Stable Diffusion локально: что потянет?

Что значит запустить Stable Diffusion локально?

Локальный запуск — это когда модель считает ваша видеокарта, а не чужой сервер. Вы скачиваете файл модели на диск, ставите оболочку с интерфейсом и генерируете картинки офлайн. Интернет после установки нужен только для новых моделей.

Отсюда все плюсы и все минусы. Плюсы: никакой цензуры чужого сервиса, нет лимитов на количество генераций, можно дообучать модель под свой стиль и работать вообще без сети. Минусы платятся железом: каждая картинка съедает вашу видеопамять, ваше электричество и ваше время на настройку.

Работает это благодаря приёму, описанному в статье Rombach и соавторов «High-Resolution Image Synthesis with Latent Diffusion Models» на arXiv в 2022 году. Модель считает не пиксели, а сжатое латентное представление, и именно это в своё время позволило перенести генерацию с серверных ускорителей на домашние видеокарты.

Важно сразу развести две разные проблемы. Здесь речь про железо и установку. Если вопрос в другом — как получить доступ к Stable Diffusion из России, платить рублями и писать запросы по-русски, — это отдельный разговор, он разобран в материале Stable Diffusion на русском. Локальный запуск проблему доступа решает радикально: качать модель можно откуда угодно, а работает она потом без сети.

Потянет ли моя видеокарта Stable Diffusion?

Минимум для работы — 4 ГБ видеопамяти на видеокарте NVIDIA не старше 20-й серии и 8 ГБ оперативной. Это не общая прикидка, а требования из README проекта Fooocus, одной из самых простых оболочек для SDXL. Там же расписано, что бывает с другим железом.

Таблица ниже сведена из раздела Minimal Requirement того же README. Цифры в колонке скорости — сравнение с картой уровня RTX 3000, которое приводят сами авторы проекта.

Железо	Минимум видеопамяти	Минимум ОЗУ	Скорость
NVIDIA RTX 2000/3000/4000	4 ГБ	8 ГБ	базовая
NVIDIA GTX 1000	8 ГБ (на 6 ГБ как повезёт)	8 ГБ	чуть быстрее процессора
NVIDIA GTX 900	8 ГБ	8 ГБ	около процессора
AMD на Windows (DirectML)	8 ГБ	8 ГБ	примерно втрое медленнее
AMD на Linux (ROCm)	8 ГБ	8 ГБ	примерно в полтора раза медленнее
Mac на M1/M2 (MPS)	общая память	общая память	примерно в девять раз медленнее
Только процессор	не нужна	32 ГБ	примерно в семнадцать раз медленнее

Из таблицы видно то, о чём в русских гайдах обычно молчат. Карты старше GTX 900 не поддерживаются вовсе. Запуск на процессоре формально возможен, но замедление в семнадцать раз превращает минутную генерацию в получасовую. А владельцам AMD под Windows придётся мириться с тройным отставанием.

Живой ориентир по скорости тоже есть в README Fooocus: на ноутбуке с 16 ГБ ОЗУ и 6 ГБ видеопамяти (мобильная RTX 3060) один шаг диффузии занимает около 1,35 секунды. При типичных тридцати шагах это примерно сорок секунд на картинку, не считая загрузки модели в память.

Ещё одна деталь для владельцев 4 ГБ. В том же README сказано: минимум в 4 ГБ работает только при включённом файле подкачки Windows. Отключили своп ради экономии SSD — получите ошибку выделения памяти вместо картинки.

Сколько места на диске займут модели?

Одна базовая модель весит от четырёх до пятнадцати гигабайт, и это только начало. Размеры легко проверить по файлам в карточках моделей на Hugging Face, и разброс между поколениями там впечатляющий.

Классическая Stable Diffusion 1.5 в облегчённом варианте занимает 3,97 ГБ, полный чекпоинт — 7,17 ГБ. Базовая SDXL в одном файле весит 6,46 ГБ. Свежая Stable Diffusion 3.5 Large в едином чекпоинте — уже 15,33 ГБ, и это без учёта отдельных текстовых энкодеров, где один только T5-XXL добавляет 9,12 ГБ.

