KI-Bilder und Videos lokal mit ComfyUI: Was deine Grafikkarte schafft – und wie nah du an Nano Banana kommst
Du brauchst keine RTX 5090, um mit lokaler Bild-KI anzufangen. Hier kommt der ehrliche Leitfaden zu VRAM, ComfyUI, offenen Bild- und Videomodellen und zu dem, was Google weiterhin besser macht.
Emma Bergqvist
15 augusti 2026
Du brauchst keine RTX 5090, um zu Hause KI-Bilder zu erstellen. Die Grafikkarte entscheidet aber darüber, ob sich das Ganze wie ein kreatives Werkzeug anfühlt oder wie der Versuch, ein Sofa durch einen Briefschlitz zu schieben.
Die wichtigste Grenze ist der VRAM, also der eigene Arbeitsspeicher der Grafikkarte. Mit 8 GB kannst du schon erstaunlich viel machen. Mit 16 GB werden deutlich mehr moderne Modelle alltagstauglich. Ab 24 GB lassen sich die wirklich großen Bildmodelle komfortabel nutzen, während lokale Videogenerierung selbst eine teure Karte noch ins Schwitzen bringen kann.
Und Nano Banana? Google hat aus dem Namen inzwischen eine ganze Modellfamilie gemacht. Lokale Modelle können bei klar abgegrenzten Bildaufgaben konkurrenzfähig sein und geben dir mehr Kontrolle über den Workflow. Google bietet dagegen einen fertigen, dialoggesteuerten Bildeditor mit Funktionen, die bei einem lokalen Modell nicht automatisch mitgeliefert werden.
Dieser Leitfaden wurde im August 2026 aktualisiert.
Zuerst: ComfyUI ist die Werkstatt, nicht das Modell
ComfyUI ist eine knotenbasierte Oberfläche für generative KI. Du baust einen Workflow, indem du Knoten für Modell, Prompt, Sampling, Bildgröße, Referenzbilder, Upscaling und Speichern miteinander verbindest.
Das klingt komplizierter als ein Textfeld mit einem großen Knopf. Das ist es auch, zumindest am ersten Abend. Dafür kannst du jeden Schritt im Prozess sehen, speichern und verändern. Derselbe Workflow lässt sich mit einem neuen Motiv, einem anderen Modell oder hundert Varianten erneut ausführen, ohne dass du wieder bei null anfängst.
Deshalb ist ComfyUI bei Menschen beliebt, die mehr als nur ein schnelles Bild wollen:
Workflows lassen sich speichern und teilen
Modelle können mit LoRAs, kleinen Modellpaketen für einen bestimmten Stil oder ein bestimmtes Motiv, sowie mit ControlNet zur Steuerung über Posen, Kanten oder Tiefe kombiniert werden
Referenzbilder und Masken lassen sich detailliert steuern
Bildserien können in eine Warteschlange gestellt und automatisiert werden
nach dem Herunterladen der Modelle kann das Material lokal verarbeitet werden
Die aktuellen Systemanforderungen von ComfyUI führen Unterstützung für Windows, Linux und macOS sowie für NVIDIA, AMD, Intel und Apple Silicon auf. Das bedeutet nicht, dass jede Kombination gleich unkompliziert ist. Die Portable-Version für Windows unterstützt NVIDIA oder den CPU-Modus, während AMD und Intel andere Installationswege nutzen.
VRAM ist der Türsteher
Ein KI-Workflow nutzt mehrere Bestandteile gleichzeitig: Modellgewichte, einen Textencoder zur Interpretation des Prompts, eine VAE zum Umwandeln von Bildern in das Arbeitsformat des Modells und zurück sowie temporäre Daten aus der Generierung. All das liegt am liebsten im VRAM, weil die Grafikkarte viel schneller auf ihren eigenen Speicher zugreifen kann als auf den normalen Arbeitsspeicher des Rechners.
