応答速度と加速

Qwen-Image 2.1の速度：RTX 5090とMacで何が違う？

1枚6秒という人も、3分待ったという人もいます。同じQwen-Image 2.1でも、実行環境、量子化¹、解像度が違えば両方あり得ます。購入前に必要なのは最小の数字ではなく、自分の条件で待つ時間を絞ることです。

1枚6秒には実行条件があります

LightX2VのRTX 5090記録は1024×1024・40ステップで5.930秒。seed 42、CFG無効、連続3回の中央値です。入力処理からPNG保存までを含み、初回モデル読み込みは含みません。5090ならどのアプリでも出る標準値ではなく、その構成の結果です。

FP8²重み、FP16³累積、SM120用演算子、SageAttention2を組み合わせ、エンコーダーは段階的にCPU⁴へ退避します。同じ5090でも一般的なDiffusers構成では別の時間になります。標準設定が遅くても、買い替える前に対応最適化を確認する価値があります。

PCとストップウォッチ、同じプリントを置いた机 — 同じ条件を繰り返して待ち時間を比べます。

並べてよい数字と、条件が違う数字

以下は同じモデルの別々の公開記録です。MesmerのFP4 7.40秒はエンジン時間で、LightX2Vの終端間時間とは範囲が違います。NF4のDiffusersも別テストです。制御された実行環境ランキングではなく、GPU⁵名だけでは数字を比べられない理由を示します。

Q4_K_Mを取得してもFP4専用カーネルの速度にはなりません。GGUF⁶、NF4、ハードウェア向けFP4は保存・演算経路が別です。CPU退避とエンコーダーの配置も確認してください。ファイル名の4より、実行バックエンドと実メモリ使用量の方が判断材料になります。

公開実行記録・すべてテキストから画像、40ステップ
測定機器	実行構成	出力サイズ	公開時間
RTX 5090	LightX2V FP8 / FP16 accumulation	1024×1024	5.930s
RTX 5090	Mesmer FP4 rank 128	1024×1024	7.40s
RTX 5090	Diffusers NF4	1024×1024	19.2s
RTX 4070 Ti SUPER 16GB	Mesmer INT4 rank 128	1024×1024	22.82s
M5 Max 36GB	ComfyUI GGUF Q8 + INT8 encoder	1024×1024	156s
M5 Max 36GB	ComfyUI GGUF Q4 + W4A8 encoder	1024×1024	218s

公開実行記録・すべてテキストから画像、40ステップ

RTX 5090

実行構成: LightX2V FP8 / FP16 accumulation
出力サイズ: 1024×1024
公開時間: 5.930s

RTX 5090

実行構成: Mesmer FP4 rank 128
出力サイズ: 1024×1024
公開時間: 7.40s

RTX 5090

実行構成: Diffusers NF4
出力サイズ: 1024×1024
公開時間: 19.2s

RTX 4070 Ti SUPER 16GB

実行構成: Mesmer INT4 rank 128
出力サイズ: 1024×1024
公開時間: 22.82s

M5 Max 36GB

実行構成: ComfyUI GGUF Q8 + INT8 encoder
出力サイズ: 1024×1024
公開時間: 156s

M5 Max 36GB

実行構成: ComfyUI GGUF Q4 + W4A8 encoder
出力サイズ: 1024×1024
公開時間: 218s

MacでQ4の方が遅いこともある理由

公開M5 Max 36GBテストはComfyUIのMetal経路で、1024ではQ8が156秒、Q4が218秒でした。エンコーダーもINT8とW4A8で異なり、本体のビット数だけの差とは言えません。省メモリ効果と、その環境で低ビット重みを展開するコストを一緒に見ます。

1536では両構成が約8分台、2048では約18分規模でした。Q4の2048は反復したウォーム測定ではなくコールド実行なので、厳密な順位には使いません。Mac Studioの大容量メモリは大きな処理の適載に役立ちますが、容量比で画像演算が速くなるわけではありません。

5090最適化は専用設定まで合わせる

LightX2Vは5090専用CUDA⁷イメージとFP8変換例を提供します。fp8_f16_accum_5090スクリプトを選び、元モデルの場所と変換後DiT⁸のパスを別々に設定します。以下はソースと環境を用意した後の変換・実行部分です。/path/toは自分の場所に変更し、モデル全体の取得は別に行います。

変換後はJSONのdit_quantized_ckptを生成したsafetensorsに、スクリプトのlightx2v_pathとmodel_pathを実在フォルダーに合わせます。model_pathは元モデルの場所です。SM120演算子を含むlightx2v-kernelが必要で、RTX 3090やDGX Sparkへのコピーで同じ対応や加速は得られません。