К этому прибавьте то, ради чего люди и ставят Stable Diffusion дома. Стилевые модели, LoRA под конкретных персонажей, ControlNet под позы, апскейлеры. Каждый файл от сотен мегабайт до нескольких гигабайт, и коллекция на 100–200 ГБ у активного пользователя набирается за пару месяцев.

Про видеопамять у старших моделей разговор отдельный. По данным анонса Stable Diffusion 3.5 от Stability AI от 22 октября 2024 года, версия Medium на 2,5 миллиарда параметров требует 9,9 ГБ видеопамяти без учёта текстовых энкодеров. Старшая Large на 8,1 миллиарда параметров просит ещё больше. Так что «минимум 4 ГБ» относится к SDXL, а не ко всей линейке.

Какие есть способы установки?

Оболочек три, и выбор между ними важнее, чем кажется. Сама модель — это просто файл весов, интерфейс к ней вы выбираете отдельно, и от этого выбора зависит и порог входа, и то, будет ли проект вообще жив через год.

Оболочка	Для кого	Чем расплачиваетесь
Fooocus	новичкам, «поставил и рисуешь»	почти нет настроек, только SDXL
AUTOMATIC1111 WebUI	тем, кто хочет ползунки и расширения	капризное окружение, Python строго 3.10.6
ComfyUI	тем, кому нужна повторяемость и своя схема	вечер на понимание нод

Fooocus ставится ближе всего к «двум кликам»: авторы заявляют, что от нажатия кнопки скачивания до первой картинки нужно меньше трёх щелчков мышью. Модель SDXL он скачивает сам при первом запуске.

Веб-интерфейс AUTOMATIC1111 остаётся самым известным: больше 164 тысяч звёзд на GitHub и лицензия AGPL-3.0. Его README требует именно Python 3.10.6 и прямым текстом предупреждает, что более новые версии Python не поддерживают нужный torch. Это ровно та грабля, на которую наступает каждый второй новичок: система тянет свежий Python, установка падает, а сообщение об ошибке ни на что не намекает.

Третий путь — ComfyUI с узловым интерфейсом, где генерация собирается из блоков вручную. Он даёт максимум контроля и точную повторяемость результата, но и разбираться в нём придётся дольше всех. Как устроены его ноды и рабочие процессы, разобрано в отдельном гайде про ComfyUI.

Какая оболочка ещё развивается, а какая заброшена?

Активно развивается только ComfyUI, а два самых популярных «простых» варианта фактически заморожены. Русские инструкции этого не пишут, потому что почти все они написаны в 2023 году и с тех пор не обновлялись. Проверить статус можно за минуту прямо на GitHub, по дате последнего коммита в основной ветке.

Картина на 7 августа 2026 года выглядит так. В основной ветке репозитория AUTOMATIC1111 последний коммит датирован 27 июля 2024 года, а последний релиз v1.10.1 вышел в феврале 2025-го; работа продолжается только в ветке dev. У Fooocus последний релиз v2.5.5 помечен августом 2024 года. ComfyUI за это же время выпустил версию v0.30.0 от 3 августа 2026 года, а всего с 1 июня по 3 августа 2026 года там вышло десять релизов.

Что это значит на практике. Заброшенный проект не перестаёт работать, но перестаёт догонять: новые модели, новые версии PyTorch, новые видеокарты он поддерживать не будет. Ставя сегодня AUTOMATIC1111, вы получаете рабочий инструмент под модели двухлетней давности и почти гарантированную возню с зависимостями на свежей системе.

Отсюда практический вывод. Нужна одна картинка на пробу и минимум действий — берите Fooocus, для SDXL его хватает. Нужен инструмент, который переживёт следующий год моделей, — ставьте ComfyUI и заложите вечер на изучение. Промежуточного варианта, который был бы одновременно простым и живым, сейчас просто нет.

