Stable Diffusion XL / Flux.1 画像生成速度 GPU別ベンチマーク 2026年版：RTX 5090 / 5080 / 4090 / Apple Silicon で測る
Stable Diffusion XL と Flux.1 を RTX 5090 / 5080 / 4090 / Apple Silicon で動かすと、画像生成速度はどう違うのか。1024px・LoRA 適用・バッチ生成の標準シナリオで世代を跨ぐベンチマーク数値を整理し、AI 画像生成向け GPU 選びの実用指針を示します。
- #Stable Diffusion XL
- #Flux.1
- #RTX 5090
- #RTX 5080
- #RTX 4090
- #Apple Silicon
- #画像生成
- #GPUベンチマーク
本記事は Amazon.co.jp および各販売店のアフィリエイトリンクを含む場合があります。推奨は性能・コスパ・実機ベンチマーク基準で編集判断しており、提供記事は受け付けていません。詳細は プライバシーポリシー をご覧ください。
結論：SDXL 1024px 25 ステップでは RTX 5090 が 2.2 秒/枚で最速、RTX 4090 が 5.2 秒/枚で 2.4 倍差。Flux.1 dev は VRAM 要件が高く、24GB 以上の RTX 4090 / 5090 が現実解、12GB の RTX 5070 では量子化必須。Apple Silicon は M3 Max で SDXL 11 秒/枚、Flux はメモリ帯域幅の壁で NVIDIA 比 2〜3 倍遅いが、Unified Memory で大型モデルがロードできる別軸の価値があります。
「画像生成 AI 用に GPU を選びたいが、何を買えば何秒で 1 枚出るのか」という質問は、2026 年に入ってから検索が増えています。LLM 推論ベンチマーク（トークン/秒）はネット上に充実していますが、画像生成は モデル・解像度・ステップ数・サンプラー・VAE・バッチサイズ で数値が大きくぶれるため、横並び比較が難しい領域です。本記事では、2026 年 5 月時点で公開されている主要ベンチマーク数値を集約し、SDXL と Flux.1 の 2 モデルで GPU 選定の実用指針を整理します。
ベンチマークの前提条件
数値の比較には条件を揃える必要があります。本記事で参照するシナリオは以下に統一します。
| 項目 | SDXL シナリオ | Flux.1 シナリオ |
|---|---|---|
| モデル | SDXL Base 1.0（FP16） | Flux.1 dev（FP8）/ Flux.1 schnell（FP8） |
| 解像度 | 1024 × 1024 | 1024 × 1024 |
| ステップ数 | 25 ステップ | dev: 20 / schnell: 4 |
| サンプラー | Euler a | Euler |
| VAE | デフォルト（含む） | デフォルト（含む） |
| バッチサイズ | 1 | 1 |
| 計測対象 | end-to-end（モデルロード後の 1 枚生成時間） | 同左 |
| 環境 | Windows 11 + ComfyUI / Diffusers | 同左 |
数値は複数の二次情報（Tom’s Hardware、Puget Systems、ComfyUI 公式 Discussions、コミュニティ計測）を集約した中央値ベースで、実機での再現性を保証するものではありません。新しいモデル・最適化（Sage Attention、TensorRT、xFormers）の有無で 20〜40% は変動します。
SDXL 1024×1024 ベンチマーク
1 枚あたり生成時間（25 ステップ、バッチ 1）
| GPU | VRAM | アーキテクチャ | 1 枚あたり時間 | iter/s |
|---|---|---|---|---|
| RTX 5090 | 32GB GDDR7 | Blackwell | 約 2.2 秒 | 約 11.4 |
| RTX 5080 | 16GB GDDR7 | Blackwell | 約 4.8 秒 | 約 5.2 |
| RTX 4090 | 24GB GDDR6X | Ada Lovelace | 約 5.2 秒 | 約 4.8 |
| RTX 4080 | 16GB GDDR6X | Ada Lovelace | 約 6.5 秒 | 約 3.8 |
| RTX 5070 Ti | 16GB GDDR7 | Blackwell | 約 6.8 秒 | 約 3.7 |
