Stable Diffusion XL (SDXL) calcolatore TPS

Apri i pesi Stability AI 3.4B parametri July 2023

Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..

Calcolato per questo modello

818 schede che possono eseguirlo

818 schede per cui abbiamo specifiche

Scheda più piccola che si adatta

Tesla C1080

4 GB · Q6_K · 15.8 tok/s

Scheda più veloce

B200

997 tok/s · 180 GB

Quali GPU possono eseguire Stable Diffusion XL (SDXL)?

Imposta gli input, leggi la risposta

Lunghezza del contesto token

Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..

Qualità minima

Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..

Cerca schede

Memoria della scheda

Mostra anche le schede che non possono eseguirlo.

818 schede corrispondono

Calcolo

					Ha bisogno	Quantizzazione	Adatto
997 tok/s 598–1,594 · bassa fiducia	B200 NVIDIA	180 GB	8,000 GB/s	Jan 2024	4.3 GB	Q8_0	Comodo
997 tok/s 598–1,594 · bassa fiducia	B300 NVIDIA	288 GB	8,000 GB/s	Sep 2025	4.3 GB	Q8_0	Comodo
796 tok/s 477–1,273 · bassa fiducia	Radeon Instinct MI350X AMD	288 GB	8,190 GB/s	Jan 2025	4.3 GB	Q8_0	Comodo
796 tok/s 477–1,273 · bassa fiducia	Radeon Instinct MI355X AMD	288 GB	8,190 GB/s	Jan 2025	4.3 GB	Q8_0	Comodo
636 tok/s 382–1,018 · bassa fiducia	Radeon Instinct MI300 AMD	128 GB	6,550 GB/s	Jan 2023	4.3 GB	Q8_0	Comodo
609 tok/s 365–975 · bassa fiducia	H200 NVL NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.3 GB	Q8_0	Comodo
609 tok/s 365–975 · bassa fiducia	H200 SXM 141 GB NVIDIA	141 GB	4,890 GB/s	Nov 2024	4.3 GB	Q8_0	Comodo
583 tok/s 350–933 · bassa fiducia	Radeon Instinct MI325X AMD	256 GB	6,000 GB/s	Oct 2024	4.3 GB	Q8_0	Comodo
517 tok/s 310–828 · bassa fiducia	Radeon Instinct MI300A AMD	128 GB	5,325 GB/s	Dec 2023	4.3 GB	Q8_0	Comodo
517 tok/s 310–828 · bassa fiducia	Radeon Instinct MI300X AMD	192 GB	5,325 GB/s	Dec 2023	4.3 GB	Q8_0	Comodo
517 tok/s 310–828 · bassa fiducia	Radeon Instinct MI308X AMD	192 GB	5,325 GB/s	Dec 2023	4.3 GB	Q8_0	Comodo
491 tok/s 294–785 · bassa fiducia	H100 NVL 94 GB NVIDIA	94 GB	3,940 GB/s	Mar 2023	4.3 GB	Q8_0	Comodo
419 tok/s 251–670 · bassa fiducia	H100 PCIe 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.3 GB	Q8_0	Comodo
419 tok/s 251–670 · bassa fiducia	H100 SXM5 80 GB NVIDIA	80 GB	3,360 GB/s	Oct 2022	4.3 GB	Q8_0	Comodo
419 tok/s 251–670 · bassa fiducia	H100 SXM5 94 GB NVIDIA	94 GB	3,360 GB/s	Mar 2023	4.3 GB	Q8_0	Comodo
419 tok/s 251–670 · bassa fiducia	H100 SXM5 96 GB NVIDIA	96 GB	3,360 GB/s	Mar 2023	4.3 GB	Q8_0	Comodo
419 tok/s 251–670 · bassa fiducia	H800 SXM5 NVIDIA	80 GB	3,360 GB/s	Mar 2023	4.3 GB	Q8_0	Comodo
319 tok/s 191–510 · bassa fiducia	Radeon Instinct MI250 AMD	128 GB	3,280 GB/s	Nov 2021	4.3 GB	Q8_0	Comodo
319 tok/s 191–510 · bassa fiducia	Radeon Instinct MI250X AMD	128 GB	3,280 GB/s	Nov 2021	4.3 GB	Q8_0	Comodo
266 tok/s 159–425 · bassa fiducia	Data Center GPU Max 1550 Intel	128 GB	3,280 GB/s	Jan 2023	4.3 GB	Q8_0	Comodo
260 tok/s 156–416 · bassa fiducia	Data Center GPU Max Subsystem Intel	128 GB	3,210 GB/s	Jan 2023	4.3 GB	Q8_0	Comodo
254 tok/s 152–407 · bassa fiducia	A100 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Nov 2020	4.3 GB	Q8_0	Comodo
254 tok/s 152–407 · bassa fiducia	A100X NVIDIA	80 GB	2,040 GB/s	Jun 2021	4.3 GB	Q8_0	Comodo
254 tok/s 152–407 · bassa fiducia	A800 SXM4 80 GB NVIDIA	80 GB	2,040 GB/s	Aug 2022	4.3 GB	Q8_0	Comodo
254 tok/s 152–407 · bassa fiducia	H100 CNX NVIDIA	80 GB	2,040 GB/s	Mar 2023	4.3 GB	Q8_0	Comodo

Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..

