FLUX.1 Kontext [dev]の必要VRAM
FP16・FP8・GGUF・解像度別の早見表
FLUX.1 Kontext [dev](Black Forest Labs / 本体 11.9B / 画像編集)をローカルで動かすのに必要なVRAMを、本体＋テキストエンコーダ＋作業領域から計算しました。 諸元は配布元の公開データから取得しています。
あなたのPCで動くか
あなたのPC検出中…GPUを自動検出中…VRAM 8GBメモリ 16GBWindows
他のPCで試す
解像度1024×1024px
あなたの環境(VRAM 8GB)での判定
- FFP16/BF1624.2GB載らない
- DFP813.1GBかなり遅い
- DQ8_013.8GBかなり遅い
- CQ5_K_S9.7GB動くが遅い
- CQ4_K_S8.5GB動くが遅い
テキストエンコーダは本体と入れ替えで載せる前提(ComfyUI 等の既定の動作)で計算しています。S〜F のランクの意味はトップページに一覧があります。
他のモデルも一括で判定するならローカル画像生成チェッカーへ。
必要VRAMの早見表
| 重みの持ち方 | 512px | 1024px(標準) | 1536px | 2048px |
|---|---|---|---|---|
| FP16/BF1616bit/重み | 23.2GB | 24.2GB | 25.8GB | 28.0GB |
| FP88bit/重み | 12.2GB | 13.1GB | 14.7GB | 16.9GB |
| Q8_08.53bit/重み | 12.9GB | 13.8GB | 15.4GB | 17.6GB |
| Q5_K_S5.55bit/重み | 8.8GB | 9.7GB | 11.3GB | 13.5GB |
| Q4_K_S4.66bit/重み | 7.5GB | 8.5GB | 10.0GB | 12.2GB |
テキストエンコーダは本体と入れ替えで載せる前提(ComfyUI 等の既定の動作)で計算しています。全部を同時に載せる場合は、この表に テキストエンコーダ分(4.5GB、8bit時)がおおむね上乗せされます。
モデルの構成
- 本体: DiT(Transformer) / 11,901,477,020 パラメータ(11.9B)
- テキストエンコーダ: CLIP ViT-L(123M) + T5-XXL エンコーダ(4.8B) = 合計 4.9B
- VAE: 84M
- 標準の生成解像度: 1024×1024px
- ライセンス: FLUX.1 [dev] Non-Commercial License
- GGUF 版の配布: QuantStack/FLUX.1-Kontext-dev-GGUF
指示文で画像を編集するモデル。入力画像も潜在表現として処理するため、作業領域は生成だけの場合より増える。
出典: black-forest-labs/FLUX.1-Kontext-dev(配布が承諾制のため、ファイル一覧のバイト数 ÷ 1要素のバイト数で数えた値)。ライセンスや利用条件は配布元をご確認ください。
同じ用途の他のモデル
- Qwen-Image-Edit-2509本体 20.4B