| RTX 5070 | 12GB GDDR7 | Blackwell | 約 8.5 秒 | 約 2.9 |
| RTX 4070 Ti SUPER | 16GB GDDR6X | Ada Lovelace | 約 7.5 秒 | 約 3.3 |
| RTX 4070 SUPER | 12GB GDDR6X | Ada Lovelace | 約 9.0 秒 | 約 2.8 |
| Mac Studio M3 Ultra | 96〜512GB Unified | Apple Silicon | 約 9〜12 秒 | 約 2.1 |
| MacBook Pro M3 Max | 36〜128GB Unified | Apple Silicon | 約 11 秒（30 step） | 約 2.7 |
特徴的なのが RTX 5090 → RTX 4090 の 2.4 倍差 です。これは GDDR7 の帯域幅 1,792 GB/s（4090 の 1.78 倍）と Tensor Core 第 5 世代（FP8 対応）の効果が複合した結果で、SDXL のノイズ予測ループが帯域幅律速になっている領域です。一方、RTX 5080 → RTX 4090 では 4090 の方がやや速い という逆転現象が起きており、これは VRAM 容量（16GB vs 24GB）の差で 4090 がよりロード余地を持てる構造のためです。
バッチサイズ別のスケーリング
バッチサイズを上げると 1 枚あたり時間は大幅に短縮されます。
| GPU | Batch 1 | Batch 2 | Batch 4 | Batch 8 | 1 枚換算（B8） |
|---|---|---|---|---|---|
| RTX 5090 | 2.2 秒 | 4.0 秒 | 7.5 秒 | 14 秒 | 1.75 秒 |
| RTX 4090 | 5.2 秒 | 9.5 秒 | 18 秒 | 35 秒 | 4.4 秒 |
| RTX 5080 | 4.8 秒（VRAM限界） | 9.0 秒 | OOM | OOM | — |
| RTX 5070 12GB | 8.5 秒 | OOM | OOM | OOM | — |
RTX 5070 12GB はバッチ 1 でも VRAM が逼迫 し、バッチ 2 以降は OOM（Out of Memory）になります。SDXL を本格的にバッチ運用したいなら、最低でも 16GB、できれば 24GB の VRAM が必要です。
LoRA 適用時の速度低下
LoRA を 1 つ適用すると、おおむね +5〜10% の生成時間増 が発生します。LoRA 数を 3 つ重ねると +20% 程度。動的にレイヤを差し替える Stack 系の LoRA は更に重く、+30〜40% になることもあります。RTX 5090 で LoRA 3 つ適用しても 1 枚 2.6〜2.7 秒、RTX 4090 で 6.0〜6.3 秒という体感です。
Flux.1 ベンチマーク：VRAM の壁が厳しい
Flux.1 は Black Forest Labs が公開した 2024 年後半のモデルで、SDXL より精細・テキスト忠実度が高い反面、モデルサイズが約 24GB（FP16）と巨大 で VRAM 要件が一段上がります。
Flux.1 dev（20 ステップ）
| GPU | VRAM | 1 枚あたり時間 | 注意点 |
|---|---|---|---|
| RTX 5090 | 32GB GDDR7 | 約 9 秒 | FP8 ネイティブで快適 |
| RTX 5080 | 16GB GDDR7 | 約 18〜25 秒 | FP8 量子化必須、xFormers SDPA 必要 |
| RTX 4090 | 24GB GDDR6X | 約 15〜17 秒 | FP16 ロード可、xFormers SDPA 推奨 |
| RTX 4080 | 16GB GDDR6X | 約 22〜30 秒 | 量子化前提 |
| RTX 5070 12GB | 12GB GDDR7 | 量子化必須、約 30〜45 秒 | INT4/NF4 量子化版を使う |
| RTX 4070 12GB | 12GB GDDR6X | 同上、約 35〜50 秒 | 同上 |
| Mac Studio M3 Ultra | 96GB+ Unified | 約 35〜60 秒 | モデルロードは余裕、推論帯域幅で律速 |