Wenn nicht alles hineinpasst, kann ComfyUI Teile in den Systemspeicher verschieben. Das nennt sich Offloading. Der Workflow kann dann trotzdem funktionieren, aber jede Verschiebung kostet Zeit. Bei zu wenig RAM oder langsamem Speicher wird die Wartezeit noch deutlicher.
Deshalb können zwei Menschen mit jeweils 16 GB VRAM völlig unterschiedliche Ergebnisse erhalten. Modellversion, Präzision, Auflösung, Anzahl der Bilder, Textencoder und Workflow sind mindestens so wichtig wie die Zahl auf der Verpackung.
Was bedeuten FP16, FP8 und FP4?
Modelle speichern ihre Zahlen mit unterschiedlicher Präzision. Eine geringere Präzision reduziert Dateigröße und Speicherbedarf, kann je nach Hardware aber Qualität, Kompatibilität oder Geschwindigkeit beeinflussen.
BF16 und FP16: speicherintensive, aber gängige Formate für hohe Präzision
FP8: ungefähr die halbe Größe der Gewichte im Vergleich zu 16-Bit-Formaten, bevor die übrigen Bestandteile hinzukommen
FP4: noch kleiner, aber Unterstützung und Qualitätsverlust schwanken stärker
GGUF: ein Format für quantisierte Modellgewichte, das häufig in von Nutzern erstellten Workflows vorkommt
Quantisierung ist keine kostenlose Magie. Ein Modell, das mit 8 GB überhaupt startet, läuft damit nicht automatisch schnell. Eine von Nutzern erstellte Konvertierung ist auch nicht automatisch gleichwertig mit dem Original. Sieh Quantisierung als Türöffner, nicht als Garantie für dasselbe Erlebnis.
Was schaffen 8, 12, 16, 24 und 32 GB in der Praxis?
Die folgenden Werte sind praktische Ausgangspunkte und keine Kompatibilitätsversprechen. Der genaue Bedarf hängt von Modellversion, Präzision, Auflösung, Batchgröße, Anzahl der Frames, Textencoder, VAE und Offloading ab. ComfyUI entwickelt sich außerdem schnell. Eine neue Quantisierung oder ein klügerer Workflow kann die Grenze verschieben.
8 GB: Du kannst anfangen, aber wähle das Modell vor der Auflösung
Mit 8 GB VRAM sind ältere und kleinere Bildmodelle weiterhin brauchbar. SDXL kann in speicheroptimierten Workflows laufen. Auch quantisierte moderne Modelle können funktionieren, wenn du Offloading und längere Wartezeiten akzeptierst.
Video ist nicht mehr vollständig ausgeschlossen. Der offizielle Workflow für Wan 2.2 TI2V 5B von ComfyUI gibt an, dass die 5B-Version mit dem integrierten Offloading gut in 8 GB VRAM passen sollte. Das ist ein wichtiger Meilenstein. Schwere lokale Videogenerierung wird dadurch auf einer Einsteigerkarte aber nicht plötzlich schnell.
Eine gute Strategie für 8 GB:
beginne mit der offiziellen Vorlage des Modells und reduziere die Auflösung, wenn Speicherfehler auftreten
generiere jeweils nur ein Bild
wähle offizielle Workflows mit FP8 oder anderen speichersparenden Varianten
schließe Spiele und GPU-intensive Programme vor dem Start
halte genügend normalen RAM für das Offloading bereit
10 bis 12 GB: eine gute Bildmaschine mit klaren Grenzen
Hier wird SDXL komfortabler, und mehr quantisierte Workflows werden praktikabel. Eine RTX 5070 hat 12 GB. Auch die Intel Arc B580 bietet 12 GB, wie die Spezifikationen von NVIDIA beziehungsweise Intel zeigen.
Das ist eine sinnvolle Stufe, wenn du vor allem Bilder erstellen willst und damit leben kannst, dass die größten Modelle Offloading nutzen. Kurze Videoclips mit kleineren Modellen sind möglich. LTX-2.5 und die großen Wan-Varianten bleiben auf 12 GB jedoch schwergewichtig.