In registrazione

specifiche complete

Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..

Origine

Chi ha costruito questo modello, dove e quando è stato pubblicato.

Organizzazione: Stability AI
Tipo di organizzazione: Industry
Paese: United Kingdom of Great Britain and Northern Ireland
Pubblicato: 4 July 2023
Autori: Dustin Podell, Zion English, Kyle Lacey, Andreas Blattmann, Tim Dockhorn, Jonas Müller, Joe Penna, Robin Rombach

Cosa fa

Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.

Dominio: Image generation
Compito: Image generation, Text-to-image

Dimensione

Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.

parametri: 3.4B
Dati di addestramento: tokens

Disponibilità

Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.

Pesi: Open — downloadable
Accesso al modello: Open weights (non-commercial)
Codice di addestramento: Unreleased
Hugging Face: stabilityai

Come è classificato

Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.

Probabilmente sopra 10²³ FLOP: Yes
Perché è monitorato: Significant use
Record fiducia: Speculative
Citazioni: 4,666

Fonti

Da dove proviene questo record e quando è stato controllato l'ultima volta.

Riferimento: SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis
Ultimo aggiornamento: 25 May 2026

Gli estremi

Le dieci GPU più veloci che eseguono Stable Diffusion XL (SDXL)

Classificato per token stimati al secondo, scheda più recente per prima dove le velocità coincidono. Poiché la generazione è vincolata dalla larghezza di banda della memoria, quest'ordinamento segue la larghezza di banda piuttosto che qualsiasi benchmark di gioco..

Le GPU più piccole che ancora funzionano Stable Diffusion XL (SDXL)

Il percorso più economico, in base alla capacità di memoria. Un adattamento stretto esegue il modello ma non lascia nulla di riserva per una conversazione più lunga..

Cosa significano i numeri

Requisiti hardware in pratica

Scheda minima

Tesla C1080

Memoria necessaria

3.5 GB

Più veloce

997 tok/s

Stable Diffusion XL (SDXL) raggiunge un conteggio di parametri di 3.4B. È piccolo abbastanza che l'hardware è raramente l'ostacolo, anche su CARD di diversi anni fa. Il numero di CARD che monitoriamo che possono eseguirlo: 818.

Il punto di ingresso è Tesla C1080, con una capacità di memoria di 4 GB, eseguendolo a una compressione di Q6_K e producendo circa 15.8 token al secondo

Il più veloce che calcoliamo per esso è B200, generando approssimativamente 997 token al secondo sulla base di una larghezza di banda di VRAM 8,000 GB/s.

Informazioni su questo modello

Stable Diffusion XL (SDXL) è stato pubblicato da Stability AI, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante July 2023. L'organizzazione di pubblicazione è classificata come industry.

Funziona nel dominio di Image generation, ed è registrato come eseguire il compito di image generation, Text-to-image.

Poiché i suoi pesi sono stati rilasciati, nulla sull'esecuzione dipende da un fornitore che rimane disponibile — è tuo una volta scaricato. Su Hugging Face è pubblicato sotto l'organizzazione stabilityai.

Quanto è veloce nel funzionare e perché

Il risultato mediano è attorno 31.6 token al secondo. Producendo testo più veloce della maggior parte delle persone che lo leggono. 777 di loro

Ogni peso partecipa a ogni token qui, quindi la larghezza di banda è tutta la storia: la classifica sottostante è effettivamente una classifica del throughput di memoria.

La sua architettura interna non è in archivio, quindi la memoria è approssimata dal conteggio dei parametri e contrassegnata di conseguenza. Aspettatevi che la cifra reale differisca, soprattutto con contesti lunghi.

Come è stato addestrato

Il suo criterio di inclusione: significant use.

Passo dopo passo

Come scegliere una GPU per Stable Diffusion XL (SDXL)

La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..

01

Inizia dalla colonna VRAM

La tabella elenca ogni card in grado di contenere Stable Diffusion XL (SDXL), avere bisogno di circa 3.5 GB a una compressione di Q6_K. La Capacità è il cancello — una card o la tiene o non la tiene.
02

Imposta la lunghezza del CONTEXT che utilizzerai.

Conversazioni più lunghe richiedono memoria oltre a ciò che i pesi necessitano. Muovi il cursore sulla tua reale lunghezza di lavoro prima di fidarti di qualsiasi riga per Stable Diffusion XL (SDXL).
03

Imposta un pavimento di qualità

La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza., raggiungendo una compressione di Q6_K sulla scheda più piccola che si adatta. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
04

Ordina per throughput piuttosto che per specifiche.