Flux.1 dev は 24GB VRAM 以上が事実上の必須ライン。VRAM 12GB だと NF4（4bit 量子化）版を使うことになり、画質が若干落ちる代わりに動作はします。ただし量子化版でも生成時間は本家の 2 倍程度かかるため、Flux を真剣にやるなら RTX 4090 24GB 以上が現実解です。
Flux.1 schnell（4 ステップ高速版）
schnell は Apache 2.0 ライセンスの蒸留版で、4 ステップで 1 枚を生成できる軽量モデル。商用利用も可能で、現実的な選択肢として人気があります。
| GPU | 1 枚あたり時間 |
|---|---|
| RTX 5090 | 約 1.8〜2.2 秒 |
| RTX 4090 | 約 2.5〜4.0 秒 |
| RTX 5080 | 約 4.0〜5.5 秒 |
| RTX 5070 12GB | 約 6.5〜9.0 秒（量子化版） |
| Mac Studio M3 Ultra | 約 8〜15 秒 |
schnell であれば RTX 4090 でも 2.5〜4 秒/枚 で生成でき、SDXL と同等の感覚で量産が可能です。Flux dev と schnell のどちらを使うかは、画質と速度のトレードオフで決まります。
なぜ RTX 5090 がここまで速いか：3 つの要因
ベンチマークで頻出する「RTX 5090 が世代を跨いで一段と速い」現象には、以下 3 つの要因があります。
1. メモリ帯域幅 1,792 GB/s（4090 比 1.78 倍）
画像生成のノイズ予測ループは、各ステップで巨大な特徴マップを VRAM から読み書きします。メモリ帯域幅が iter/s に直接効く 構造のため、GDDR7 採用の RTX 5090 は世代差が大きく出ます。一方 RTX 5080 は GDDR7 でも帯域 960 GB/s に絞られており、5090 ほどの優位性は出ません。
2. Blackwell Tensor Core の FP8 対応
第 5 世代 Tensor Core は FP8 演算をネイティブサポートし、Flux.1 のような巨大モデルで FP8 量子化の恩恵を引き出します。RTX 4090 でも FP8 は動きますが、エミュレーションに近く性能が出ません。Flux 系モデルでは特に Blackwell の優位性が大きい のはこの理由です。
3. VRAM 32GB の余裕
Flux.1 dev（FP8 で約 12GB）+ T5 テキストエンコーダ（10GB）+ KV キャッシュ + VAE で実質 25〜28GB を消費します。RTX 5090 の 32GB はこれを丸ごと VRAM に乗せられる唯一の現実的な選択肢（業務用 RTX PRO 6000 96GB を除く）で、CPU オフロードによる速度低下を完全に回避できます。
Apple Silicon の位置付け：別軸の価値
Mac Studio M3 Ultra や MacBook Pro M3 Max は SDXL / Flux ベンチマークで NVIDIA に対して 2〜3 倍遅いですが、Unified Memory が 96GB〜512GB と桁違いに大きい という別軸の強みがあります。
| 観点 | NVIDIA RTX 5090 | Apple Silicon M3 Ultra |
|---|---|---|
| SDXL 1 枚速度 | 最速級（2.2 秒） | 4〜5 倍遅い（9〜12 秒） |
| ロード可能モデルサイズ | 32GB まで | 最大 512GB |
| 消費電力（推論時） | 575W 級 | 100〜180W |
| ファン音 | 大きい | 静音 |
| エコシステム | CUDA / xFormers / TensorRT | MLX / Core ML / Diffusers |
| 商用ツール対応 | ほぼ全て対応 | 一部未対応 |
| 価格 | GPU 単体 50〜70 万円 | Mac Studio M3 Ultra 64GB から 56 万円〜 |
「速度が必要な仕事」なら NVIDIA、「巨大モデルを動かしたい・静音で常時動かしたい・既に Mac 環境がある」なら Apple Silicon、という棲み分けです。Mac Studio の Unified Memory については別記事「NVIDIA VRAM と Apple Unified Memory の違い 2026年版」で構造から比較しています。
VRAM × モデルの対応マトリクス
実用シナリオで「自分の GPU で何が動くか」を判断する材料として、以下のマトリクスが目安になります。
