11 de noviembre de 2026 · Equipo de VRAMfarm

Mejor GPU para Flux, SDXL y ComfyUI: 16 GB frente a RTX 3090, 4090, 5090 y tarjetas de 48 GB

Si trabajas sobre todo con SDXL, te basta una tarjeta de 12–16 GB. Para Flux.1 dev, 16 GB funcionan y con 24 GB vas holgado. Qwen-Image y HiDream piden 24 GB, y el vídeo con Wan 2.2 14B necesita 32 GB como mínimo absoluto y 48 GB para trabajar sin pelearte con el límite de memoria. Con la misma cantidad de memoria, la tarjeta más rápida muchas veces no sale más cara por imagen, porque termina antes.

Primero la memoria: qué necesita cada modelo en ComfyUI

ComfyUI sabe encajar modelos en menos memoria de la que parece. Carga el codificador de texto, lo ejecuta, lo saca de la memoria y luego carga el modelo de difusión. Así que la cifra que importa es, sobre todo, la del modelo individual más grande del workflow, más el espacio para la propia imagen.

Las cifras de VRAM son estimaciones para un workflow sencillo a 1024 × 1024 o 720p; los LoRA, ControlNet, la resolución y la duración del clip las suben. La columna de descarga importa para tu factura. Las apps listas para usar descargan sus modelos después de arrancar el servidor, y ese tráfico se factura con la tarifa que la máquina muestra antes del lanzamiento.

Una nota sobre FLUX.2 [dev], el sucesor de Flux.1 con 32B: solo sus pesos en fp8 rondan los 32 GB, y su codificador de texto es un modelo de lenguaje grande por sí mismo. Funciona en tarjetas de 24–32 GB únicamente descargando mucho trabajo a la RAM del sistema. Considera 48 GB como el tamaño cómodo.

El formato también cuenta. Un checkpoint completo de Flux.1 dev en bf16 ocupa unos 24 GB, que caben muy justos en una tarjeta de 24 GB. La versión fp8 lo reduce a la mitad con resultados que cuesta distinguir. Las cuantizaciones GGUF (Q4, Q5, Q8) lo encogen todavía más y permiten ejecutar Flux con 8–12 GB, a cambio de pasos más lentos y un detalle algo más blando.

Cuándo bastan 16 GB

Una tarjeta de 16 GB (RTX 4060 Ti 16 GB, RTX 4080, RTX 5070 Ti, RTX 5080, RTX A4000) da para más de lo que se suele pensar:

• SDXL con LoRA, ControlNet y un escalador, a 1024 × 1024, en lotes de 2–4.
• Flux.1 dev en fp8 a 1024 × 1024, de imagen en imagen, con uno o dos LoRA.
• Wan 2.2 5B a 480p, o a 720p con descarga a la RAM (más lento).
• Qwen-Image en GGUF Q4, si aceptas perder algo de detalle.

Los 16 GB empiezan a quedarse cortos cuando apilas cosas: Flux con dos ControlNet y un LoRA a 1536 × 1536, Qwen-Image en fp8, cualquier entrenamiento o cualquier vídeo serio. Verás errores de falta de memoria o, peor aún, ComfyUI pasará en silencio parte del trabajo a la RAM del sistema y cada paso tardará varias veces más.

Si lo tuyo es SDXL o unas cuantas imágenes de Flux al día, la tarjeta más barata en la que quepa el modelo es la buena. Con 16 GB pagas desde 0,16 € la hora por la 4060 Ti o desde 0,31 € por la 4080. Entre las dos, la 4080 tiene más del doble de ancho de banda de memoria (717 frente a 288 GB/s), y la generación de imágenes lo nota.

24 GB: RTX 3090 frente a RTX 4090

Las dos tarjetas tienen los mismos 24 GB, así que ejecutan exactamente los mismos modelos. La diferencia está en la velocidad.

En los modelos de difusión, que dependen sobre todo de la capacidad de cálculo, la RTX 4090 suele terminar una imagen entre 1,6 y 2,5 veces más rápido que la 3090. La parte alta de ese rango se da con modelos en fp8 cuando el software aprovecha el cálculo fp8 nativo de la 4090 (en ComfyUI, la opción de arranque --fast); la 3090 siempre convierte los pesos fp8 a 16 bits para calcular con ellos. Los tiempos exactos dependen de los pasos, la resolución, el sampler y cuántos nodos tenga tu workflow, así que toma la proporción como orientación, no como benchmark.

