超全测试：32GB专业显卡 vs 最强消费级显卡

近期 ComfyUI 社区小伙伴们用 RTX 5000 Ada 专业显卡测试了 Flux.1[dev] 模型，并与最强消费级显卡对比大场景实际应用中的性能表现。

测试项目：

• Flux.1 文生图

• Flux.1-dev FP8 训练

• Flux.1 生成不同分辨率图片

• Flux.1 生成人物大模型+Lora+高清分辨率修复

• Flux.1 测试 ControlNet 使用 Tile 高清修复

文生图

设置尺寸均为1024*1024，采样步数为50。

工作流：

下图是 RTX 5000 Ada 开启不同 Batch size 的显存情况以及生成图片的所耗时间。

RTX 5000 Ada 至多可支持 Batch size 到 27，消费级显卡最多开启 Batch size 到 10。

详细测试结果：

开启 Batch size 为20的显存情况：

迭代一步时间逐渐稳定在14秒左右，整个流程花费时间755秒，大约为12.5分钟。

开启 Batch size 为24的显存情况：

迭代一步时间逐渐稳定在17.5秒左右，整个流程花费时间890秒，大约为14.8分钟。

开启 Batch size 为27的显存情况：

显存已到达极限，RTX 5000 Ada Flux 生图最大 Batch size 为27。

迭代一步时间逐渐稳定在19.5秒左右，整个流程花费时间1014秒，大约为16.9分钟。

Flux 训练

训练参数：

3000步 Flux 训练进程信息：

显存占用约30GB，训练时间花费26729秒，大约7.45个小时，迭代一步花费时间在8.6秒左右。

5000步 Flux 训练进程信息：

训练时间花费43174秒，约为11.99小时。

在 Flux 训练过程中，由于消费级显卡最多只有24GB，而当 Batch size 开到6时，显存占用就已到30GB，消费级显卡 的24GB显存无法支持更深的 Flux 训练，因此 RTX 5000 Ada 的32GB显存能够支持更深度的训练，有着更强的生产力。

测试生成不同分辨率图片的所耗时间

统一 Batch size 为4，采样步数为50，测试结果如下：

测试人物大模型+Lora+高清分辨率修复

(统一迭代步数和生成批次数量)

工作流：

用 Flux 人物大模型加上 Lora 出图，并将图片尺寸从1080*1920高清修复为2160*3840，共用时302秒，约5分钟。

测试 ControlNet 使用 Tile 高清修复

后台进程：

工作流：

显存占用22GB，修复一张图片花费23.94秒。此场景消费级显卡较为勉强。

测试结论

从上述五项测试中可以看到在高 Batch size 场景下，RTX 5000 Ada 有着更大的显存容量可以支持更深度的 AI 生图和训练。