PixArt-Σの必要VRAM
FP16・FP8・GGUF・解像度別の早見表
PixArt-Σ(PixArt-alpha / 本体 611M / 汎用)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
- CFP16/BF169.5GB動くが遅い
- AFP85.0GB快適に動く
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 | 9.5GB | 9.5GB | 9.5GB | 9.5GB |
| FP88bit/重み | 5.0GB | 5.0GB | 5.0GB | 6.4GB |
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(4.4GB、8bit時)がおおむね上乗せされます。 PixArt-Σ は GGUF 版の配布が見つからなかったため、GGUF の行は載せていません。
モデルの構成
- 本体: DiT(Transformer) / 610,856,096 パラメータ(611M)
- テキストエンコーダ: T5-XXL エンコーダ(4.8B)
- VAE: 84M
- 標準の生成解像度: 1024×1024px
- ライセンス: openrail++
本体は0.6Bと小さいが、テキストエンコーダ(T5-XXL)が本体の約8倍ある。
出典: PixArt-alpha/PixArt-Sigma-XL-2-1024-MS(各 safetensors ファイルのヘッダに記録されたテンソルの形から要素数を数えた値)。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
- Stable Diffusion 1.5本体 860M
- Stable Diffusion 3.5 Medium本体 2.5B
- SDXL 1.0本体 2.6B
- Lumina-Image 2.0本体 2.6B