTX PRO 4000, hızlı FLUX.1 üretimi için 32 GB'lık RTX 5090, tam kalite FLUX.1 ve FP8 Qwen-Image servisi için 48 GB'lık L40S ya da RTX PRO 5000, FLUX.2 [dev] ve video için 96 GB'lık RTX PRO 6000.

Tüm modellerin güncel fiyatları fiyat listesinde. Fiyatlar GPU başına, aylık ve KDV hariçtir; yıllık kiralamada %20 indirim uygulanır.

RTX PRO 4000 (24 GB): SDXL ve öğrenme

SD 1.5, SDXL, FLUX.2 [klein] 4B ve Z-Image-Turbo ile üretim, FP8 FLUX.1 denemeleri ve ComfyUI iş akışı geliştirmek için yeterli. FLUX.2 ve Qwen-Image'i ancak 4-bit nicemlemeyle, kalite ve hız kaybını kabul ederek çalıştırır. 24 GB GDDR7 bellekli bu Blackwell kartı NVFP4'ü de destekler ve 145 W ile az güç çeker. Aylık $450. Model sayfası

RTX 5090 (32 GB): hızlı FLUX.1 ve SDXL

32 GB GDDR7 ve 1.792 GB/s bant genişliği, SDXL'i ve FLUX.1 [dev]'i tam kalitede hızlı çalıştırır (ComfyUI metin kodlayıcıyı ayrı yükler); Qwen-Image'i FP8'de çalıştırabilir. Blackwell mimarisi FP8'in yanında NVFP4'ü de donanımda destekler. FLUX.2 [klein] 9B (~29 GB) sınırda sığar. FLUX.2 [dev] ise FP8'de bile 32 GB'ı aştığı için bu kartta ancak 4-bit nicemlemeyle ve metin kodlayıcı ayrı yüklenerek çalışır; iki kartın farkını RTX 5090 ve RTX PRO 6000 karşılaştırmamızda anlattık. Aylık $600. Model sayfası

RTX PRO 5000 (48 GB): FLUX.1, Qwen-Image ve MIG ile iki servis

48 GB GDDR7 (ECC) ve 1.344 GB/s bant genişliği, FLUX.1 [dev]'i metin kodlayıcısıyla birlikte tam kalitede, Qwen-Image'i FP8'de çalıştırır; Blackwell kartı olduğu için NVFP4 modelleri de destekler. MIG ile kart her biri 24 GB olan iki bağımsız parçaya bölünebilir; aynı kartta iki ayrı SDXL veya FP8 FLUX.1 servisi çalıştırmak mümkündür. FP8 ve FP32 hesap gücünde ise L40S öndedir. Aylık $800. Model sayfası

L40S (48 GB): FLUX.1 ve Qwen-Image için tatlı nokta

48 GB, FLUX.1 [dev]'i metin kodlayıcısıyla birlikte tam kalitede, Qwen-Image'i FP8'de rahatça çalıştırır. Ada Lovelace mimarisi FP8'i donanımda destekler ve render tarafında da güçlüdür. Görsel üretim servisi kuran ajanslar ve e-ticaret ekipleri için dengeli seçim; 96 GB'lık kartla farkı L40S ve RTX PRO 6000 karşılaştırmamızda. Aylık $900. Model sayfası

RTX PRO 6000 Blackwell (96 GB): FLUX.2, video ve paylaşımlı kullanım

96 GB GDDR7 bellek, FLUX.2 [dev]'i FP8'de metin kodlayıcısıyla aynı kartta, Qwen-Image'i BF16'da tutar ve video modellerine yer bırakır. Ayrıca MIG ile kart dört bağımsız parçaya (her biri 24 GB) bölünebilir; aynı kartta dört ayrı SDXL veya FP8 FLUX.1 servisi çalıştırmak mümkündür. Aylık $1.600. Model sayfası

H100 gerekli mi?

Görüntü üretimi için genellikle hayır. H100'ün asıl üstünlüğü çok büyük modellerin eğitimi ve yüksek hacimli LLM servisidir; görsel üretimde aynı bütçeyle L40S veya RTX PRO 6000 daha fazla iş çıkarır. Ayrıntılar H100 ve A100 karşılaştırmamızda.

Elinizdeki kartın belleği yetmiyorsa

FLUX veya video modelleri için 16 GB'lık bir kart dar gelmeye başladıysa kartınızı bize satıp daha büyük bellekli bir kartı aylık kiralayabilirsiniz. Kartım kaç para eder? hesaplayıcısı, kartınızın durumuna göre tahmini teklifimizi hemen gösterir.

Bir görsel kaç saniyede üretilir?

Görsel başına süreyi en çok adım sayısı, çözünürlük ve kartın hesap gücü belirler. Örnekleme süresi adım sayısıyla doğru orantılı artar; metin kodlama ve VAE çözme her görsele sabit bir süre ekler. Model kartlarında önerilen adım sayıları birbirinden çok farklıdır:

Bu yüzden aynı kartta 4 adımlı küçük bir model, 50 adımlı 32 milyar parametreli FLUX.2 [dev]'den çok daha hızlı görsel üretir. 1.000 görselin süresini tahmin etmek için kendi iş akışınızda, model yüklendikten sonra 10–20 görselin ortalama süresini ölçün: görsel başına 4 saniye ölçtüyseniz 1.000 görsel yaklaşık 67 dakika sürer (4 × 1.000 ÷ 60).

Toplu üretim ve API: hız mı, bellek mi?

