メインコンテンツへスキップ

RTX 5070で画像生成AIを7つ比べたら、一番速いやつがほぼ一番優秀だった

    休学中で暇なので、PCに溜まっていた画像生成モデルを全部同じお題で走らせて比べてみました。

    使ったのはVRAM 12GBのRTX 5070。「12GBでどこまで遊べるの?」「結局どれ使えばいいの?」って人向けの、実測の記録です。

    結論から

    画像
    • とにかく速くて失敗しない → FLUX.2 klein 4B(1枚2.6秒)

    • 写真っぽさ重視 → Z-Image Turbo(1枚4.9秒)

    • アニメ絵重視 → Nova Anime XL か Anima系

    • FLUX.1 dev と Chroma は良いけど、12GBだと遅い

    ステップ数が少ない新しめのモデル(klein、Z-Image)が、速いうえに文字も正確に書けて、一番使いやすかったです。

    実験の条件

    • GPU:RTX 5070(VRAM 12GB)/メモリ32GB

    • ツール:ComfyUI

    • サイズ:1024×1024

    • シード:全部42で固定(運の差をなるべく減らすため)

    • 時間:モデルを読み込んだあと、1枚にかかった時間の平均

    • 設定:各モデルとも、自分が普段使っている「だいたいの推奨設定」

    お題は3つ。全モデルに同じ英語のプロンプトを渡しました。

    1. 写真:夜のコンビニの前で、缶コーヒーを持って縁石に座っているパーカーの日本人の若者(フィルム写真風)

    2. アニメ:銀髪ショートの女の子が、暗くて散らかった部屋でゲームしてる。光はモニターだけ

    3. 文字:カフェの黒板看板に「NO EFFORT TODAY(今日は努力しない)」の文字。コーヒーと寝てる猫の落書き付き

    3つめはただの私の座右の銘です。

    画像

    ここはモデルごとの差がいちばん出ました。

    • Z-Image Turbo:一番「本物の写真」っぽい。肌や服の質感がリアル。ただ、人物があんまり日本人っぽくない

    • Juggernaut XL:SDXL世代だけどまだまだ強い。ちゃんと「日本の若者」になってる

    • FLUX.1 dev / Chroma:映画っぽい雰囲気。特にChromaは「ちょっと寂しい」感じが一番出てて好き。でも1枚30〜40秒かかる

    • FLUX.2 klein:きれいだけど、カメラ目線でポーズを取ってて「スナップ写真」感は薄め

    • Nova Anime XL / Anima:アニメ専用モデルなので、「写真」と書いても絵になる。これは仕様

    画像

    アニメは全モデルそこそこ描けます。差が出たのは「アニメっぽさの濃さ」。

    • Nova Anime XL:いちばん今どきのアニメ絵。ただ、モニターの中の文字は謎の言語

    • Anima:部屋の散らかり具合とか、コントローラーを持ってる感じとか、指示の再現度が高い

    • FLUX.2 klein:2.6秒でこれなら十分。ただし「ゲームしてる」がキーボード操作になってた

    • Chroma:青っぽい雰囲気は良いけど、人物が小さくてアニメ絵としては弱め

    画像

    いちばん差がはっきり出たのがここ。

    • 書けた:FLUX.2 klein、Z-Image、Anima、FLUX.1 dev、Chroma

    • ダメだった:Nova Anime XL(「MORING CAFE」とか謎の文章になった)、Juggernaut XL(「NO EFFORT CAFE TODAY」+謎の英語)

    SDXL世代(NovaとJuggernaut)は文字が苦手、それより新しいモデルはだいたい正確に書ける、という分かりやすい結果になりました。

    意外だったのがAnima。アニメ専用なのに、看板の文字も猫の落書きも完璧でした。

    速さについて

    1枚あたりの時間(モデル読み込み後):

    • FLUX.2 klein 4B:2.6秒

    • Z-Image Turbo:4.9秒

    • Nova Anime XL:7.2秒

    • Juggernaut XL:9.3秒

    • Anima:15.0秒

    • FLUX.1 dev(Q4):25.5秒

    • Chroma1-HD:38.0秒

    いちばん速いのと遅いので約15倍の差。kleinなら、Chromaが1枚描く間に14枚描けます。

    速さの差はほぼ「ステップ数(絵を仕上げるまでの手順の回数)」で決まってて、klein(4回)やZ-Image(8回)みたいな「少ない回数で仕上げる」系のモデルが圧倒的に速いです。

    まとめ:VRAM 12GBならこう使い分ける

    • 普段使い・大量に作りたい → FLUX.2 klein 4B

    • リアルな写真がほしい → Z-Image Turbo

    • アニメ絵がほしい → Nova Anime XL(文字を入れないなら)か Anima(文字も入れたいなら)

    • 雰囲気重視で1枚にこだわる → Chroma(待てるなら)

    正直、12GBでも新しいモデルなら全然遊べます。むしろ「速いモデルでたくさん出して当たりを拾う」ほうが、遅いモデルで1枚ずつ待つより楽しいです。

    注意書き

    • シード1つ・お題3つだけの比較なので、「このモデルが絶対上」という話ではないです

    • 設定(ステップ数やサンプラー)を詰めれば、各モデルもっと良くなります

    • 速さはPCの状態によって多少変わります

    あなたへのおすすめ