16 GB: für viele der beste Kompromiss
16 GB geben dir mehr Spielraum für größere Bilder, ControlNet, mehrere Referenzen und moderne quantisierte Modelle. RTX 5070 Ti und RTX 5080 haben 16 GB. Laut Herstellerangaben gilt das auch für Radeon RX 9070 und RX 9070 XT.
Ein konkretes Beispiel ist Z-Image-Turbo. Die Modellkarte beschreibt es als Bildmodell mit 6 Milliarden Parametern, das auf acht Modellauswertungen (8 NFEs) destilliert wurde und mit 16 GB VRAM auskommt. Es wurde unter der Apache-2.0-Lizenz veröffentlicht und ist damit eine interessante erste Wahl für lokale Bildgenerierung, wenn sowohl Qualität als auch normale Verbraucherhardware zählen.
16 GB sind trotzdem kein Freifahrtschein für alles. FLUX.2 Klein 4B ist ein gutes Beispiel: Black Forest Labs nennt ungefähr 13 GB VRAM und hat die 4B-Variante unter Apache 2.0 veröffentlicht. Qwen-Image und FLUX.2 Dev sind deutlich größer. Sie lassen sich mit Quantisierung und Offloading betreiben, der Workflow wird aber schwerer und langsamer, als eine einfache VRAM-Tabelle vermuten lässt.
24 GB: große Bildmodelle werden realistisch
Mit 24 GB kannst du wesentlich komfortabler mit schweren Bildmodellen und mehreren Komponenten gleichzeitig arbeiten. Das ist ein wichtiger Grund, warum gebrauchte RTX-3090-Karten trotz ihres Alters für lokale KI weiterhin interessant sind.
Der offizielle Referenztest von ComfyUI für das ursprüngliche Qwen-Image-Modell in FP8, nicht Qwen-Image-2512, nutzte eine RTX 4090D mit 24 GB. Der Workflow belegte etwa 86 Prozent des VRAM. Das erste Bild brauchte in genau dieser Testumgebung ungefähr 94 Sekunden, das nächste rund 71 Sekunden. Das sind nützliche Referenzwerte, aber keine universellen Benchmarks. Deine Auflösung, dein Treiber und dein Workflow können völlig andere Zeiten ergeben.
Qwen-Image-2512 ist besonders interessant für Realismus, Details und Text im Bild. Die Modellkarte des Entwicklers beschreibt Verbesserungen bei Menschen, Naturdetails und Typografie gegenüber der ersten Qwen-Image-Version. Das Modell steht unter Apache 2.0, doch das Modellpaket und der Textencoder sind groß.
32 GB und mehr: weniger Offloading, keine unbegrenzte Leistung
Die RTX 5090 hat 32 GB VRAM. Das macht bei großen Bild-Workflows einen gewaltigen Unterschied und reduziert die Notwendigkeit, Daten in den RAM zu verschieben. Selbst 32 GB können für die schwersten Originalgewichte aber knapp werden.
FLUX.2 Dev hat 32 Milliarden Parameter, und der offizielle ComfyUI-Leitfaden verwendet quantisierte Gewichte. Der aktuelle Schnellleitfaden von Black Forest Labs nennt ungefähr 24 GB für Klein 9B und 13 GB für Klein 4B. Der Speicherbedarf variiert jedoch je nach Paket und Workflow. Die Aussage ist simpel: Eine Spitzenkarte bedeutet weniger Kompromisse, nicht das Ende der Speicherrechnung.
Für lokale Videos können 32 GB mehr Workflows realistisch machen, aber nicht problemlos. Die aktuelle LTX-2.5-Familie zeigt warum: Das Standardpaket von Lightricks umfasst etwa 66 GiB, wenn Transformermodell, Textencoder, Video-VAE, Audio-VAE und Upscaler zusammengerechnet werden. Quantisierung und Offloading können daher selbst bei Karten mit 24 oder 32 GB nötig sein.
