Локальные модели для генерации изображений: что выбрать
Локальные модели для генерации изображений: сравниваем SD 3.5 Medium, FLUX.1 schnell и Qwen-Image по задаче, памяти, рабочему комплекту и собственной пробе.
Евгений
Дизайнер-партнёр LibraChat
14 мин чтения
Название модели я могу выбрать за минуту. Рабочий комплект для неё — совсем другая часть задачи. Нужны сами веса, способ запуска, подходящие настройки и возможность вернуться к принятой иллюстрации после правки. Поэтому локальные модели для генерации изображений я сравниваю на будущем процессе, а не по одному красивому примеру разработчика.
Возьму дизайнерскую задачу: серия изображений бумажной театральной декорации для афиши. В первой версии нужен маленький картонный дом с видимыми сгибами, во второй меняется свет, в третьей — положение одного окна. Мне важно не только получить картинку, но и понять, насколько удобно удерживать выбранную конструкцию при следующих попытках.
Ниже документальное сравнение Stable Diffusion 3.5 Medium, FLUX.1 schnell и Qwen-Image по первичным карточкам, проверенным 21 ноября 2026 года. Я не запускал здесь общий стенд и не измерял скорость этих моделей. Предлагаю критерии и план собственной пробы; неизвестные результаты не заполняю чужими рекламными оценками.
Локальные модели для генерации изображений: критерии до скачивания
Сначала разделяю модель и программу, которая её запускает. Название интерфейса не говорит, какой именно чекпойнт внутри выбран. А одно семейство может включать варианты для разных задач и с разными условиями. Запись «у меня FLUX» для сравнения слишком короткая.
Я бы сохранил точное название модели, её версию и способ запуска. Затем описал результат человеческим языком: иллюстрация без надписи, надпись внутри картинки или работа с уже существующим изображением. Это не взаимозаменяемые поручения.
Управляемое расположение окна и свободного места под афишу.
Возможность повторить выбранный маршрут с сохранёнными настройками.
Приемлемый расход памяти на конкретном устройстве.
Понятные условия использования выбранных весов.
Текст афиши я пока набираю отдельно. Так проба проверяет форму и композицию. Позже можно добавить независимое задание на буквы, если они действительно нужны внутри иллюстрации. Иначе удачная вывеска отвлечёт от того, что картонный дом стал каменным.
Мне приходилось выбирать инструмент по удачному первому кадру. После следующей просьбы окно переезжало, а бумага становилась похожей на пластик. Теперь я заранее записываю правку, которую попрошу во второй версии. Она показывает управляемость лучше, чем ещё один несвязанный красивый сюжет.
Ниже рассматриваю генерацию по тексту. Если задача требует редактировать конкретную фотографию, нужно отдельно проверить соответствующий сценарий и компоненты. Знакомое имя семейства не подтверждает, что любая его сборка принимает нужный исходник.
Stable Diffusion 3.5 Medium: определить полный комплект
В официальной карточке Stable Diffusion 3.5 Medium описана генерация изображений по тексту и приведены пути локального запуска через ComfyUI и Diffusers. В публикации выпуска разработчик указывает 2,5 миллиарда параметров. Это конкретный вариант Medium, а не все модели со словами Stable Diffusion.
Меня здесь интересует понятная точка входа в работу с одним базовым сценарием. Для бумажного дома я бы сначала сохранил рекомендованный маршрут, размер изображения и описание материала. Не добавлял бы сразу несколько посторонних дополнений, потому что потом трудно понять, какой компонент изменил результат.
У модели указана Stability AI Community License. Условия конкретной версии нужно прочитать перед выбранным применением; название лицензии не заменяется общим словом «открытая». Для сравнения я записываю его рядом с названием весов, чтобы позже не смешать файлы из разных источников.
Особенно внимательно читаю цифру памяти в публикации разработчика. Для Medium там приведено 9,9 ГБ видеопамяти без текстовых энкодеров. Это существенная часть формулировки. Превратить её в утверждение «весь процесс точно помещается в такую карту» нельзя.
