Stable Diffusion XL (SDXL) kalkulator TPS

Otwórz wagi Stability AI 3.4B parametry July 2023

Każda karta poniżej jest oceniana w stosunku do tego modelu przy wybranej długości kontekstu i minimalnej jakości. Prędkość jest oszacowaniem dla pojedynczego żądania, obliczonym na podstawie przepustowości pamięci karty i rozmiaru modelu po skompresowaniu..

Obliczone dla tego modelu

818 karty, które mogą go uruchomić

818 Karty, które posiadamy specyfikacje dla

Najmniejsza karta, która pasuje

Tesla C1080

4 GB · Q6_K · 15.8 tok/s

Najszybsza karta

B200

997 tok/s · 180 GB

Które GPU mogą uruchomić Stable Diffusion XL (SDXL)?

Ustaw wejścia, odczytaj odpowiedź.

Długość kontekstu tokeny

Dłuższa rozmowa wymaga więcej MEMORY, co może spowodować, że ten model nie zmieści się na mniejszych CARD..

Minimalna jakość

Ukrywa karty, które zmieściłyby się w modelu tylko przez skompresowanie go poniżej tego punktu..

Szukaj kart

Pamięć karty

Pokaż również karty, które nie mogą tego uruchomić.

818 karty pasują

Obliczanie

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

Prędkości są szacunkami dla pojedynczego zapytania — jednej konwersacji na raz — obliczonymi na podstawie przepustowości pamięci, rozmiaru MODELu i kwantyzacji. Rzeczywista przepustowość różni się w zależności od czasu uruchamiania inference i jego wersji. Wartości publikowane przez dostawców sprzętu mierzą wiele jednoczesnych zapytań i są znacznie wyższe..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja: Stability AI
Typ organizacji: Industry
Kraj: United Kingdom of Great Britain and Northern Ireland
Opublikowany: 4 July 2023
Autorzy: Dustin Podell, Zion English, Kyle Lacey, Andreas Blattmann, Tim Dockhorn, Jonas Müller, Joe Penna, Robin Rombach

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena: Image generation
Zadanie: Image generation, Text-to-image

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry: 3.4B
Dane treningowe: tokens

Dostępność

Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.

Wagi: Open — downloadable
Dostęp do modelu: Open weights (non-commercial)
Kod treningowy: Unreleased
Hugging Face: stabilityai

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Prawdopodobnie powyżej 10²³ FLOP: Yes
Dlaczego to jest śledzone: Significant use
Zapisz pewność: Speculative
Cytaty: 4,666

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja: SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis
Ostatnio zaktualizowane: 25 May 2026

Ekstremy

Dziesięć najszybszych GPU, które uruchamiają Stable Diffusion XL (SDXL)

Uszeregowany według szacowanej liczby tokenów na sekundę, najnowsza karta na pierwszym miejscu, gdy prędkości są równe. Ponieważ generacja jest ograniczona przez pamięć, to uporządkowanie podąża za przepustowością, a nie za jakimkolwiek benchmarkiem gier..

Najmniejsze GPU, które nadal działają Stable Diffusion XL (SDXL)

Najtańsza droga do, według pojemności pamięci. Tight fit uruchamia model, ale nie zostawia nic na dłuższą rozmowę..

Co oznaczają liczby

Wymagania sprzętowe w praktyce

Minimalna karta

Tesla C1080

Pamięć potrzebna

3.5 GB

Najszybszy

997 tok/s

Stable Diffusion XL (SDXL) osiąga liczbę parametrów równą 3.4B. To jest na tyle małe, że sprzęt rzadko stanowi przeszkodę, w tym na kartach sprzed kilku lat. Liczba kart, które śledzimy, które mogą go uruchomić: 818.

Punkt wejścia to Tesla C1080, o pojemności pamięci 4 GB, uruchomienie go przy kompresji Q6_K i produkując około 15.8 tokeny na sekundę

Najszybciej, jak to obliczamy, to B200, generowanie w przybliżeniu 997 tokenów na sekundę na podstawie przepustowości pamięci 8,000 GB/s.

O tym modelu

Stable Diffusion XL (SDXL) został opublikowany przez Stability AI, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas July 2023. Organizacja publikująca jest klasyfikowana jako industry.

