تشغيل Stable Diffusion محلياً: كم من ذاكرة بطاقة الرسوميات تحتاج فعلياً

للجيل المحلي للصور تكفي 8 GB من VRAM لـ Stable Diffusion 1.5 وSDXL، وتغطي 16 GB كلاً من SD 3.5 Medium وFLUX.2 [klein] 4B، أما النماذج الثقيلة (SD 3.5 Large وFLUX.2 [klein] 9B بالدقة الكاملة) فتحتاج من 18 إلى 29 GB. يجمع هذا الدليل الأرقام الرسمية في مكان واحد، ويشرح أين تذهب الذاكرة، ويربط كل مهمة ببطاقة رسوميات مناسبة.

الأرقام باختصار

الأرقام أدناه مأخوذة من بطاقات النماذج وإعلانات الشركات. تعامل معها كدليل لصورة واحدة بالحجم القياسي للنموذج، لا كحد أدنى صارم لكل إعداد. الإضافات والدقات الأعلى ترفع الاستهلاك.

لماذا رقمان لـ FLUX.2 [klein]؟ بطاقة النموذج على Hugging Face تصف تحميل المسار كاملاً، بما فيه مرمّز النص. فريق ComfyUI قاس الاستهلاك داخل تطبيقه، الذي يُدخل المكوّنات إلى الذاكرة ويُخرجها حسب الحاجة. الرقمان صحيحان كلٌّ في ظروفه. عند التخطيط للشراء، الرقم الأعلى هو الأكثر أماناً.

التراخيص تختلف أيضاً، وهذا مهم إذا كنت تنوي بيع النتائج أو بناء منتج. يستخدم SD 1.5 ترخيص CreativeML OpenRAIL-M. يخضع SD 3.5 لترخيص Stability AI Community License، الذي يسمح بالاستخدام التجاري للمؤسسات والأفراد الذين تقل إيراداتهم السنوية عن مليون دولار. FLUX.2 [klein] 4B بترخيص Apache 2.0، بينما نموذج 9B للاستخدام غير التجاري فقط.

أين تذهب الذاكرة

الخطأ الشائع هو النظر إلى حجم ملف النموذج وافتراض أن هذا هو المتطلب كله. في الواقع يجب أن يتسع المسار بأكمله مع البيانات الوسيطة.

مكوّنات المسار

يحوّل مرمّز النص الطلب إلى أرقام، وتبني نموذج الانتشار الصورة خطوة بخطوة في فضاء كامن مضغوط، ثم يفك VAE ذلك إلى بكسلات. النماذج الأقدم تستخدم مرمّزات صغيرة. أما الجديدة فتعتمد على نماذج لغوية كبيرة: يشغّل SD 3.5 مرمّزي CLIP بالإضافة إلى T5-XXL، ويستخدم FLUX.2 [klein] 9B نموذج Qwen3 بثمانية مليارات معامل. لذلك لا يصف رقم Stability AI البالغ 9.9 GB لـ SD 3.5 Medium المسار كاملاً.

الدقة وحجم الدفعة

الصور الأكبر تعني بيانات وسيطة أكثر في كل خطوة. تبقى الأوزان بالحجم نفسه، لذلك لا تنمو الذاكرة بنسبة مطابقة لعدد البكسلات، لكن القفز من 1024 × 1024 إلى 2048 × 2048 قد يصطدم بالسقف على بطاقة كانت تتعامل مع الحجم الأساسي بسهولة. حجم الدفعة يعمل بالطريقة نفسها: توليد عشر صور في تمريرة واحدة يحتاج ذاكرة أكبر بكثير من عشر تشغيلات لصورة واحدة.

صيغة الأوزان

عدد المعاملات نفسه قد يشغل مساحات مختلفة جداً. تخزّن FP16 وBF16 كل قيمة في 16 بت، وFP8 في 8 بت، وتذهب صيغ 4 بت إلى أبعد من ذلك. تفيد NVIDIA وStability AI أن تحويل SD 3.5 Large إلى FP8 عبر TensorRT يخفض استهلاك الذاكرة بنسبة 40%، من أكثر من 18 GB إلى 11 GB، ويعمل أسرع بـ2.3 مرة من BF16 في PyTorch. القيد: تذكر NVIDIA دعم FP8 لسلسلة GeForce RTX 40 والأحدث، وتضيف RTX 50 دعم FP4. الأوزان المضغوطة قد تخسر بعض التفاصيل الدقيقة، لذا افحص الوجوه والنص الصغير والملمس على طلباتك.

الإضافات

يحمّل كل من ControlNet (الوضعية والحواف والعمق) وIP-Adapter (مرجع الصورة) ومحسّنات الجودة ومكبرات الدقة نموذجه الخاص. لا توجد زيادة ثابتة: الأمر يعتمد على الوحدة وعلى ما إذا كان التطبيق يُبقي كل شيء في الذاكرة أم يحمّله بالتناوب. استخدام LoRA جاهزة خفيف، أما تدريب LoRA خاصة بك فمهمة منفصلة بمتطلبات أعلى، لذا راجع وثائق أداة التدريب التي تنوي استخدامها.