Для своей афиши я проверял бы две вещи отдельно. Первая — выполняется ли выбранный сценарий на устройстве при нужном размере. Вторая — сохраняется ли бумажная конструкция после заранее заданной правки окна. Успешный запуск не доказывает второго, а понравившаяся картинка не сообщает, удобно ли повторять процесс.
Если какой-то этап требует менять сразу модель, интерфейс и настройки памяти, я бы остановил сравнение и записал новую конфигурацию отдельной строкой. Иначе следующая попытка уже относится к другому рабочему комплекту, хотя имя Medium на экране осталось прежним.
FLUX.1 schnell: мало шагов не означает мало памяти
FLUX.1 schnell в карточке Black Forest Labs описан как модель на 12 миллиардов параметров для генерации по тексту. Заявлен режим в один–четыре шага; указана Apache 2.0. Для локального использования приведены ComfyUI и Diffusers. Я рассматриваю именно schnell, без переноса условий соседних вариантов FLUX.
Короткая последовательность вычислений делает эту модель интересным кандидатом для частых проб композиции. Но по числу шагов я не называю её самой быстрой на любом компьютере. Время зависит и от устройства, и от размера картинки, и от того, как размещены компоненты.
В официальном примере Diffusers у schnell заданы собственные параметры, в том числе нулевой guidance scale. Это причина брать исходную настройку из её документации. Перенести набор чисел от другой модели и потом удивляться результату — плохой способ сравнения.
Для бумажной сцены я предложил бы сначала проверить общий вид дома и свет. Затем вернуть исходный бриф и изменить только положение окна. Число шагов оставил бы в пределах подходящего маршрута. Увеличение любого параметра само по себе не является доказанным улучшением.
У крупного набора весов может быть короткий режим генерации. Эти свойства не противоречат друг другу: количество шагов относится к повторению расчёта, а размер весов — к тому, что нужно хранить и загружать. Для выбора устройства мне нужны обе части картины.
Я бы оставил schnell в первом круге сравнения, если часто перебираю расположение предмета и готов проверить именно этот короткий сценарий. Если же моя главная задача — сохранить конкретную фотографию клиента, сначала выясню подходящий способ работы с таким входом. Одно имя FLUX не отвечает за все возможности семейства.
Qwen-Image: отдельная проверка текста внутри рисунка
В карточке Qwen-Image указаны 20 миллиардов параметров и Apache 2.0. Разработчики выделяют работу со сложными надписями, особенно на китайском языке, и дают пример генерации по текстовому описанию. Это основание включить модель в пробу, если типографика действительно является частью задачи.
Для русской афиши я не стал бы выводить правильность букв из демонстрации на другом языке. Можно отдельно задать короткое контрольное слово и прочитать его на каждом полученном изображении. Это будет собственная проверка, а не обещание из названия модели.
У бумажного театра я бы разделил два задания. В первом дом и сгибы остаются без надписей. Во втором на маленькой табличке появляется короткое слово «СБОР». Так можно увидеть, не разрушилась ли композиция, пока я смотрел на буквы.
Если оба задания смешать сразу, сравнение станет трудно объяснить. Одна модель может дать интересную форму дома и ошибочное слово, другая — читаемые буквы и неверный материал. Для выбора полезнее записать оба наблюдения, чем свести их к одной общей оценке «красиво».
Функции соседних решений с похожим именем я проверял бы отдельно. Здесь выбран Qwen-Image и текстовая генерация. Обсуждение других вариантов Qwen для правки изображений не превращает автоматически этот рабочий сценарий в универсальный редактор любого исходника.
Такой кандидат требует внимания к ресурсам всего комплекта. Большое число параметров не делает модель непригодной заранее, но и слово «локально» не уменьшает их само. Я бы сначала проверил доступный способ размещения компонентов, а затем решал, нужен ли мне именно этот набор для поставленной задачи.
Локальные модели для генерации изображений и память
Для грубой арифметики возьму ровно 12 миллиардов числовых значений и по два байта на каждое. Получится 24 миллиарда байт, то есть 24 ГБ в десятичном счёте. Это только условное хранение выбранного набора весов. Из него нельзя вывести полную потребность рабочего процесса в видеопамяти.