Działa w dziedzinie Image generation, i jest zapisany jako wykonujący zadanie image generation, Text-to-image.

Ponieważ jego wagi zostały udostępnione, nic w kwestii uruchamiania go nie zależy od dostępności dostawcy — należy do ciebie po pobraniu. Na Hugging Face jest opublikowane pod organizacją stabilityai.

Jak szybko działa i dlaczego

Mediana wyniku wynosi około 31.6 tokenów na sekundę. Produkując tekst szybciej niż większość ludzi go czyta. 777 ich

Każda waga uczestniczy w każdym tokenie tutaj, więc szerokość pasma jest całą historią: poniższa lista to w rzeczywistości ranking przepustowości pamięci.

Jej architektura wewnętrzna nie jest w naszej bazie danych, więc pamięć jest szacowana na podstawie liczby parametrów i odpowiednio oznaczona. Spodziewaj się, że rzeczywista wartość będzie się różnić, tym bardziej przy długim context length.

Jak to zostało wytrenowane

Kryterium włączenia: significant use.

Krok po kroku

Jak wybrać GPU do Stable Diffusion XL (SDXL)

Tabela powyżej oceniła już każdą kartę, dla której posiadamy specyfikacje, w stosunku do tego modelu. Dotarcie do odpowiedzi wymaga sześciu kroków..

01

Zacznij od kolumny pamięci

Tabela zawiera każdą kartę, która jest w stanie pomieścić Stable Diffusion XL (SDXL), potrzebując około 3.5 GB przy kompresji Q6_K. Pojemność to brama — karta albo ją trzyma, albo nie.
02

Ustaw długość kontekstu, z którą będziesz pracować

Dłuższe rozmowy kosztują pamięć oprócz tego, co potrzebują wagi. Przesuń suwak do swojej rzeczywistej długości roboczej przed zaufaniem jakiejkolwiek linii dla Stable Diffusion XL (SDXL).
03

Ustal minimalną jakość

Kompresja to to, co sprawia, że model mieści się w mniejszych KARTACH, kosztem pewnej dokładności., osiągnięcie kompresji Q6_K na najmniejszej karcie, która się mieści. Ustalenie minimalnej jakości odrzuca karty, które tylko ją osiągają, uciskając bardziej niż byś chciał, i utrzymuje porównanie na jednym poziomie.
04

Oceń według przepustowości, a nie kart specyfikacji

Szybkość zamawiania jest w rzeczywistości zamawianiem według pasma pamięci, dla Stable Diffusion XL (SDXL). Nie dopasuje się do zamówienia gier, ponieważ generacja jest ograniczona przez przepustowość pamięci. Karta na szczycie listy to B200, w 997 tok/s
05

Sprawdź werdykt dopasowania przed zakupem

Kolumna dopasowania oddziela karty, które ledwo dają radę, od tych, które mają zapas w przypadku Stable Diffusion XL (SDXL). Wygodne oznacza, że możesz później zwiększyć kontekst. Ta różnica ma większe znaczenie niż kilka tokenów na sekundę, więc kupuj za wygodne, jeśli tego oczekujesz.
06

Zobacz, co jeszcze ta karta uruchamia

Śledzenie karty do jej własnej strony pokazuje każdy inny model, który może pomieścić, co jest pytaniem, które pojawia się po podjęciu decyzji o Stable Diffusion XL (SDXL).

Odpowiedzi

Stable Diffusion XL (SDXL) — częste pytania

Stable Diffusion XL (SDXL)— czy jest open weight?

Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.

Stable Diffusion XL (SDXL)— ile ma parametrów?

Ma liczbę parametrów równą 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.". Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

Stable Diffusion XL (SDXL)— kto to stworzył?

Zostało opublikowane przez Stability AI, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako industry.

Stable Diffusion XL (SDXL)— kiedy to zostało wydane?

Zostało opublikowane w July 2023. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

Stable Diffusion XL (SDXL)— do czego to służy?

Działa w dziedzinie Image generation, i jest zarejestrowany jako realizujący zadanie image generation, Text-to-image. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.

Stable Diffusion XL (SDXL)— Gdzie mogę to pobrać?

Jego wagi są publikowane na Hugging Face, pod organizacją stabilityai. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.

Stable Diffusion XL (SDXL)— czy mogę go uruchomić, jeśli nie mieści się w moim GPU?