تحقق من بطاقتك خلال خمس دقائق

قبل ترقية أي شيء، قس استهلاكك الفعلي.

1. اعرف حجم VRAM. في Windows افتح Task Manager، وانتقل إلى Performance واختر GPU. «Dedicated GPU memory» هي ذاكرة VRAM. على بطاقات NVIDIA يُظهر الأمر nvidia-smi في الطرفية الرقم نفسه.
2. شغّل صورة واحدة بحجم دفعة 1 بالدقة الأصلية للنموذج. تجاهل التشغيل الأول، لأنه يتضمن تحميل الأوزان من القرص.
3. راقب الذروة في التشغيل الثاني. إذا بلغت الذاكرة المخصصة السقف بينما يرتفع «Shared GPU memory»، فالتطبيق يفيض إلى ذاكرة النظام. ستحصل على صورة، لكن ببطء أكبر بكثير.
4. غيّر إعداداً واحداً في كل مرة: الدقة، والدفعة، وصيغة الأوزان، والوحدات الإضافية. هكذا يظهر بالضبط ما يستهلك الهامش.

ComfyUI أسهل نقطة للبداية. يذكر مطوّروه دعم NVIDIA وAMD (من RDNA 2 إلى RDNA 4 عبر ROCm) وIntel Arc وApple Silicon، ويقولون إن الإدارة الذكية لذاكرة VRAM وRAM تتيح حتى لأكبر النماذج المفتوحة العمل على 4 GB من VRAM و8 GB من RAM، وإن لم يكن ذلك سريعاً. تشمل نماذج الصور المدعومة SD 1.5 وSDXL وSD 3.5 وFLUX.1 وFLUX.2.

مطابقة بطاقة الرسوميات للمهمة

ذاكرة VRAM هنا أهم منها في الألعاب. نقصها في لعبة يكلّف معدل الإطارات، أما في توليد الصور فيبطئ العمل بشدة بسبب التفريغ أو يمنع تحميل النموذج أصلاً. أحجام الذاكرة أدناه من جدول المواصفات الرسمي لدى NVIDIA.

تجرّب فقط؟ من 8 إلى 12 GB تكفي لتعلّم الأساسيات مع SD 1.5 وSDXL.

تعمل بانتظام مع نماذج 2025 و2026؟ استهدف 16 GB. تقول Black Forest Labs إن FLUX.2 [klein] 4B متاح على بطاقات من فئة RTX 3090 أو RTX 4070 وما فوق.

تشغّل أكبر النماذج المفتوحة من دون ضغط؟ انظر إلى 24-32 GB. بطاقة FLUX.2 [klein] 9B تذكر RTX 4090 وما فوق.

لبطاقات الجيل السابق دور أيضاً. تحمل كل من RTX 4090 وRTX 3090 ذاكرة 24 GB من نوع GDDR6X، لذلك تبقى مفيدة للنماذج الثقيلة إذا كانت لديك أصلاً. تذكّر أن RTX 3090 أقدم من دعم FP8 الذي تذكره NVIDIA بدءاً من RTX 40، لذلك لن يمنح إصدار FP8 من SD 3.5 Large عبر TensorRT التوفير نفسه في الذاكرة.

إذا احتجت إلى أكثر من 32 GB للتدريب أو لتشغيل عدة خدمات جنباً إلى جنب، فالبطاقات الاحترافية هي الخطوة التالية. لخلفية عن كيفية تسريع وحدات GPU وCPU لأحمال الذكاء الاصطناعي، راجع دليلنا حول تسريع الذكاء الاصطناعي في عتاد الحاسوب.

بقية النظام

بطاقة الرسوميات تؤدي معظم العمل، لكنها لا تعمل وحدها. عندما تضيق VRAM، تنقل التطبيقات المكوّنات إلى ذاكرة النظام، لذلك تحتاج RAM تكفي لما لا يتسع على البطاقة. تزن النماذج عشرات الجيجابايت، لذا يختصر SSD من نوع NVMe السريع التحميل الأول والتنقل بينها. دور المعالج محدود بعد أن تجري عملية التوليد على GPU.

إذا كنت تحدد حاسوباً خصيصاً للجيل المحلي للصور، يتيح لك مُكوّن HYPERPC اختيار ذاكرة بطاقة الرسوميات وذاكرة النظام والتخزين التي تحتاجها نماذجك.

الخلاصة

• 8 GB: SD 1.5 وSDXL، نقطة بداية مناسبة.
• 12 GB: SDXL مع الإضافات، وSD 3.5 Large بصيغة FP8 على RTX 40 أو الأحدث.
• 16 GB: الحد العملي للنماذج الحالية، بما فيها SD 3.5 Medium وFLUX.2 [klein] 4B.
• 24 إلى 32 GB: SD 3.5 Large من دون ضغط وFLUX.2 [klein] 9B.

قس سير عملك قبل الشراء. الدقة وحجم الدفعة وصيغة الأوزان والإضافات تؤثر في الاستهلاك الفعلي بقدر اسم النموذج.