LightX2Vソース内で変換・実行

python tools/convert/converter.py \
  --source /path/to/Qwen-Image-2.1/transformer \
  --output /path/to/Qwen-Image-2.1-fp8-f16-accum \
  --output_name qwen_image_21_fp8_f16_accum \
  --model_type qwen_image_21_dit \
  --quantization_profile qwen-image-21-fp8-f16-accum \
  --quantized --linear_type fp8 --device cuda:0 --single_file

# Set the checkpoint path in the JSON config and model paths in the script first.
bash scripts/qwen_image_21/qwen_image_21_t2i_fp8_f16_accum_5090.sh

環境準備と設定変更後に実行します。2026-09-23時点の公開パスです。

LightX2Vの5090環境・設定手順

同じ植物を小さな正方形と大きな正方形に印刷した様子 — 一辺が2倍なら画素数は4倍です。

解像度を上げたら急に遅くなった場合

一辺2倍を待ち時間2倍と考えると大きく外れます。Diffusers NF4の記録は1Kの19.2秒から2Kの118.8秒へ、Mac Q8は156秒から1094秒へ増えます。演算とメモリ配置が一緒に変わるためです。解像度は補足ではなく、比較の中心条件です。

体験画面は1024・1536・2048を分け、専用の解像度補正を使います。5090最適化の高解像度は1K記録と別環境の増加傾向からの推定で、2K実測とは表示しません。候補選びは1K、最終確認は大きな出力に分けると、買い替えず待ち時間を減らせます。

GPU2枚と大容量Macの利点は同じではない

GPU2枚で別々の作業を並列実行できても、1枚の完成時間が半分になるとは限りません。一つの処理の分散には実行環境の対応と通信が必要です。当サイトのプリセットは単一GPU経路なので、2×5090でもメモリを合算したり1枚の時間を半分にはしません。

大容量Macはモデルや他作業を同時に載せやすい一方、画像生成はGPU演算量とMetal実装の影響が大きくなります。手持ちMacで数枚なら待って始められます。数十枚を反復するならNVIDIA最適化を比較する理由があります。用途と回数なしに一台を断定するのは難しいところです。

銀色の小型PCと暗色のGPU PCを置いた机 — 何枚をどの頻度で作るかによって機器の選択は変わります。

自分の記録とサイトの推定を合わせる

読み込み後の生成と、ダウンロード・初回ロードを分けます。プロンプト、seed、ステップ、解像度を固定して3回以上実行し、中央値を残します。GPU、生成本体とエンコーダーの精度、オフロード⁹、実行版も記録すると再現しやすくなります。

5090は公開最適化記録を基準に、他のNVIDIAは一般NF4経路の相対推定を表示します。Macは別のGGUF記録と幅を持たせたチップ別推定です。未確認のGB10時間やスワップ支配の条件は無理に数値化しません。待ち時間と、実際に使う実行方式を確認してから購入を判断します。

用語の注釈

量子化 — モデルの数値を少ないビット数で表す方法です。メモリ使用量のほか、精度や実行速度も変わることがあり、影響は形式と実装によります。
本文に戻る
FP8 — 8ビット浮動小数点形式の総称です。具体的な形式や対応範囲はハードウェアとソフトウェアによって異なります。
本文に戻る
FP16 — 16ビット浮動小数点形式です。BF16とビット幅は同じですが、指数部と仮数部の配分が異なります。
本文に戻る
CPU — コンピューターで汎用のプログラム命令を実行する中央処理装置です。AI処理ではGPUなど他のプロセッサーと役割を分けることがあります。
本文に戻る
GPU — 多くの計算を並列に処理するプロセッサーです。AIモデルの実行ではモデル計算を担います。
本文に戻る
GGUF — モデル情報を格納するファイル形式で、llama.cpp系のツールで広く使われます。形式だけで特定ハードウェアへの対応や速度が保証されるわけではありません。
本文に戻る
CUDA — NVIDIA GPUで汎用計算を行うソフトウェア基盤です。CUDA向けのプログラムが他のGPUでそのまま動くとは限りません。
本文に戻る
DiT — Diffusion Transformerの略です。Transformer構造を使い、拡散過程でノイズを含む表現を段階的に整えるモデル構造です。
本文に戻る
オフロード — 容量が足りないとき、モデルデータの一部をGPUメモリからシステムRAMやストレージへ移して処理する方法です。データ転送が追加されます。
本文に戻る