近期 ComfyUI 社區小夥伴們用 RTX 5000 Ada 專業顯卡測試了 Flux.1[dev] 模型，並與最強消費級顯卡對比大場景實際應用中的性能表現。
測試項目：
Flux.1 文生圖
Flux.1-dev FP8 訓練
Flux.1 生成不同分辨率圖片
Flux.1 生成人物大模型+Lora+高清分辨率修復
Flux.1 測試 ControlNet 使用 Tile 高清修復
文生圖
設置尺寸均為1024*1024，採樣步數為50。
工作流：
下圖是 RTX 5000 Ada 開啓不同 Batch size 的顯存情況以及生成圖片的所耗時間。
RTX 5000 Ada 至多可支持 Batch size 到 27，消費級顯卡最多開啓 Batch size 到 10。
詳細測試結果：
開啓 Batch size 為20的顯存情況：
迭代一步時間逐漸穩定在14秒左右，整個流程花費時間755秒，大約為12.5分鐘。
開啓 Batch size 為24的顯存情況：
迭代一步時間逐漸穩定在17.5秒左右，整個流程花費時間890秒，大約為14.8分鐘。
開啓 Batch size 為27的顯存情況：
顯存已到達極限，RTX 5000 Ada Flux 生圖最大 Batch size 為27。
迭代一步時間逐漸穩定在19.5秒左右，整個流程花費時間1014秒，大約為16.9分鐘。
Flux 訓練
訓練參數：
3000步 Flux 訓練進程信息：
顯存佔用約30GB，訓練時間花費26729秒，大約7.45個小時，迭代一步花費時間在8.6秒左右。
5000步 Flux 訓練進程信息：
訓練時間花費43174秒，約為11.99小時。
在 Flux 訓練過程中，由於消費級顯卡最多隻有24GB，而當 Batch size 開到6時，顯存佔用就已到30GB，消費級顯卡 的24GB顯存無法支持更深的 Flux 訓練，因此 RTX 5000 Ada 的32GB顯存能夠支持更深度的訓練，有着更強的生產力。
測試生成不同分辨率圖片的所耗時間
統一 Batch size 為4，採樣步數為50，測試結果如下：
測試人物大模型+Lora+高清分辨率修復
(統一迭代步數和生成批次數量)
工作流：
用 Flux 人物大模型加上 Lora 出圖，並將圖片尺寸從10801920高清修復為21603840，共用時302秒，約5分鐘。
測試 ControlNet 使用 Tile 高清修復
後台進程：
工作流：
顯存佔用22GB，修復一張圖片花費23.94秒。此場景消費級顯卡較為勉強。
測試結論
從上述五項測試中可以看到在高 Batch size 場景下，RTX 5000 Ada 有着更大的顯存容量可以支持更深度的 AI 生圖和訓練。
