11 novembre 2026 · Team VRAMfarm

Migliore GPU per Flux, SDXL e ComfyUI: 16 GB, RTX 3090, 4090, 5090 o schede da 48 GB

Se usi soprattutto SDXL, ti basta una scheda da 12–16 GB. Per Flux.1 dev, 16 GB funzionano e 24 GB sono comodi. Qwen-Image e HiDream vogliono 24 GB, e il video con Wan 2.2 14B chiede almeno 32 GB, e 48 GB per lavorare senza lottare con il limite di memoria. A parità di memoria, la scheda più veloce spesso non costa di più per immagine, perché finisce prima.

Prima la memoria: cosa chiede ogni modello in ComfyUI

ComfyUI è bravo a far stare i modelli in meno memoria. Carica il text encoder, lo esegue, lo scarica, poi carica il modello di diffusione. Quindi il numero che conta è soprattutto il modello singolo più grande del workflow, più lo spazio per l’immagine stessa.

I valori di VRAM sono stime per un workflow semplice a 1024 × 1024 o 720p; LoRA, ControlNet, risoluzione e durata della clip li fanno salire. La colonna “download” pesa sulla bolletta. Le app pronte scaricano i loro modelli dopo l’avvio del server, e quel traffico si paga alla tariffa che la macchina mostra prima dell’avvio.

Una nota su FLUX.2 [dev], il successore da 32B di Flux.1: i soli pesi fp8 sono circa 32 GB, e il suo text encoder è a sua volta un modello linguistico di grandi dimensioni. Gira su schede da 24–32 GB solo con un offloading pesante sulla RAM di sistema. Considera 48 GB la taglia comoda.

Conta anche il formato. Un checkpoint completo di Flux.1 dev in bf16 pesa circa 24 GB, e su una scheda da 24 GB ci sta a malapena. La versione fp8 dimezza il peso con risultati difficili da distinguere. Le quantizzazioni GGUF (Q4, Q5, Q8) lo riducono ancora e permettono a Flux di girare su 8–12 GB, al prezzo di step più lenti e dettagli un po’ più morbidi.

Quando bastano 16 GB

Una scheda da 16 GB (RTX 4060 Ti 16 GB, RTX 4080, RTX 5070 Ti, RTX 5080, RTX A4000) copre più di quanto si pensi:

• SDXL con LoRA, ControlNet e un upscaler, a 1024 × 1024, in batch da 2–4.
• Flux.1 dev in fp8 a 1024 × 1024, un’immagine alla volta, con una o due LoRA.
• Wan 2.2 5B a 480p, oppure a 720p con offloading (più lento).
• Qwen-Image in GGUF Q4, se accetti un po’ di perdita di dettaglio.

I 16 GB iniziano a stare stretti quando sommi le cose: Flux più due ControlNet più una LoRA a 1536 × 1536, Qwen-Image in fp8, qualsiasi training o qualsiasi video serio. Vedrai errori di memoria esaurita o, peggio, ComfyUI che scarica in silenzio sulla RAM di sistema e ogni step che dura parecchie volte di più.

Se lavori con SDXL o con qualche immagine Flux al giorno, la scelta giusta è la scheda più economica che contiene il modello. Su una scheda da 16 GB paghi da 0,16 € all’ora per la 4060 Ti o da 0,31 € per la 4080. Tra le due, la 4080 ha più del doppio della banda di memoria (717 contro 288 GB/s), e nella generazione di immagini si sente.

24 GB: RTX 3090 o RTX 4090

Le due schede hanno gli stessi 24 GB, quindi fanno girare esattamente gli stessi modelli. La differenza è la velocità.

Con i modelli di diffusione, che sono limitati soprattutto dal calcolo, la RTX 4090 di solito finisce un’immagine circa 1,6–2,5 volte più in fretta della 3090. La parte alta della forbice vale per i modelli fp8 quando il software usa il calcolo fp8 nativo della 4090 (in ComfyUI, l’opzione di avvio --fast); la 3090 converte sempre i pesi fp8 a 16 bit per calcolarci. I tempi esatti dipendono da step, risoluzione, sampler e numero di nodi del workflow, quindi prendi il rapporto come un’indicazione, non come un benchmark.