Mit welchem Bildmodell solltest du anfangen?
Kein Modell gewinnt überall. Wähle nach der Aufgabe, die du wirklich erledigen willst.
Z-Image-Turbo: der schnelle Einstieg mit 16 GB
Z-Image-Turbo ist ein guter Ausgangspunkt für fotorealistische Motive, englischen und chinesischen Text sowie schnelle Iterationen. Es wurde auf acht Modellauswertungen destilliert, während das Codebeispiel des Entwicklers neun Inferenzschritte nutzt. Laut Modellkarte passt es komfortabel auf Verbraucher-Grafikkarten mit 16 GB.
Der Haken: Turbo ist destilliert. Das Modell priorisiert Geschwindigkeit und bietet weniger Vielfalt als das vollständige Z-Image-Modell. Wenn du das Modell feinabstimmen oder mehr kreative Kontrolle haben willst, kann das Basismodell interessanter sein.
Qwen-Image-2512: stark bei Text und Details
Qwen-Image ist schwergewichtig, aber attraktiv, wenn Text im Bild, komplexes Layout oder realistische Details im Mittelpunkt stehen. Die Apache-2.0-Lizenz macht die Bedingungen für kommerzielle Projekte außerdem leichter einzuschätzen als bei Modellen mit eigenen, einschränkenden Lizenzen.
Auf kleineren Karten solltest du mit Quantisierung und Offloading rechnen. Für 24 GB gibt es einen offiziellen ComfyUI-Referenzwert, aber kein Versprechen, dass jeder Qwen-Workflow hineinpasst.
FLUX: Lies den Nachnamen und die Lizenz
FLUX ist eine Familie und kein einzelnes Modell. FLUX.1 Schnell und FLUX.2 Klein 4B nutzen Apache 2.0. FLUX.1 Dev, Krea Dev, Kontext Dev, FLUX.2 Dev und Klein 9B dürfen nach den Standardlizenzen nur nicht kommerziell und außerhalb der Produktion betrieben werden. Der kommerzielle Betrieb auf eigener Hardware erfordert eine separate Lizenz von Black Forest Labs. Generierte Ergebnisse dürfen zugleich nach den übrigen Bedingungen der jeweiligen Lizenz kommerziell genutzt werden.
Das ist ein perfektes Beispiel dafür, warum offene Modellgewichte, oft open weights genannt, nicht automatisch „Mach, was du willst“ bedeuten. Lies die Modellkarte der genauen Modellversion, bevor du ein Kundenprojekt darauf aufbaust.
SDXL: immer noch relevant
SDXL ist nicht das neueste Modell, aber sein Ökosystem ist ausgereift. Es gibt Unmengen an LoRAs, ControlNet-Varianten und dokumentierten Workflows. Wenn du ComfyUI auf einer Karte mit 8 bis 12 GB lernen willst, kann ein speicheroptimierter SDXL-Workflow lehrreicher sein, als mit dem größten Modell des Jahres anzufangen und dann den ganzen Abend Speicherfehler zu suchen.
Lokale Videos 2026: mit 8 GB möglich, fast nie bequem
Bild- und Videogenerierung sollten nicht in einen Topf geworfen werden. Ein Bild besteht aus einem einzigen Frame. Ein Videoclip muss Motiv, Bewegung, Kamera und Details über viele Frames hinweg zusammenhalten. Das kostet Speicher, Zeit und Speicherplatz.
Wan 2.2 ist der vernünftige Einstieg
Wan 2.2 gibt es in mehreren Größen. Das kleinere TI2V-5B kann sowohl Text-zu-Video als auch Bild-zu-Video erzeugen und ist das Modell, das laut ComfyUI mit Offloading gut in 8 GB VRAM passen sollte. Die größeren 14B-Varianten sind für rechenintensivere text- oder bildgesteuerte Videogenerierung ausgelegt und verlangen mehr Geduld und Speicher.