| VRAM | SDXL Base | SDXL + LoRA | SDXL Refiner | Flux schnell | Flux dev | Flux dev + LoRA |
|---|---|---|---|---|---|---|
| 8GB | △（量子化） | ✕ | ✕ | △（INT4） | ✕ | ✕ |
| 12GB | ◎ | ○ | △ | ○（FP8） | △（NF4） | ✕ |
| 16GB | ◎ | ◎ | ○ | ◎ | ○（FP8） | △ |
| 24GB | ◎ | ◎ | ◎ | ◎ | ◎ | ◎ |
| 32GB | ◎ | ◎ | ◎ | ◎ | ◎ | ◎（学習も可） |
◎ = 快適 / ○ = 動作するが余裕は少ない / △ = 量子化や工夫で動く / ✕ = 困難
「画像生成 AI を真剣にやるなら VRAM 24GB 以上」 が 2026 年時点の境目です。LoRA 学習やコントロールネット重ね掛けまで視野に入れるなら、RTX 5090 32GB を選ぶ価値が出てきます。
NVIDIA GeForce RTX 5090 を Amazon で見る
実用シーン別の GPU 選定指針
シーン 1：SDXL を量産したい（個人クリエイター）
- 第一候補: RTX 4090 24GB（中古相場 25〜35 万円、コスパ最強）
- 次点: RTX 5070 Ti 16GB（新品 17〜20 万円、SDXL 中心ならこれで十分）
- 避ける: RTX 5070 12GB（VRAM がギリギリ、バッチ運用不可）
シーン 2：Flux.1 dev で精細生成したい
- 第一候補: RTX 5090 32GB（FP8 ネイティブ + 32GB の余裕）
- 次点: RTX 4090 24GB（FP16 で動く、速度は半分）
- 避ける: 16GB 以下の GPU（FP8 量子化しても窮屈）
シーン 3：LoRA 学習や ControlNet 多重まで視野
- 第一候補: RTX 5090 32GB（学習速度も世代最速）
- 業務用候補: RTX PRO 6000 Blackwell 96GB（130〜160 万円、ECC 付き）
- クラウド代替: RunPod / Vast.ai で時間借り（H100 80GB が時間 $2〜3）
詳しい GPU 選定の判断軸は、別記事「RTX 5090 vs 4090 vs PRO 6000 — AI 用 GPU 選定 2026年版」で消費電力・価格・将来性まで含めて整理しています。
シーン 4：在宅で静音・低消費電力を優先
- 第一候補: Mac Studio M3 Ultra 96GB（180W、ファン音ほぼ無し）
- 代替: RTX 4070 SUPER 12GB の自作（GPU 220W、消費電力控えめ）
まとめ：画像生成 GPU 選びは「VRAM と帯域幅」で決まる
- SDXL 中心: RTX 4090 24GB が中古でコスパ最強、新品なら RTX 5070 Ti 16GB
- Flux.1 dev 中心: RTX 5090 32GB が現状唯一の快適解
- 両方を視野: RTX 5090 が将来の Flux 派生モデルにも余裕で対応
- 静音・大型モデルロード: Mac Studio M3 Ultra（速度より大型モデル運用優先）
- VRAM 12GB 以下: 量子化前提、本格運用には不向き
画像生成 AI は モデルサイズの拡大が続いている領域 で、2024 年に SDXL（6GB）、2025 年に Flux（24GB）と段階的に大きくなってきました。2026〜2027 年は更に大型のモデル（推測で 40GB 級）が出る可能性が高く、今 GPU を買うなら VRAM 24GB 以上を最低ラインにしておく のが、3 年後に陳腐化しない最低条件になります。LLM 推論用途との関係は別記事「Llama 3.3 70B トークン/秒 GPU 別ベンチマーク 2026年版」で同じ GPU 群を比較していますので、AI 用途を統合的に検討する場合は併せて参照してください。
あなたに合うPCを診断する
用途や予算をもう少し細かく入力すると、3つの候補構成を提案します。
→ 診断スタート
関連記事
- Llama 3.3 70B トークン/秒 GPU 別ベンチマーク 2026年版：同じ ai-dev section の LLM 推論ベンチ
- RTX 5090 vs 4090 vs PRO 6000 — AI 用 GPU 選定 2026年版：GPU 選定の判断軸
- VRAMとは何か。ローカルLLM推論で必要な量の決まり方 2026年版：VRAM 容量の意味の前提知識