Per decidere, confronta il rapporto di prezzo con il rapporto di velocità. Il costo per immagine è prezzo all’ora × secondi per immagine ÷ 3.600. Se la RTX 4090 costa all’ora meno del doppio circa della RTX 3090, di solito costa meno anche per immagine. Se costa più del doppio, la 3090 di solito vince sul portafoglio e la 4090 sul tuo tempo. Controlla entrambi i prezzi nella pagina dei prezzi nel momento in cui noleggi, perché il catalogo cambia durante la giornata.

La regola pratica che ne esce: per una sessione interattiva in cui ritocchi i prompt e aspetti ogni risultato, prendi la 4090. Per un lungo batch notturno in cui nessuno aspetta, la 3090 spesso conviene di più per immagine.

RTX 5090 e schede da 48 GB

La RTX 5090 aggiunge due cose: 32 GB invece di 24 e 1.792 GB/s di banda di memoria, oltre a più potenza di calcolo. Per i modelli di immagine significa circa 1,3–1,5 volte la velocità di una 4090, di più dove il software sfrutta il supporto fp4 di Blackwell, e spazio per tenere Qwen-Image o HiDream completamente caricati con le LoRA invece di far entrare e uscire i modelli. È anche la scheda più piccola che fa girare Wan 2.2 14B in fp8 a 720p.

Le schede da 48 GB sono un’altra scommessa: più memoria, non più velocità.

Prendi una scheda da 48 GB quando il modello non sta in 32 GB: Wan 2.2 14B a 720p con clip più lunghe, Qwen-Image in bf16, FLUX.2 senza offloading o training di LoRA con batch grandi. Per Flux.1 o SDXL semplici, una scheda da 48 GB costa soprattutto di più all’ora per memoria che non usi. Sulla stessa immagine Flux, una RTX 4090 di solito è più veloce di una RTX A6000.

Video: Wan 2.2 5B e 14B

Nel video è la memoria a decidere tutto, perché una clip di 5 secondi sono 80–120 frame elaborati insieme.

• Wan 2.2 5B genera video a 720p su una scheda da 24 GB. È abbastanza veloce da provare molti prompt, ed è il modello giusto per le bozze. Noleggia una RTX 4090 o una RTX 5090.
• Wan 2.2 14B dà un movimento e un’aderenza al prompt nettamente migliori. In fp8 servono circa 30 GB a 720p per una clip di 5 secondi. Una RTX 5090 da 32 GB ce la fa; una L40S o una RTX A6000 da 48 GB lo fanno con margine. La nostra app pronta Wan 2.2 14B offre solo schede da 48 GB in su, perché clip brevi a 720p sono il minimo che le persone ne vogliono.

Una clip richiede minuti, non secondi. Le LoRA di velocità che riducono il numero di step (4–8 invece di 20–40) abbassano molto i tempi, con un po’ di perdita di dettaglio. Calcola 10–15 minuti dopo che il server è pronto prima di poter iniziare, perché l’app 14B scarica circa 70 GB di modelli. Altro sulla pipeline completa nella pagina sulla generazione video.

Batch size, velocità e cosa noleggiare

Più VRAM ti permette di alzare il batch size, ma non aspettarti che moltiplichi la produzione. Un grande modello di diffusione a 1024 × 1024 tiene già occupata la GPU con un batch da uno, quindi un batch da quattro richiede quasi quattro volte il tempo e spesso ti fa guadagnare solo il 10–30% di throughput. Il batching aiuta di più con modelli piccoli come SDXL, dove una sola immagine non riempie la scheda. Il suo vero valore è la comodità: metti in coda quattro varianti e le guardi insieme.

Una breve lista per decidere:

Se non sei sicuro che il tuo workflow ci stia, per la prima sessione parti da una taglia in più e tieni d’occhio la memoria in nvidia-smi o nella console di ComfyUI. Paghi al minuto, quindi un test costa poco. La guida alla VRAM ha i numeri per LLM, voce e training, e la nostra guida a ComfyUI spiega come aggiungere modelli, LoRA e nodi tuoi.