Saatte binlerce görsel üreten bir servis için iki ayar önemlidir:

• Batch boyutu: Aynı anda birden fazla görsel üretmek GPU'yu daha verimli kullanır ama belleği katlar. 48–96 GB'lık kartlarda batch'i büyütmek, tek tek üretmekten genellikle daha ekonomiktir.
• Paralel kuyruklar: Tek bir ComfyUI kuyruğu yerine kartı MIG ile bölmek ya da birden fazla iş süreci çalıştırmak, farklı müşterilerin işlerinin birbirini beklemesini önler.

Sabit aylık fiyatlı bir GPU'da bu ayarların karşılığı doğrudan görülür: kart ne kadar dolu çalışırsa görsel başına maliyet o kadar düşer.

FLUX ve SDXL LoRA eğitimi için kaç GB VRAM gerekir?

Kendi ürününüz, karakteriniz ya da stiliniz için LoRA eğitmek, üretimden daha fazla bellek ister:

• SDXL LoRA: gradient checkpointing ile 12–16 GB'ta mümkün; 20 GB rahat.
• FLUX.1 LoRA: FP8 temel modelle 24 GB'ta sınırda çalışır; 48 GB'ta rahat ve daha hızlıdır.
• Daha büyük modeller (Qwen-Image, FLUX.2): 48 GB ve üzeri düşünün.

Lisanslara dikkat

Açık ağırlıklı modellerin hepsi ticari kullanıma aynı şekilde açık değil:

• Qwen-Image (Qwen-Image-2512 ve Qwen-Image-Edit-2511 dahil) ve FLUX.1 [schnell]: Apache 2.0; ticari kullanım serbest.
• Qwen-Image-2.1 (20 Eylül 2026): Qwen Research License; yalnızca araştırma ve değerlendirme amacıyla kullanılabilir. Ticari kullanım için Qwen'den ayrı bir ticari lisans almanız gerekir; önceki Qwen-Image modelleri Apache 2.0 olarak kalır.
• SDXL: CreativeML Open RAIL++-M; kullanım kısıtlarına uymak şartıyla ticari kullanım serbest.
• SD 3.5: Stability AI Community License; yıllık geliri 1 milyon doların altındaki kurumlar için ücretsiz, üzerindekiler için kurumsal lisans gerekir.
• FLUX.2 [klein] 4B ve Z-Image-Turbo: Apache 2.0; ticari kullanım serbest.
• FLUX.1 [dev], FLUX.2 [dev] ve FLUX.2 [klein] 9B: FLUX Non-Commercial License. Lisans çıktıların ticari kullanımına izin verir, ama modeli gelir getiren bir işte ya da üretim ortamında çalıştırmak için Black Forest Labs'ten lisans almanız gerekir.

Lisans metinleri zaman zaman güncellenir; ticari bir projeye başlamadan önce modelin sayfasındaki güncel metni okuyun. Ekim 2026'daki güncel modellerin lisanslarını ve kart önerilerini Stable Diffusion ve ComfyUI için GPU sunucu kiralama sayfamızda tek tabloda topladık.

Kiralık sunucuda ComfyUI kurulumu

Yeni modeller genellikle ilk olarak ComfyUI'da desteklenir; AUTOMATIC1111 arayüzünün geliştirmesi ise yavaşladı. Ubuntu bir sunucuda temel kurulum:

git clone https://github.com/Comfy-Org/ComfyUI.git
cd ComfyUI
python3 -m venv .venv && source .venv/bin/activate
pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu130
pip install -r requirements.txt
python main.py

ComfyUI varsayılan olarak yalnızca sunucunun kendisinden (127.0.0.1:8188) erişilebilir. Arayüzü internete açmak yerine kendi bilgisayarınızdan SSH tüneliyle bağlanın:

ssh -L 8188:127.0.0.1:8188 kullanici@sunucu-ip

Ardından tarayıcınızda http://localhost:8188 adresini açın. PyTorch tarafındaki sürücü ve CUDA ayrıntıları için PyTorch GPU kurulum rehberimize, ComfyUI'yi servis olarak çalıştırma, API ve çoklu GPU kullanımı için ComfyUI rehberimize bakın.

Özet

• Görüntü üretiminde önce bellek gelir: SDXL için 8–12 GB, FLUX.1 tam kalite için yaklaşık 24 GB ve üzeri, FLUX.2 [dev] için FP8'de bile 32 GB'ın üzeri.
• RTX PRO 4000 SDXL ve öğrenme, RTX 5090 hızlı FLUX.1 üretimi, L40S ve RTX PRO 5000 FLUX.1 ve Qwen-Image, RTX PRO 6000 FLUX.2 ve video üretimi için uygundur.
• Görsel üretimi için H100 genellikle gerekmez; aynı bütçeyle L40S veya RTX PRO 6000 daha fazla iş çıkarır.
• Ticari kullanımda model lisansını kontrol edin: FLUX [dev] modellerini ticari bir serviste çalıştırmak lisans gerektirir.
• ComfyUI'yi internete açmayın; SSH tüneliyle bağlanın.

Kaynaklar

• Black Forest Labs: FLUX.2 [dev] model kartı
• Black Forest Labs: FLUX.1 [dev] model kartı
• Qwen-Image (GitHub)
• Stability AI Community License
• ComfyUI (GitHub)
• Black Forest Labs: FLUX.2 [klein] 4B model kartı
• Black Forest Labs: FLUX.2 [klein] 9B model kartı
• Black Forest Labs: FLUX.1 [schnell] model kartı
• Black Forest Labs: FLUX Non-Commercial License
• Tongyi-MAI: Z-Image-Turbo model kartı
• NVIDIA RTX PRO 6000 Blackwell ürün ailesi
• NVIDIA RTX PRO 5000 Blackwell