Para decidir, compara la proporción de precios con la de velocidades. El coste por imagen es el precio por hora × segundos por imagen ÷ 3600. Si la RTX 4090 cuesta por hora menos del doble que la RTX 3090, normalmente también sale más barata por imagen. Si cuesta más del doble, la 3090 suele ganar en dinero y la 4090, en tu tiempo. Mira los dos precios en la página de precios en el momento de alquilar, porque el catálogo cambia a lo largo del día.

La regla práctica que sale de aquí: para una sesión interactiva en la que retocas prompts y esperas cada resultado, coge la 4090. Para un lote largo durante la noche, en el que nadie espera, la 3090 suele ser mejor compra por imagen.

RTX 5090 y tarjetas de 48 GB

La RTX 5090 aporta dos cosas: 32 GB en lugar de 24 y 1792 GB/s de ancho de banda de memoria, además de más capacidad de cálculo. En modelos de imagen eso supone aproximadamente entre 1,3 y 1,5 veces la velocidad de una 4090, más si el software aprovecha el soporte fp4 de Blackwell, y espacio para tener Qwen-Image o HiDream cargados por completo con sus LoRA en vez de ir metiendo y sacando modelos. También es la tarjeta más pequeña que ejecuta Wan 2.2 14B en fp8 a 720p.

Las tarjetas de 48 GB son otra apuesta: más memoria, no más velocidad.

Elige una tarjeta de 48 GB cuando el modelo no quepa en 32 GB: Wan 2.2 14B a 720p con clips más largos, Qwen-Image en bf16, FLUX.2 sin descarga a la RAM o entrenamiento de LoRA con lotes grandes. Para Flux.1 o SDXL a secas, una tarjeta de 48 GB sobre todo te cobra más por hora por una memoria que no usas. Una RTX 4090 suele ser más rápida que una RTX A6000 con la misma imagen de Flux.

Vídeo: Wan 2.2 5B y 14B

En vídeo la memoria lo decide todo, porque un clip de 5 segundos son 80–120 fotogramas procesados a la vez.

• Wan 2.2 5B genera vídeo a 720p en una tarjeta de 24 GB. Es lo bastante rápido para probar muchos prompts y es el modelo adecuado para borradores. Alquila una RTX 4090 o una RTX 5090.
• Wan 2.2 14B da un movimiento claramente mejor y sigue mejor el prompt. En fp8 necesita unos 30 GB a 720p para un clip de 5 segundos. Una RTX 5090 de 32 GB puede con ello; una L40S o una RTX A6000 de 48 GB lo hacen con margen de sobra. Nuestra app lista para usar de Wan 2.2 14B solo ofrece tarjetas de 48 GB o más, porque clips cortos a 720p es lo mínimo que la gente espera de ella.

Un clip lleva minutos, no segundos. Los LoRA de velocidad que reducen el número de pasos (4–8 en vez de 20–40) acortan mucho ese tiempo, con algo de pérdida de detalle. Cuenta con 10–15 minutos desde que el servidor está listo hasta que puedes empezar, porque la app de 14B descarga unos 70 GB de modelos. Tienes más sobre el proceso completo en la página de generación de vídeo.

Tamaño de lote, velocidad y qué alquilar

Más VRAM te permite subir el tamaño de lote, pero no esperes que multiplique lo que produces. Un modelo de difusión grande a 1024 × 1024 ya mantiene ocupada la GPU con un lote de una imagen, así que un lote de cuatro tarda casi cuatro veces más y a menudo solo gana un 10–30 % de rendimiento. Los lotes ayudan más con modelos pequeños como SDXL, donde una sola imagen no llena la tarjeta. Su valor real es la comodidad: pones cuatro variantes en cola y las comparas juntas.

Una lista rápida para decidir:

Si no tienes claro que tu workflow quepa, empieza la primera sesión con una talla más y vigila la memoria en nvidia-smi o en la consola de ComfyUI. Pagas por minuto, así que una prueba cuesta poco. En la guía de VRAM tienes las cifras para LLM, voz y entrenamiento, y nuestra guía de ComfyUI explica cómo añadir tus propios modelos, LoRA y nodos.