Внутри комплекта есть и другие части. Текстовое описание обрабатывается энкодером, изображение проходит свои стадии, при вычислении нужны промежуточные данные. Указанная разрядность и выбранный способ размещения тоже имеют значение. Поэтому сравнивать одну цифру параметров с объёмом карты недостаточно.
Документация Diffusers описывает перенос компонентов между GPU и CPU. Вариант model offloading перемещает целые компоненты; sequential CPU offloading делает это более мелкими частями и может сильно замедлять работу. Экономия памяти и скорость здесь связаны конкретным способом исполнения, а не названием картинки.
Я бы различал три записи: сколько места нужно для файлов, сколько доступно системной памяти и сколько видеопамяти занимает выбранный запуск. Это разные величины. Если файл хранится на большом накопителе, из этого не следует, что нужное вычисление целиком помещается на видеокарте.
Для первого сравнения мне полезнее рабочая конфигурация с понятным обменом скорости и памяти, чем универсальная фраза «запустится на любом ноутбуке». Если пришлось включить перенос компонентов, записываю это условие рядом с замером. Иначе я сравню один полный запуск на GPU с другим, который постоянно передаёт данные через CPU.
Сжатая или изменённая сборка весов тоже требует собственной записи. Её автор, формат и сценарий могут отличаться от исходного комплекта. Я не объявляю такую версию эквивалентной оригиналу по одному похожему имени файла. Для своей серии иллюстраций сначала хочу понять, какой именно вариант удалось запустить и сохранить.
Локальные модели для генерации изображений: матрица выбора
Соберу документальные особенности и вопросы к собственной пробе в одну таблицу. Последняя колонка относится к моему бумажному театру. Она не содержит результатов, которых я не измерял.
Модель · Что зафиксировано у разработчика · Почему включаю в пробу · Что проверю у себя
Stable Diffusion 3.5 Medium — Текстовая генерация; 2,5 млрд параметров; Community License — Базовый локальный маршрут с отдельно учтёнными компонентами — Полный расход памяти и сохранение бумажной конструкции
FLUX.1 schnell — 12 млрд параметров; один–четыре шага; Apache 2.0 — Короткий режим для вариантов композиции — Время до подходящей правки при его собственных настройках
Qwen-Image — 20 млрд параметров; Apache 2.0; акцент разработчика на тексте — Отдельная задача с короткой надписью внутри сцены — Буквы выбранного слова и материал дома независимо друг от друга
Лицензии и способы доступа я сверяю у конкретных выбранных весов. Наличие публичной карточки ещё не означает, что все файлы скачиваются без принятия условий. В этой работе я читал открытые описания, не входил за пользователя в аккаунт и не принимал соглашения для загрузки модели.
В таблице нет победителя по качеству. Для такой строки нужны сопоставимые результаты. Пока есть три обоснованных кандидата и разные причины их рассмотреть. Это уже помогает не скачивать подряд всё, что встретилось в подборке.
Мне нравится начинать с одного кандидата, подходящего по условиям и понятному маршруту запуска. Следующего добавляю, когда у первой пробы появился ясный предел. Например, композиция устраивает, но обязательная надпись не читается. Тогда сравнение отвечает на предметный вопрос.
Как провести собственную пробу на общем брифе
Для трёх моделей сохраняю одно намерение, но не навязываю одинаковые служебные параметры. Число шагов, guidance и допустимые размеры беру из подходящего сценария каждой модели. Иначе проверка может измерить не полезность кандидата, а ошибку перенесённой настройки.
Предлагаемый общий бриф для иллюстрации:
Маленькая театральная декорация в виде дома из плотного оранжевого картона. Вид спереди немного сверху, ясно различимы сгибы и толщина бумажных кромок. Одно квадратное окно расположено справа от двери. Дом стоит на простой сценической подставке, свет мягкий слева. На фоне остаётся спокойное свободное пространство для будущей афиши. Материал должен выглядеть картоном, без каменной кладки и стеклянного блеска. Надписей внутри изображения пока нет.
