
MOSS-ImageのComfyUI導入と速度比較
MOSS-Imageとは
OpenMOSSが公開した、文章から画像を作るモデルだ。BaseとSFTの2種類があり、SFTはBaseを選んだデータで追加学習した版。今回はSFTを使った。
公式は長い文章での指示や、画像内の文字に強いとしている。
画像生成モデルはComfyUI上では大きく3つの部品で動く。

MOSS-Imageの特徴は、文章モデルが90億パラメータと大きいことだ。12GBのGPUでは、この文章モデルの扱いが速度を左右した。
FLUX.2 VAEとは
画像モデルは画像を小さく圧縮した数値の配列の上で絵を作り、最後にVAEがそれを画像に戻す。MOSS-Imageが使うのは、Black Forest LabsがFLUX.2のために作ったFLUX.2 VAEだ。

数値が多いほど、細部を失わずに画像へ戻せる。
環境
GPU:RTX 3080 Ti(VRAM 12GB)
RAM:64GB
Windows 11上のDocker Desktop / WSL2
ComfyUI 0.41.0(最後の2節はv0.42.0)
PyTorch 2.11.0+cu130
ディスク:モデルで約13.1GB。8ステップ用LoRAも入れると約14.3GB
私はDockerで動かしたが、手順は通常のComfyUIでも同じだ。
1. ComfyUI 0.41.0以降への更新
ComfyUI 0.41.0以降には、MOSS-Imageを読む処理が標準で入っている。画像モデルは UNETLoader、文章モデルは CLIPLoader で type に moss_image を選ぶと読み込める。
公式リポジトリにはComfyUI Manager向けのプラグインも用意されている。標準ノードで動く版のComfyUIなら、こちらは入れなくてよい。
2. PyTorchのCUDA 13.0版への入れ替え
ここで一度つまずいた。最初はPyTorch 2.11.0のCUDA 12.8版(cu128)で動かしていて、起動ログに「NVIDIA向けの現在の高速カーネルにはcu130以上が要る」という警告が出ていたのを見落としていた。ComfyUIのインストール説明でも、RTX 20系以降にはcu130以上を指定している。
これはMOSS-ImageやRTX 3080 Tiの制約ではなく、ComfyUIの条件だ。ComfyUIは量子化した重みの計算に専用の高速処理(comfy-kitchen)を使い、これがcu130以上のPyTorchでしか有効にならない。MOSS-Imageの配布版はINT8やW4A8に量子化されているので、この高速処理が効く。cu128でも生成はできたが、起動ログでは高速処理が無効のままだった。
PyTorch本体のバージョンは変えず、CUDAビルドだけをcu130に入れ替える。
pip install torch==2.11.0+cu130 torchvision==0.26.0+cu130 torchaudio==2.11.0+cu130 --index-url https://download.pytorch.org/whl/cu130入れ替えたら、起動ログからこの警告が消えたことを確かめる。
3. モデルの配置
重みはComfyUI向けに変換されたComfy-Orgの配布版を使った。ComfyUIの models フォルダーの下に、次の3ファイルを置く。

Hugging FaceのCLIを使うなら、ComfyUIのフォルダーで次のように取得できる。
hf download Comfy-Org/MOSS-Image diffusion_models/moss_image_sft_int8_convrot.safetensors text_encoders/qwen3.5_9b_w4a8_gptq.safetensors vae/flux2-vae.safetensors --local-dir modelsINT8やW4A8は、重みを小さな数で表して容量を減らした版(量子化)だ。文章モデルにはINT8版(約9.75GB)もある。12GBのGPUではW4A8版のほうが速い。差は最後の節で比べる。
4. ワークフローの構成
公式の推奨設定はEuler、50ステップ、CFG 3、shift 5、さらに「無条件側でlayer 22を飛ばす」設定だ。これをComfyUIの標準ノードで組むと、次の形になる。

SkipLayerGuidanceDiTSimple は、公式ガイドが推奨する画質向上の設定(SLG)だ。画像モデルの出力を、KSampler に渡す前に通す。
shiftはモデル側の既定値5のまま使える。shiftを変えるための ModelSamplingSD3 はつながない。
縦横は16の倍数にする。公式は100万〜200万画素(正方形なら1024×1024〜1408×1408あたり)を推奨している。
5. 起動オプション
私の環境では次の起動オプションで落ち着いた。
python main.py --fp32-vae --enable-dynamic-vram --disable-async-offload --disable-comfy-compiler --disable-all-custom-nodes効いたのは --enable-dynamic-vram(VRAMの使い方を動的に管理する)だ。これがないと、cu130でも再起動直後の1枚が222秒かかった。--disable-async-offload(転送を同期で行う)の差は数秒だった。
生成例
最初の生成では原神のキャラクターを名前と作品名だけで指定した。プロンプトは次の英文で、髪色や衣装の細部は書いていない。キャラクター用のLoRAも参照画像も使っていない。
High-quality anime illustration of Hu Tao (胡桃) from Genshin Impact (原神), wearing her original default outfit. Solo character, thigh-up portrait, looking at the viewer, simple light background, detailed face and costume, clean line art, soft shading. No text, no watermark.
帽子、髪、瞳、衣装は胡桃と分かる程度に出た。キャラ名を入れ替えた雷電将軍も同じだ。