Что не получится сделать на домашнем железе?

Не получится то, что упирается в объём видеопамяти и в лицензию. Домашняя карта ограничивает размер модели, а лицензия ограничивает способ заработка на результате.

Первое ограничение техническое. Модели старших поколений в полном качестве в 8 ГБ видеопамяти не помещаются, и приходится идти на компромиссы: квантование, выгрузка частей модели в оперативную память, генерация в меньшем разрешении с последующим апскейлом. Каждый компромисс стоит либо качества, либо скорости.

Второе ограничение юридическое. Stable Diffusion 3.5 распространяется по Stability AI Community License: бесплатно для исследований, некоммерческого использования и для компаний с годовой выручкой до миллиона долларов. Перешагнули порог — нужна отдельная корпоративная лицензия. Права на сами сгенерированные изображения при этом остаются за вами.

Третье ограничение бытовое, и его недооценивают чаще всего. Модель обучена в основном на английских описаниях, поэтому промпты на русском дают заметно более слабый результат. Штатного переводчика внутри оболочек нет, и его либо ставят расширением, либо переводят запросы руками.

Локально или онлайн: что выбрать?

Выбор упирается в то, сколько картинок вам нужно и как часто. Регулярная работа пачками оправдывает вложение в железо, разовые задачи — нет.

Локальный запуск выигрывает, когда нужны сотни генераций в месяц, свои дообученные модели, работа без сети и полный контроль над каждым параметром. Онлайн выигрывает, когда картинка нужна сегодня, а видеокарты под рукой нет.

Мы сам Stable Diffusion не запускаем и доступ к нему не продаём — говорим об этом прямо. Trackly закрывает соседнюю задачу: генерацию изображений в браузере, без установки, без VPN и за рубли. В каталоге для картинок доступны Gemini 3 Flash Image, Nano Banana Pro, GPT Image 2 и Imagen 4, запрос пишется обычными русскими словами. Генерация в чате изображений стоит 30 токенов, оплата российской картой.

После регистрации с подтверждением почты на баланс приходит приветственный бонус, его хватает на первые пробы без пополнения. Посмотреть, какие модели есть под какую задачу, можно в каталоге нейросетей. Общий разбор домашних моделей и того, что вообще имеет смысл держать на своём компьютере, есть в материале про локальные нейросети.

Коротко о главном

Локальный Stable Diffusion реален уже на 4 ГБ видеопамяти, но комфортным становится ближе к 8–12 ГБ и требует десятков гигабайт под модели. Главная ловушка не в железе, а в выборе оболочки: два самых популярных «простых» варианта не обновлялись с 2024 года, живым остался только ComfyUI с его узловым интерфейсом. Если нужны просто картинки, а не своя ферма, онлайн-генерация обойдётся дешевле железа и вечеров.

Источники

• lllyasviel, репозиторий «Fooocus», раздел Minimal Requirement, GitHub, github.com/lllyasviel/Fooocus (проверено 7 августа 2026).
• AUTOMATIC1111, репозиторий «stable-diffusion-webui», GitHub, github.com/AUTOMATIC1111/stable-diffusion-webui (проверено 7 августа 2026).
• Stability AI, карточка модели «stable-diffusion-3.5-large», Hugging Face, huggingface.co/stabilityai/stable-diffusion-3.5-large (проверено 7 августа 2026).
• Stability AI, карточка модели «stable-diffusion-xl-base-1.0», Hugging Face, huggingface.co/stabilityai/stable-diffusion-xl-base-1.0 (проверено 7 августа 2026).
• Stability AI, «Introducing Stable Diffusion 3.5», stability.ai/news-updates/introducing-stable-diffusion-3-5 (проверено 7 августа 2026).
• Robin Rombach и соавторы, «High-Resolution Image Synthesis with Latent Diffusion Models», arXiv, arxiv.org/abs/2112.10752 (проверено 7 августа 2026).