Сначала я бы проверил, можно ли получить подходящую конструкцию. Затем изменил только положение окна: слева от двери вместо правой стороны. Такой запрос имеет конкретный критерий. Если заодно поменялись материал и форма крыши, правка не принята лишь потому, что окно переехало.
Порядок будущей пробы у меня такой:
Записать точные веса, сценарий запуска и исходные настройки.
Сохранить один базовый результат с понятным именем и параметрами.
Оценить материал, силуэт и место для афиши по отдельным пунктам.
Провести заранее выбранную правку окна подходящим для сценария способом.
Зафиксировать время и число действий до версии, которую действительно можно оставить.
Повторить тот же смысловой маршрут с другим кандидатом, сохранив его собственные настройки.
Результаты для бумажного дома ещё предстоит получить на выбранном устройстве. Я не публикую придуманные секунды и не рисую рейтинг качества без изображений. В своём журнале можно оставить пустое поле, пока наблюдение не получено. Оно полезнее уверенной цифры из несопоставимого чужого компьютера.
Если нужен контроль над буквами, после базовой сцены добавляю отдельную короткую пробу с табличкой «СБОР». Проверяю каждую букву и место таблички. Принятая надпись не должна скрывать то, что дом уже перестал соответствовать первому заданию.
Seed я сохраняю внутри каждой конфигурации как часть записи запуска. Не ожидаю, что одинаковое число в разных моделях даст одинаковое расположение дома. Для сравнения общий смысл задания важнее такого совпадения цифр.
Как выбрать первый маршрут под свою работу
Если задача начинается с повторяемых эскизов без надписей, я бы сначала взял тот из поддерживаемых комплектов, который проще проверить на своём устройстве. Для Medium это означает учесть энкодеры вместе с остальной частью сценария. Для schnell — использовать его короткий режим корректно, не подгоняя его под чужой набор параметров.
Если надпись является обязательной частью картинки, включил бы Qwen-Image в отдельное сравнение текста. При этом оставил бы возможность набрать финальные слова в редакторе. Выбор модели для визуальной сцены не обязан зависеть от того, какой генератор лучше угадал одну декоративную табличку.
При жёстком ограничении памяти сначала проверю документированный способ размещения компонентов. Если рабочее ожидание оказывается неудобным для частых правок, это практическая причина изменить комплект. Количество параметров не должно превращаться в соревнование, в котором важность задачи забыта.
Для редких общедоступных брифов можно начать с облачного изображения, если такой способ подходит материалам и условиям работы. В LibraChat удобно сначала сформулировать предмет, материал и одну будущую правку. Дальнейший локальный запуск остаётся выбранным отдельным процессом, без переноса его весов и настроек в текстовый чат.
Более общий выбор между местным рабочим комплектом и сервисом разобран в статье про локальную нейросеть для генерации изображений. Здесь решение уже внутри трёх конкретных моделей. Для облачной части своего плана можно сопоставить тарифы LibraChat с нужными задачами, не называя её автономным запуском.
Что сохранить после принятой пробы
Я бы оставил рядом с иллюстрацией короткую карточку комплекта: точное имя весов, их версию, интерфейс, настройки размера и размещения компонентов. Отдельно — исходный бриф, формулировку принятой правки и причину выбора. Через месяц это помогает восстановить процесс, а не угадывать его по имени картинки.
Для серии особенно важна причина. «Понравился первый дом» трудно использовать снова. «Получилось оставить картонные кромки и перенести окно без смены силуэта» уже описывает пригодность. Следующий материал можно оценить тем же способом и заметить, где прежняя конфигурация перестала помогать.
Локальные модели для генерации изображений дают разные исходные маршруты. Попробуй выбрать один и заранее записать второе действие над картинкой. До скачивания следующего набора весов реши, какой недостаток первой пробы он должен устранить. Тогда коллекция названий превратится в рабочий выбор для собственной афиши.