Częściowo. Warstwy, które nie mieszczą się w GPU VRAM, znajdują się w pamięci systemu i działają z ułamkową prędkością, więc model, który jest w dużej mierze przeniesiony, rzadko jest wart używania. Każda figura tutaj zakłada, że cały model jest zainstalowany na karcie.

Stable Diffusion XL (SDXL)— czy dwa GPU uruchomią to szybciej?

Pojemność sumuje się w kartach; przepustowość nie. Liczba kart, które już same ją posiadają: 818. Więc druga karta rzadko jest odpowiedzią tutaj.

Stable Diffusion XL (SDXL)— dlaczego kwantyzacja różni się między kartami?

Każda KARTA jest przedstawiana z uruchomioną najmniej skompresowaną wersją, jaką może pomieścić. Liczba odmiennych poziomów kompresji w KARTACH, które mogą go pomieścić: 2. Większe karty otrzymują dokładniejszą wersję, a minimalna jakość powyżej ustala porównanie na jednym poziomie.

Stable Diffusion XL (SDXL)— Jak dokładne są te szacunki prędkości?

To są szacunki z rzeczywistymi marginesami błędu, a każdy z nich mógłby rozsądnie wypaść gdziekolwiek w swoim opublikowanym zakresie w zależności od używanego uruchomienia. Najszybszy wynik tutaj: 598–1,594 tok/s na B200. Ten sam model i karta różnią się o trzydzieści do pięćdziesięciu procent w zależności od oprogramowania inferencyjnego i jego wersji.

Stable Diffusion XL (SDXL)— Jaką GPU potrzebuję, aby ją uruchomić?

Najmniejsza karta w naszym katalogu, która to pomieści, to Tesla C1080, o pojemności pamięci 4 GB. Uruchamia model przy kompresji Q6_K używając około 3.5 GB, i produkuje w przybliżeniu 15.8 tokenów na sekundę. Liczba kart, które mogą go uruchomić łącznie: 818.

Stable Diffusion XL (SDXL)— jak szybko działa na GPU?

To zależy od karty. Najszybciej obliczamy to B200, około 997 tokenów na sekundę; najwolniejszy, który nadal działa, osiąga znacznie mniej. Prędkość odczytu wynosi około dziesięciu tokenów na sekundę, a liczba kart, które to osiągają: 777.

Stable Diffusion XL (SDXL)— Ile VRAM-u potrzebuje?

Potrzebuje około 3.5 GB przy kompresji Q6_K, który jest najmniejszą kartą, która to uruchamia. Mniej kompresji potrzebuje więcej: liczby w kolumnie pamięci powyżej są przeliczane dla każdej karty, ponieważ każda z nich trzyma wersję o najmniejszej kompresji, jaką może.

Stable Diffusion XL (SDXL)— czy mogę uruchomić to na GPU trzymając 8 GB?

Tak. Karta CMP 170HX 8 GB, trzymanie 8 GB, uruchamia go przy kompresji Q8_0, używając około 4.3 GB i generując w przybliżeniu 186 tokenów na sekundę. Dopasowanie jest komfortowe.

Stable Diffusion XL (SDXL)— czy mogę uruchomić to na GPU trzymając 12 GB?

Tak. Karta GeForce RTX 3080 Ti, trzymanie 12 GB, uruchamia go przy kompresji Q8_0, używając około 4.3 GB i generując w przybliżeniu 114 tokenów na sekundę. Dopasowanie jest komfortowe.

Stable Diffusion XL (SDXL)— czy mogę uruchomić to na GPU trzymając 16 GB?

Tak. Karta Tesla V100 SXM2 16 GB, trzymanie 16 GB, uruchamia go przy kompresji Q8_0, używając około 4.3 GB i generując w przybliżeniu 141 tokenów na sekundę. Dopasowanie jest komfortowe.

Stable Diffusion XL (SDXL)— czy mogę uruchomić to na GPU trzymając 24 GB?

Tak. Karta GeForce RTX 5090 D V2, trzymanie 24 GB, uruchamia go przy kompresji Q8_0, używając około 4.3 GB i generując w przybliżeniu 167 tokenów na sekundę. Dopasowanie jest komfortowe.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 25 May 2026

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.

Wszystkie modele AI