Stable Diffusion・SDXL・FLUX・Qwen-Imageはどう選ぶ？

画像生成モデルを選ぶとき、「どれが一番きれいか」だけでは決めにくい。

Stable Diffusion系、SDXL、FLUX、Qwen-Imageでは、使う仕組み、必要なファイル、ライセンス、周辺の拡張、メモリの使い方まで違うからだ。

最初は、何を作りたいか → どの環境で使いたいか → ライセンス条件に合うか → 自分のPCで動かせるかの順で絞る。

図を拡大して見る

図: 主な比較軸を1枚に整理。細かな条件は本文と表で確認する。

同じ「チェックポイント違い」と考えない

これらは、同じ仕組みにモデルファイルだけ差し替えれば必ず動く関係ではない。

系列	最初に確認すること
Stable Diffusion系	使うチェックポイントに対応する実行方法・ライセンス・拡張
SDXL	Base、必要ならRefiner、対応するLoRAやControlNet
FLUX	FLUX向けの実行方法、派生版、ライセンス、メモリ条件
Qwen-Image	専用の実行方法、モデル情報、ライセンス、必要ファイル

ComfyUIを使う場合も、読み込みノード、テキストエンコーダー、VAEなど必要な構成が変わることがある。

別系列のワークフローへチェックポイントだけを差し替えて動くとは限らない。

SDXLは既存資産を使いたいときに確認しやすい

Stability AIのSDXL 1.0公式情報では、Baseだけでの生成に加え、Refinerを組み合わせる二段構成も示されている。

SDXL向けのLoRA、ControlNet、ComfyUIワークフローなど、既存資産を使いたい場合は、それらが自分の目的に対応するか確認する。

ただし、SDXLだから常に軽いという意味ではない。解像度、バッチ数、精度、VAE、オフロードなどでメモリ条件は変わる。

FLUXは専用の実行方法とメモリ条件を見る

Hugging Face DiffusersではFLUX向けの実行方法が別に用意され、GPUメモリを抑えるためのCPUオフロードや分割処理なども案内されている。

FLUXを選ぶ場合は、「SDXLより新しいから置き換える」と考えるより、使うFLUXの種類、ライセンス、公式の実行方法、メモリ条件を一組として確認する。

未測定のGPUについて「○GBなら必ず快適」と一律には決めない。

Qwen-Imageは公式情報と専用構成から始める

Qwen-Imageも専用のDiffusers利用例が公開されている。

配布ファイルの容量やモデル規模を、そのまま必要VRAMへ置き換えることはできない。精度、各構成要素の配置、オフロード、解像度などが実行時のメモリ使用量へ影響する。

画像内の文字描画など、提供元が強みとして説明する能力を重視する場合は、自分が使う日本語や構図で実際に確かめる。

ライセンスは実際に使う配布先を見る

同じ系列でも、公式モデル、コミュニティの追加学習版、LoRA、ControlNetで利用条件が異なる場合がある。

商用利用や再配布を考えるなら、系列名だけで判断せず、実際に取得する配布ページとライセンスを確認する。

PC条件は実際のワークフローで確認する

PCで動くか判断するときは、ファイル容量だけではなく実際の生成条件を見る。

• どの精度を使うか
• CPUへのオフロードを使うか
• 解像度はいくつか
• バッチ数はいくつか
• テキストエンコーダーやVAEをどこへ置くか

候補を一つの系列まで絞ったら、まず公式に近い最小構成を一つ動かす。その後でコミュニティのチェックポイントや追加ノードへ広げると、モデル自体の問題とワークフローの問題を分けやすい。

画像から画像を作る基本操作を試したい場合は、ComfyUIで画像から画像へ生成するときのノイズ除去設定も確認できる。