紫の髪、髪飾り、衣装の色と形は出ている。衣装の模様や装飾は原作どおりではなく、アレンジされている。
Danbooruタグでの生成
アニメ系の画像モデルでは1girl, solo, long hair のように、イラスト投稿サイトDanbooruのタグを並べて書くことが多い。MOSS-Imageでも、このタグの書き方が効くかを試した。
タグだけで、キャラクター名も、髪や服などの指定も、文章で書いたときと同じように効いた。 試したのは4つのプロンプトを、seed 42と43で2枚ずつ。設定は通常版(50ステップ、CFG 3)のままだ。
まず、キャラクター名のタグだけで胡桃を出した。
hu tao (genshin impact), genshin impact, 1girl, solo, cowboy shot, looking at viewer, simple background, white background
髪、瞳、帽子、衣装は書いていないが、2枚とも胡桃と分かる姿で出た(seed 42の1枚は帽子がなかった)。
次に、同じ内容をタグと文章で書き分けた。
1girl, solo, silver hair, short hair, blue eyes, maid, maid headdress, holding tray, smile, upper body, simple background, white backgroundAn anime illustration of a girl with short silver hair and blue eyes, wearing a maid outfit with a maid headdress, holding a tray and smiling. Upper body, simple white background.
銀髪の短い髪、青い瞳、メイド服、ヘッドドレス、お盆、笑顔。指定はどちらも全部出て、仕上がりもほぼ同じだった。
最後に、Danbooru特有の言葉だけを並べた。ahoge(アホ毛)、heterochromia(左右で色の違う瞳)、zettai ryouiki(スカートとニーハイの間の肌)、dutch angle(傾けた構図)などだ。
1girl, solo, ahoge, heterochromia, red eyes, blue eyes, sailor collar, zettai ryouiki, thighhighs, from above, dutch angle
2枚とも、アホ毛、赤と青の瞳、セーラー襟、ニーハイ、上からの構図が出た。
生成時間
この胡桃の1枚目はcu128のままで192.9秒かかった。続けて雷電将軍を流すと、GPUは動いているのに画像がなかなか出てこなかった。
2〜5の設定にしたあとは、次のようになった。
再起動直後の1枚目:63.3秒
文章を変えた2枚目以降:37.0〜37.4秒
1枚目が長いのは、モデルの読み込みが入るからだ。
8ステップ版(DMD8)
MOSS-Imageの推奨は50ステップだ。8ステップで出すには、lodestones氏が公開している少ステップ用のLoRAを使う。50ステップ・CFG 3の結果を8回の計算でまねるように学習したもので(DMDという蒸留の手法)、この記事ではDMD8と呼ぶ。公式の推奨設定ではない。
lora.safetensors(1.19GB)を models/loras/ に置き、標準の LoraLoaderModelOnly で画像モデルにつなぐ。設定は作者の案内どおり、強度1.0、8ステップ、CFG 1、SLGなしにした。
同じseedで、50ステップ(SLGなし)とDMD8を並べた。

構図と衣装はほぼ同じで、ポーズや手の位置が少し変わる。DMD8のほうが背景が白く、色が明るい。読み込み後の1枚は、50ステップの30.9秒に対してDMD8は3.3秒だった。
ComfyUI v0.42.0での速度
ComfyUI v0.42.0が出たので、上げて旧版と測り比べた。速さは変わらなかった。


v0.42.0で速くなりそうだったのは、W4A8の文章モデルの計算だ。だがプロンプトを変えたときの文章処理は、どちらの版でも約1秒しかかからない。縮む余地がもともとなかった。
50ステップの再起動直後だけ、65.2秒から59.8秒に縮んでいる。差はVAEの初回の時間だけで、ここは版を変えなくても前からばらついていた。
この計測ではSLGを外している。同じ文章は3回の中央値、文章を変えた場合は2回の平均、再起動直後は1回ずつの計測だ。
量子化とAnimaとの比較
同じv0.42.0で、MOSS-Imageの量子化を変えた版と、Animaを並べて測った。いちばん速かったのは、この記事の標準の組み合わせ(画像モデルINT8、文章モデルW4A8)だ。
文章INT8:文章モデルをINT8版(9.75GB)に替えた
画像W4A8:画像モデルをtsolful氏のW4A8 GPTQ版(3.84GB)に替えた


文章INT8はプロンプトを変えると遅くなる。50ステップで59.9秒と、標準の33.3秒の倍近い。文章処理だけでなくサンプラーとVAEも遅くなるので、VRAMに収まりきらずモデルの入れ替えが起きていると見ている。同じ文章の連続生成も31.6〜41.6秒とばらついた。
画像W4A8は、ファイルはINT8版(5.41GB)より小さいが、計算は遅い。1ステップ0.80秒で、INT8版の0.60秒より長く、50ステップで40.6秒かかった。
Animaは同じ文章の連続生成ならMOSS-Imageの標準と同じ速さだった(50ステップで31.0秒と30.9秒、8ステップで3.3秒どうし)。再起動直後はAnimaが速い。50ステップで50.3秒と59.8秒、8ステップで22.7秒と38.8秒。50ステップでは差のほとんどが文章処理で、文章モデルが小さいAnimaは読み込みが短い。8ステップでは文章処理が差の半分で、残りはサンプラー側だった。
計測の数え方は前の節と同じだ。Anima Baseは1回目の計測で同じ文章が34.8秒と遅く出たので、測り直した値を使った。
MOSS-Imageの量子化ごとに、出てきた絵も並べた。胡桃はseed 43、雷電将軍はseed 46だ。


量子化を変えても、絵の大筋は標準と同じだった。手の位置や持ち物など、細部が変わる。
参考
Comfy-Org/MOSS-Image(使用リビジョン 7c5a8777422f0aa8a24ea549dffeaf8ee6e1fc41)