La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per Stable Diffusion XL (SDXL). Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria. La scheda in cima alla lista è B200, nella 997 tok/s
05

Controlla il giudizio di compatibilità prima di acquistare

La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di Stable Diffusion XL (SDXL). Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
06

Vedi cos'altro che questa card esegue

Seguire una GPU attraverso la sua pagina mostra ogni altro modello che può contenere, che è la domanda che segue una volta che hai deciso su Stable Diffusion XL (SDXL).

Risposte

Stable Diffusion XL (SDXL) — domande comuni

Stable Diffusion XL (SDXL)— è open-source?

I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.

Stable Diffusion XL (SDXL)— quanti parametri ha?

Ha un numero di parametri di 3.4B. "...result in a model size of 2.6B parameters in the UNet, see Tab. 1. The text encoders have a total size of 817M parameters.". Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.

Stable Diffusion XL (SDXL)— chi l'ha creato?

È stato pubblicato da Stability AI, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come industry.

Stable Diffusion XL (SDXL)— quando è stato rilasciato?

È stato pubblicato in July 2023. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.

Stable Diffusion XL (SDXL)— A cosa serve?

Funziona nel dominio di Image generation, e viene registrato come gestire il compito di image generation, Text-to-image. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.

Stable Diffusion XL (SDXL)— Dove posso scaricarlo?

I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione stabilityai. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.

Stable Diffusion XL (SDXL)— posso eseguirlo se non si adatta nella mia GPU?

Parzialmente. I layer che non si adattano si trovano nella memoria di sistema e funzionano a una frazione della velocità, quindi un modello in gran parte scaricato è raramente conveniente da usare. Ogni figura qui presume che l'intero modello sia residente sulla scheda.

Stable Diffusion XL (SDXL)— due GPU lo farebbero andare più veloce?

La capacità si somma tra le schede; il throughput no. Il numero di schede che già la possiedono da sole: 818. Quindi una seconda CARD è raramente la risposta qui.

Stable Diffusion XL (SDXL)— perché la quantizzazione differisce tra le schede?

Ogni card è mostrata mentre esegue la copia meno compressa che può contenere. Il numero di livelli di compressione distinti tra le card che si adattano: 2. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.

Stable Diffusion XL (SDXL)— quanto sono accurate queste stime di velocità?

Queste sono stime con barre di errore reali, e ognuna di esse potrebbe ragionevolmente collocarsi ovunque nel suo intervallo pubblicato a seconda del runtime che utilizzi. Il risultato più veloce qui: 598–1,594 tok/s su B200. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.

Stable Diffusion XL (SDXL)— che GPU ho bisogno per eseguirlo?

La scheda più piccola nel nostro catalogo che la contiene è Tesla C1080, con una capacità di memoria di 4 GB. Esegui il modello a una compressione di Q6_K utilizzando circa 3.5 GB, e produce approssimativamente 15.8 token al secondo. Il numero di card in grado di eseguirlo in totale: 818.

Stable Diffusion XL (SDXL)— quanto è veloce su una GPU?

Dipende dalla scheda. La più rapida che calcoliamo è B200, circa 997 token al secondo; il più lento che riesce a farlo gestisce considerevolmente meno. La velocità di lettura è di circa dieci token al secondo, e il numero di schede che riescono a farlo: 777.

Stable Diffusion XL (SDXL)— quanta VRAM serve?

Ha bisogno di 3.5 GB a una compressione di Q6_K, quale è la scheda più piccola che lo utilizza. Meno compressione richiede di più: le cifre nella colonna della memoria sopra sono ricalcolate per ogni scheda, perché ognuna contiene la versione meno compressa possibile.

Stable Diffusion XL (SDXL)— posso eseguirlo su una GPU holding 8 GB?

Sì. La scheda CMP 170HX 8 GB, tenere 8 GB, lo esegue a una compressione di Q8_0, utilizzando circa 4.3 GB e generando approssimativamente 186 token al secondo. Il fit è comodo.

Stable Diffusion XL (SDXL)— posso eseguirlo su una GPU holding 12 GB?

Sì. La scheda GeForce RTX 3080 Ti, tenere 12 GB, lo esegue a una compressione di Q8_0, utilizzando circa 4.3 GB e generando approssimativamente 114 token al secondo. Il fit è comodo.

Stable Diffusion XL (SDXL)— posso eseguirlo su una GPU holding 16 GB?

Sì. La scheda Tesla V100 SXM2 16 GB, tenere 16 GB, lo esegue a una compressione di Q8_0, utilizzando circa 4.3 GB e generando approssimativamente 141 token al secondo. Il fit è comodo.

Stable Diffusion XL (SDXL)— posso eseguirlo su una GPU holding 24 GB?

Sì. La scheda GeForce RTX 5090 D V2, tenere 24 GB, lo esegue a una compressione di Q8_0, utilizzando circa 4.3 GB e generando approssimativamente 167 token al secondo. Il fit è comodo.

Fonte

Pubblicazione originale

Ultimo aggiornamento del record 25 May 2026

L'altra direzione

Guardandolo dall'altro lato?

Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.

Tutti i modelli AI