Die Wan-2.2-Modelle im ComfyUI-Leitfaden werden als Apache-2.0-lizenziert angegeben. Im Vergleich zu den Speziallizenzen mehrerer anderer Videogeneratoren ist das ungewöhnlich leicht verständlich.
LTX-2.5 kann Ton und Video gemeinsam erzeugen
LTX-2 existiert in mehreren Generationen. Der LTX-2.0-Workflow von ComfyUI verwendet das ältere 19B-Modell und kann synchronisiertes Video und Audio erzeugen. Die aktuelle LTX-2.5-Familie hat 22 Milliarden Parameter. ComfyUI bietet integrierte Workflows für Text-zu-Video, Bild-zu-Video sowie die Steuerung über das erste und letzte Bild.
Das ist beeindruckend, doch die Dateigrößen verraten den Hardwarebedarf. Das Standardpaket für 2.5 ist ungefähr 66 GiB groß und damit deutlich größer als die ältere 19B-Version. Offloading in RAM oder auf den Datenträger und FP8-Quantisierung können helfen, beseitigen aber nicht jede Wartezeit.
Die LTX-2.x Community License wurde am 11. August 2026 geändert. Sie enthält eine Umsatzschwelle, durch die größere kommerzielle Organisationen eine bezahlte Lizenz benötigen. Das ist ein weiterer Grund, die Bedingungen für die genaue Modellversion zu prüfen, bevor sie in einem Unternehmen eingesetzt wird.
Vergleiche Videos mit Gemini Omni Flash und Veo, nicht mit Nano Banana
Nano Banana ist Googles Familie für Bilder. Googles aktuelles Standardmodell für kurze Videoclips ist Gemini Omni Flash Preview. Das Modell erstellt 3 bis 10 Sekunden lange Videos in 720p mit Ton und lässt sich in mehreren Dialogrunden weiterbearbeiten.
Veo 3.1 Preview bleibt relevant, wenn du eine höhere Auflösung oder besondere Filmsteuerungen brauchst. Die Dokumentation der Gemini API nennt integrierten Ton, Referenzbilder und die Steuerung über den ersten und letzten Frame. 4K gibt es in Veo 3.1 und 3.1 Fast für acht Sekunden lange Clips, während Lite höchstens 1080p erreicht.
Lokale Wan- und LTX-Workflows geben dir eigenen Speicherplatz und viel Kontrolle. Googles Modelle liefern dir ein fertiges, leistungsfähiges System, ohne dass deine eigene Grafikkarte die Arbeit erledigen muss. Das sind zwei unterschiedliche Kompromisse, nicht dasselbe Produkt mit einem anderen Logo.
Wie nah kommen lokale Modelle an Nano Banana 2 heran?
Google verwendet Nano Banana inzwischen als Sammelbegriff für vier Bildmodelle:
Nano Banana 2 Lite: die schnellste und günstigste Variante
Nano Banana 2: das Allroundmodell mit 4K, mehreren Referenzbildern und Text
Nano Banana Pro: die Premiumvariante für komplexe Layouts, Markenkontrolle und fortgeschrittene Bearbeitung
Nano Banana: das ältere Gemini-2.5-Flash-Image-Modell
Laut Google erhalten alle erzeugten Bilder ein unsichtbares SynthID-Wasserzeichen. Nano Banana 2 und Pro verbinden Bildgenerierung außerdem mit Geminis Sprachverständnis und können aktuelle Informationen aus Google Search als Grundlage heranziehen. Ein reines lokales Bildmodell kann das nicht von allein.
Wo lokale Modelle nah herankommen
Bei einzelnen Text-zu-Bild-Aufgaben können Z-Image-Turbo, Qwen-Image-2512 und die genannten FLUX-Varianten konkurrenzfähig sein. Die eigenen Tests der Modellentwickler zeigen, dass mehrere davon in bestimmten Testreihen gut gegen geschlossene Dienste abschneiden.
