画像・動画モデルは、言語モデルとは測り方が違います。見積もるべきコンテキスト長はなく、動くかどうかを決めるのは、ComfyUIが工程ごとに読み込むファイルのサイズと、作業用に残るメモリです。以下の数値はすべて、そのファイルから求めています。ここに挙げた11モデルのうち、24GBのGPUでComfyUI公式テンプレートの一式を余裕をもって読み込めるのは8モデル、そのGPUで使える最小のファイルなら10モデルです。
全モデルの比較
ComfyUI公式テンプレートが最も大きい工程で必要とする容量の順に並べています。「最小のGPU」は、このサイトに載せているGPUのうち、テンプレートの一式を余裕をもって（メモリの85%未満で）読み込める最小のものです。
| モデル | 種類 | テンプレートのピーク | ダウンロード | 最小のGPU | 24GBの場合 | ライセンス |
|---|---|---|---|---|---|---|
| Anima | 画像 | 4.4GB | 5.6GB | RTX 5070 | BF16 | 非商用 |
| FLUX.2 · klein 4B | 画像 | 8.0GB | 12.5GB | RTX 5070 | BF16 | Apache 2.0 |
| Qwen-Image-2.1 · テキストから画像 | 画像 | 9.5GB | 26.8GB | RTX 5070 | BF16 | 非商用 |
| FLUX 3 Image Klein · Klein（蒸留版） | 画像 | 9.8GB | 20.8GB | RTX 5070 | BF16 | 非商用 |
| Z-Image · Turbo | 画像 | 12.7GB | 20.7GB | RTX 5080 | BF16 | Apache 2.0 |
| Krea 2 · Turbo | 画像 | 13.4GB | 18.6GB | RTX 5080 | FP8 scaled | Krea 2 Community License |
| Wan 2.2 · テキストから動画（A14B） | 動画 | 14.5GB | 35.6GB | RTX 4090 | FP8 scaled | Apache 2.0 |
| HunyuanVideo 1.5 | 動画 | 19.2GB | 29.0GB | RTX 4090 | FP16 | 地域制限あり |
| Qwen-Image-Edit-2511 | 画像編集 | 20.8GB | 30.2GB | RTX 5090 | FP8 mixed | Apache 2.0 |
| LTX-2.5 · Distilled | 動画＋音声 | 24.3GB | 44.9GB | RTX 5090 | ストリーミング | LTX-2 Community License |
| MiniMax H3 | 動画＋音声 | 24.4GB | 40.1GB | RTX 5090 | W6A8（プルーニング版） | 地域制限あり |
手持ちのGPUでどのモデルが動くか確かめるときや、精度を手動で選ぶときは、ComfyUI 必要VRAMチェッカーを使ってください。Wan 2.5、2.6、2.7、3.0は意図的に載せていません。いずれもオープンウェイトがないためです（2026年10月2日に確認）。GPUが足りないなら、ComfyUIのクラウド料金比較をご覧ください。
各モデル
Anima
CircleStone LabsがComfy Orgと共同で作ったアニメ調の画像生成モデルで、NVIDIAのCosmos-Predict2 2Bをベースにしています。テンプレートのピークは4.4GBです。最小のファイルなら、RTX 5070で読み込めます。
FLUX.2
Black Forest Labsの第2世代のFLUXで、320億パラメータのdev（2025年11月）と、一般向けGPUのために作られた4B・9Bのklein（2026年1月）があります。テンプレートのピークは8.0GBです。最小のファイルなら、RTX 5070で読み込めます。
Qwen-Image-2.1
Qwenが2026年9月に公開した画像生成モデルで、70億パラメータの生成モデルがネイティブで2K出力に対応し、80億パラメータのQwen3-VLをテキストエンコーダに使います。テンプレートのピークは9.5GBです。最小のファイルなら、RTX 5070で読み込めます。
FLUX 3 Image Klein
Black Forest Labsが2026年10月に公開したオープンなFLUX 3のモデルで、56億パラメータの画像生成モデルに2つのバージョンがあります（16ステップでサンプリングし、Black Forest Labs自身のAPIでも使われているステップ蒸留版のKleinと、ファインチューニングやLoRA学習向けの、蒸留していないKlein Base）。テンプレートのピークは9.8GBです。最小のファイルなら、RTX 5070で読み込めます。
Z-Image
Tongyi-MAIの60億パラメータの画像生成モデルで、ここに挙げた中では数少ないApache 2.0のモデルです。テンプレートのピークは12.7GBです。最小のファイルなら、RTX 5070で読み込めます。
Krea 2
Kreaが2026年6月に公開したオープンな画像生成モデルで、120億パラメータのTransformerに2つのバージョンがあります。テンプレートのピークは13.4GBです。最小のファイルなら、RTX 5070で読み込めます。
Wan 2.2
AlibabaのWan 2.2（2025年7月）は、オープンウェイトのWanとしては今も最新のバージョンです。テンプレートのピークは14.5GBです。最小のファイルなら、RTX 5080で読み込めます。
HunyuanVideo 1.5
Tencentが2025年11月に公開した83億パラメータの動画生成モデルで、480pと720pに対応し、既定は121フレーム、別の超解像モデルを使えば1080pに引き上げられます。テンプレートのピークは19.2GBです。最小のファイルなら、RTX 5070で読み込めます。
Qwen-Image-Edit-2511
Qwenが2025年12月に公開した画像編集モデルで、画像と指示を与えて使います。テンプレートのピークは20.8GBです。最小のファイルなら、RTX 4090で読み込めます。
LTX-2.5
Lightricksが2026年8月に公開したオープンな動画生成モデルで、映像と一緒に音声も生成する220億パラメータのTransformerです。テンプレートのピークは24.3GBです。最小のファイルなら、RTX 5090で読み込めます。
MiniMax H3
MiniMaxが2026年8月に公開したオープンな動画生成モデルで、映像と一緒にサウンドトラックも生成します（ステレオ音声、長さは4〜15秒、24フレーム/秒）。テンプレートのピークは24.4GBです。最小のファイルなら、RTX 4090で読み込めます。
数値の求め方
ComfyUIのワークフローは、工程ごとに進みます。テキストエンコーダがプロンプトを埋め込み（embedding）に変換し、必要に応じてプロンプト拡張モデルがプロンプトを書き直し、そのあと拡散モデルがサンプリングしてVAEがデコードします。モデルはノードが必要とした時点で読み込まれ、別のモデルに場所が必要になると退避されます。そのため収まる必要があるのは最も大きい工程で、全ファイルの合計ではありません。Wan 2.2のA14Bモデルは2つのエキスパートが交互に動くので、GPUに載るのは一度に1つですが、ダウンロードは両方必要です。
重みを除いた残りが作業用メモリで、ここはモデルごとに公表しているところがない部分です。解像度・フレーム数・バッチサイズに応じて増え、アテンションのカーネルによっても変わります。そこで各モデルのページでは、ファイルからの計算と並べてメーカーの公表値を原文のまま引用し、それぞれが何を測った数値かを示しています。
- ファイルサイズ：Comfy-Orgが再パッケージしたリポジトリと、各メーカーが公開しているComfyUI用のファイルについて、Hugging FaceのAPIが返す正確なバイト数です。2026年10月16日に取得しました。
- テンプレートの一式：docs.comfy.orgの公式ワークフローガイド（英語）です。各モデルのページからリンクしています。
- GPUのメモリ：各メーカーの仕様で、各GPUページと同じ値です。対象はNVIDIAのGPUのみです。ComfyUIはAMDやAppleシリコンでも動きますが、ここでは算出していません。