SDXL für Anfänger: ComfyUI Low VRAM Leitfaden

Warum „wenig VRAM“ noch keine Diagnose ist

Die Speichergröße allein beschreibt ein System nicht ausreichend. Für eine überprüfbare Fehlersuche werden Betriebssystem, Beschleuniger, Treiber oder Backend, installierter Gerätespeicher, Arbeitsspeicher, Python- und PyTorch-Version, ComfyUI-Stand, Workflow, Modelldateien, Startbefehl und speicherwirksame Umgebungsvariablen benötigt. Ohne diese Angaben lässt sich eine fremde Einstellung nicht zuverlässig auf das eigene System übertragen.

Die offiziellen ComfyUI-Systemanforderungen sind die maßgebliche Quelle für aktuelle Plattform- und Beschleunigerunterstützung. Die offizielle Übersichtsseite zur Fehlerbehebung beschreibt die gegenwärtig dokumentierten Optionen bei Speicherdruck. Ändert sich die Upstream-Dokumentation, hat sie Vorrang vor dieser erhaltenen Seite.

Der sichere Einstieg in fünf Schritten

1. Kompatibilität zuerst klären. Betriebssystem und Beschleuniger mit den aktuellen offiziellen Systemanforderungen vergleichen. Preis, Alter oder Produktklasse einer GPU sind kein Beleg für Unterstützung.
2. Einen Ausgangslauf festlegen. Workflow, Modelle, Prompt, Seed, Abmessungen, Batch, Schritte, Sampler, Scheduler und Ausgabeformat unverändert lassen. Den exakten Startbefehl und relevante Umgebungsvariablen notieren.
3. Den Fehlerort erfassen. Konsolenmeldung sichern und unterscheiden, ob das Problem beim Laden, Sampling oder Dekodieren auftritt. Auch ein fehlgeschlagener Lauf gehört in den Datensatz.
4. Nur eine dokumentierte Bedingung wählen. Die gepflegte Methodik führt neben dem Ausgangslauf --lowvram, --preview-method none, eine erklärte Verringerung der Arbeitslast und --cpu als Kompatibilitätsausweichweg. Vor dem Test ist zu prüfen, ob die aktuelle offizielle Dokumentation die Option weiterhin beschreibt.
5. Vergleichen statt stapeln. ComfyUI zwischen den Laufgruppen neu starten und zunächst nur eine Änderung gegenüber dem Ausgangslauf untersuchen. Mehrere gleichzeitig geänderte Einstellungen verdecken die Ursache.

Zwei Speicherkennzahlen, zwei Bedeutungen

torch.cuda.max_memory_allocated() meldet laut offizieller PyTorch-Dokumentation den Höchstwert des Speichers, den vom CUDA-Allocator erfasste Tensoren belegen. Das ist nicht der gesamte Gerätespeicher des Prozesses, der Laufzeit oder des Treibers.

Ein Gerätewerkzeug beobachtet dagegen eine gerätebezogene Größe in Abständen. Für NVIDIA verweist die Methodik auf nvidia-smi und verlangt die Angabe des Abtastintervalls sowie der dokumentierten Einschränkungen. Der höchste Stichprobenwert und der PyTorch-Allocator-Höchstwert müssen getrennt benannt und mit eindeutigen Einheiten veröffentlicht werden.

Wann aus einem Lauf noch kein Ergebnis wird

Ein einzelnes fertiges Bild belegt keine allgemeine Optimierung. Das Protokoll verlangt einen nicht berichteten Aufwärmlauf und fünf gemessene Wiederholungen je Laufgruppe. Es bewahrt sämtliche Rohwerte und Fehler, veröffentlicht Median, Spannweite, Erfolgsquote, Protokolle, Artefakt-Hashes und eine genaue Ergebnisprüfung.

Weniger als drei erfolgreiche Wiederholungen werden als unvollständig gekennzeichnet. „Reproduziert“ wird erst nach einem zweiten sauberen Lauf mit derselben definierten Ergebniskategorie verwendet. Selbst dann gilt die Beobachtung nur für den dokumentierten Workflow und die dokumentierte Umgebung.

Was Anfänger aus dem Vergleich ableiten dürfen

• Wenn Ausgangslauf und Kandidat am selben Punkt scheitern, ist keine Verbesserung belegt.
• Wenn nur der Kompatibilitätsausweichweg abschließt, darf genau dieses enge Ergebnis berichtet werden; daraus folgt keine Geschwindigkeits- oder Qualitätsaussage.
• Wenn Wiederholungen unterschiedliche Ergebnisse liefern, gehören Spannweite und Erfolgsquote in die Zusammenfassung.
• Wenn Geräte- und Allocator-Werte abweichen, werden Messgrenzen und Abtastung geprüft; die Werte werden nicht nachträglich gleichgesetzt.

Gegenwärtige Grenze: Die Methodik hilft beim Aufbau eines belastbaren Vergleichs. Ohne qualifizierende Ergebniszeilen kann diese Seite keine GPU-Klasse oder Einstellung bewerten.

Primärquellen und kontrollierte Unterlagen

• Offizielle ComfyUI-Systemanforderungen — aktueller Kompatibilitätsrahmen für Plattform, Beschleuniger und Software.
• Offizielle ComfyUI-Fehlerbehebung — derzeit dokumentierte Optionen bei Speicherdruck und Ausweichwege.
• PyTorch: max_memory_allocated — Definition und Umfang der Allocator-Kennzahl.
• NVIDIA System Management Interface — Abfragen, Wiederholung und Hinweise zur Speicherberichterstattung.
• 42 UK Low-VRAM-Methodik — vollständiger Vertrag, leere Ergebnisvorlage und aktueller Evidenzstatus.

Nächster sinnvoller Schritt

Den eigenen Ausgangslauf anhand der Methodik dokumentieren und keine fremden Zahlen als Zielwert übernehmen. Für die Auswahl eines offiziell belegten Installationswegs steht zusätzlich die quellengebundene Installationsmatrix bereit.