Bleib bei Ranglisten trotzdem skeptisch. Unterschiedliche Testreihen, menschliche Bewerter, Prompts und Modellversionen machen „am besten“ schnell zu einem Marketingbegriff. Es gibt keine aktuelle, unabhängige und vollständig vergleichbare Messung, die belegt, dass ein lokales Modell generell mit der gesamten Nano-Banana-2-Familie gleichzieht.
Wo Google weiterhin einen klaren Vorsprung hat
Nano Banana ist mehr als ein Bildgenerator. Du kannst einen Dialog führen, mehrere Referenzbilder einfügen, das Modell bitten, eine Person oder ein Produkt möglichst beizubehalten, und danach Teile der Szene in mehreren Schritten ändern. Google verbindet die Bildmodelle mit breitem Wissen und kann bei Nano Banana 2 und Pro aktuelle Informationen aus Google Search abrufen.
Lokal kannst du entsprechende Bausteine mit Qwen-Image-Edit-2511, ControlNet, IP-Adapter, Masken, LoRAs und eigenen Knoten zusammensetzen. Das Ergebnis kann besser kontrollierbar sein, aber du musst die Werkzeuge selbst auswählen und verbinden. Google verkauft einen fertigen Werkstattmeister. ComfyUI gibt dir die ganze Werkzeugwand und lässt dich die Handbücher selbst lesen.
Wo lokale Modelle tatsächlich gewinnen
Lokale Generierung hat drei Vorteile, die ein Cloud-Dienst nur schwer kopieren kann:
Kontrolle: Du kannst Zufallsstartwert, Sampling-Methode, Modellversion und den gesamten Workflow speichern, um den Lauf so weit wie möglich in derselben Software- und Hardwareumgebung nachzustellen.
Datenschutz: Nach dem Download kann ein vollständig lokaler Workflow laufen, ohne dass deine Arbeitsbilder an einen externen Bilddienst gesendet werden.
Anpassung: Du kannst eigene LoRAs, ControlNet, Stapelverarbeitung und Modelle verwenden, ohne darauf zu warten, dass ein Anbieter die Funktion bereitstellt.
Datenschutz verlangt trotzdem gesunden Menschenverstand. Benutzerdefinierte Knoten, oft custom nodes genannt, sind Code von Drittanbietern und können Netzwerkfunktionen enthalten. Prüfe, was du installierst, genau wie bei anderer Software.
NVIDIA, AMD oder Intel?
NVIDIA: für die meisten Workflows am einfachsten
Meiner Einschätzung nach ist NVIDIA weiterhin die einfachste Wahl, wenn du den Installationsaufwand minimieren willst. Die Portable-Version von ComfyUI für Windows ist für NVIDIA-Karten oder den CPU-Modus gedacht. AMD und Intel nutzen andere Installationswege.
Das bedeutet nicht, dass jede NVIDIA-Karte besser als jede Alternative ist. Für lokale KI kann eine ältere Karte mit 24 GB nützlicher sein als eine neuere und schnellere Karte mit 8 oder 12 GB. Der VRAM entscheidet schließlich darüber, wie viel eines Workflows auf die Grafikkarte passt.
AMD: bessere offizielle Unterstützung, aber weiterhin situationsabhängig
ComfyUI erhielt mit Version 0.7.0 unter Windows offizielle Unterstützung für ROCm, AMDs Plattform für GPU-Berechnungen. Die aktuellen Systemanforderungen von ComfyUI bezeichnen die Unterstützung für AMD RDNA 3, 3.5 und 4 unter Windows und Linux als experimentell. Für AMD unter Linux wird ROCm 7.2 sowohl als stabile als auch als täglich aktualisierte Testversion genannt.
Die aktuelle GPU-Tabelle von AMD nennt 16 GB für Radeon RX 9070 und 9070 XT sowie 24 GB für RX 7900 XTX. Das sind attraktive Speichergrößen. Prüfe trotzdem vor dem Kauf einer Karte ausschließlich für KI, ob dein konkretes Modell, die Knoten und die gewünschte Präzision mit ROCm funktionieren.
Intel: möglich, aber nicht blind wählen
ComfyUI unterstützt Intel Arc über PyTorchs XPU-Unterstützung für Intel-Grafik. Die Arc B580 hat 12 GB VRAM und bietet damit Platz für kleinere und ausgelagerte Workflows. Prüfe die Unterstützung für jedes Modell und jeden benutzerdefinierten Knoten dennoch einzeln.
Wenn du bereits eine Arc-Karte hast, lohnt sich ein Test. Kaufst du eine Karte ausschließlich für ComfyUI, solltest du zuerst die Installation und die benutzerdefinierten Knoten deiner geplanten Workflows kontrollieren.
So legst du los, ohne im Installationssumpf stecken zu bleiben
Prüfe VRAM und RAM. Unter Windows siehst du den GPU-Speicher im Task-Manager. Sorge außerdem für genügend normalen RAM, wenn Offloading ein wichtiger Teil des Plans ist.
Wähle die richtige Installation. ComfyUI Desktop ist auf unterstützter Hardware am einfachsten. Portable eignet sich für NVIDIA unter Windows. Die manuelle Installation deckt die meisten Plattformen ab.
Aktualisiere ComfyUI. Neue offizielle Workflows können in ComfyUI Desktop fehlen, bis sie dort in einer stabilen Version enthalten sind.
Beginne mit einer Vorlage. Wähle eine offizielle Modellvorlage aus der Workflow-Bibliothek statt eines zufälligen Pakets mit zwanzig benutzerdefinierten Knoten.
Ändere immer nur eine Sache. Starte zuerst den Standard-Workflow. Erhöhe danach Auflösung, Batchgröße oder Anzahl der Frames, nicht alles gleichzeitig.
Lies die Modelllizenz. Die Lizenz von ComfyUI sagt nicht, was du mit jedem Modell oder jeder Modellversion tun darfst.
Wenn du CUDA out of memory oder einen vergleichbaren Fehler erhältst, ist der erste Schritt nicht der Kauf einer neuen Karte. Senke die Auflösung oder die Anzahl der Frames, wähle ein kleineres oder quantisiertes Modell und kontrolliere, ob ComfyUI das Offloading tatsächlich nutzt.
Die ehrliche Kaufempfehlung
Kaufe keine Grafikkarte nach dem Modellnamen, den du in einer Demo gesehen hast. Beginne mit deinem Workflow.
Vor allem Bilder und neugieriger Einsteiger: 8 bis 12 GB reichen für den Start mit kleineren oder ausgelagerten Workflows.
Moderne Bilder, Bearbeitung und weniger Kompromisse: 16 GB sind eine starke praktische Stufe.
Schwere Bildmodelle und lokale KI als Hauptinteresse: 24 GB bleiben sehr attraktiv.
Schwere lokale Videomodelle: 32 GB helfen, doch du solltest weiterhin mit großen Dateien, langen Wartezeiten und Speziallizenzen rechnen.
Nano Banana 2 verlangt weniger Vorarbeit, wenn du eine Anweisung schreiben und direkt weiterbearbeiten willst. ComfyUI gibt dir stattdessen Kontrolle über den Prozess, gespeicherte Einstellungen und die genaue Auswahl der verwendeten Werkzeuge.
Für viele ist die beste Lösung tatsächlich beides. Nutze die Cloud, wenn ihre multimodale Intelligenz Zeit spart. Arbeite lokal, wenn Kontrolle, Datenschutz, Experimente oder viele Iterationen wichtiger sind.
Wenn du gebrauchte Grafikkarten auf TechFlip vergleichst, solltest du nicht nur auf die Spieleleistung achten. Für lokale KI kann die Menge an VRAM wichtiger sein als die Zugehörigkeit zur neuesten Generation.
– Emma Bergqvist
Quellen und weiterführende Informationen
Dieser Artikel wurde mit KI-Unterstützung aus dem schwedischen Original übersetzt. Inhaltlich ist er gleichwertig – vereinzelte Übersetzungsfehler sind aber möglich.