이미지 생성 그래픽카드 16GB 선택 기준

이미지 생성 그래픽카드를 고를 때 먼저 볼 숫자는 연산 코어가 아니라 모델 파일의 총 용량입니다. 로컬 생성은 모델 가중치를 전부 카드 메모리에 올린 뒤 그 위에서 샘플링을 돌리기 때문에, 가중치가 통째로 들어가지 않으면 정밀도를 낮추거나 일부를 시스템 메모리로 넘겨야 합니다.

공개 배포된 파일을 그대로 받아 보면 SDXL 1.0은 6.94GB 한 파일로 끝나고, FLUX.1-dev는 33.9GB, Qwen-Image는 57.8GB입니다. 같은 16GB 카드에 이 셋이 모두 올라가는지가 관건입니다.

SDXL은 16GB에서 그대로 돌아가고, FLUX.1-dev는 4비트로 줄여야 16GB에 들어갑니다. Qwen-Image는 4비트로 줄여야 32GB부터입니다. 16GB 카드를 쓰고 있다면 새 모델을 못 쓰는 게 아니라, 계속 정밀도를 낮춰 쓰게 됩니다.

이미지 생성 그래픽카드, VRAM은 가중치 합계에서 결정된다

로컬 이미지 생성은 부품 세 개를 메모리에 올립니다. 이미지를 만드는 확산 트랜스포머(구형 모델은 UNet), 프롬프트를 해석하는 텍스트 인코더, 픽셀로 되돌리는 VAE입니다. 여기에 샘플링 중간값이 더 붙습니다.

1024×1024 한 장을 기준으로 중간값을 2~3GB로 가정하면, 실질 상한은 카드 메모리에서 3GB를 뺀 값이 됩니다. 아래 표는 공개 배포 파일의 실제 크기를 기준으로 했고, fp8로 낮춘 칸만 절반으로 환산한 값입니다. 모델 카드에 적힌 파라미터 수와도 맞습니다. FLUX.1-dev는 12B, Qwen-Image는 20B입니다.

모델·정밀도	확산 가중치	텍스트 인코더	VAE·CLIP	합계	1024² 기준 카드
SDXL 1.0 base	6.94(단일 파일)	포함	포함	6.94GB	12GB
FLUX.1-dev BF16	23.80GB	9.52GB	0.59GB	33.91GB	48GB
FLUX.1-dev Q8_0	12.71GB	4.89GB(fp8)	0.59GB	18.19GB	24GB
FLUX.1-dev Q4_K_S	6.81GB	4.89GB(fp8)	0.59GB	12.29GB	16GB
Qwen-Image BF16	40.90GB	16.60GB	0.25GB	57.75GB	64GB
Qwen-Image Q8_0	21.76GB	16.60GB	0.25GB	38.61GB	48GB
Qwen-Image Q4_K_M	13.07GB	8.30GB(fp8)	0.25GB	21.62GB	32GB

SDXL이 작은 이유는 확산부가 작고 텍스트 인코더가 CLIP 두 개뿐이기 때문입니다. 무거운 T5를 쓰지 않아 확산부와 인코더, VAE가 6.94GB 안에 다 들어갑니다. FLUX.1-dev는 확산부만 23.8GB이고 여기에 T5 인코더 9.5GB가 따로 붙습니다.

16GB 카드에서 남는 여유, FLUX는 0.7GB이고 Qwen-Image는 8.6GB 부족하다

카드 메모리에서 활성값 3GB를 떼면 가중치에 쓸 수 있는 몫이 나옵니다. 16GB 카드라면 13GB입니다. 여기에 맞춰 보면 판단이 빨라집니다.

FLUX.1-dev Q4_K_S는 가중치 합계가 12.29GB입니다. 활성값 3GB를 더하면 15.3GB로 16GB에 0.7GB를 남기고 들어갑니다. SDXL은 6.94GB에 3GB를 더해 9.94GB이므로 12GB 카드에서도 돌아갑니다. 반면 Qwen-Image Q4_K_M에 인코더를 fp8로 줄인 조합은 21.62GB(원본 인코더 16.60GB를 8비트로 낮춰 절반인 8.30GB로 계산), 활성값까지 24.6GB입니다. 16GB에는 8.6GB가 모자라고 24GB 카드에서도 0.6GB 부족합니다.

이 계산이 중요한 이유는 카드 등급을 올려도 해결되지 않는 구간이 있기 때문입니다. FLUX.1-dev를 정밀도 손실을 최소화해 24GB 카드에 올리려면 Q8_0(18.19GB)까지가 한계이고, 33.91GB짜리 원본은 48GB급이 필요합니다.

양자화는 공짜가 아니다, 텍스트처럼 정밀한 출력에서 차이가 난다

4비트로 내리면 파일이 절반 아래로 줄지만 가중치 정밀도가 낮아집니다. Qwen-Image 모델 카드가 내세우는 텍스트 렌더링처럼 정밀도에 민감한 출력에서 차이가 두드러질 수 있습니다. 숫자로는 해결되는 조합이 결과물에서는 손해가 될 수 있습니다.

Qwen-Image는 구조가 특히 불리합니다. 텍스트 인코더 16.60GB가 확산부 40.90GB의 41%입니다. 인코더를 줄이지 않으면 카드만 키워도 해결되지 않고, 확산부를 4비트로 눌러도 인코더가 그대로 남습니다.

스텝 수 차이도 무시할 수 없습니다. FLUX.1-schnell은 1~4스텝으로 설계됐고 FLUX.1-dev와 Qwen-Image는 50스텝 예시를 씁니다. 같은 카드에서 스텝을 50에서 4로 줄이면 반복 횟수가 12.5분의 1이 됩니다. 스텝 수가 적은 모델은 같은 카드에서도 대기 시간이 크게 줄어듭니다.

메모리 계산으로 끝나지 않습니다. FLUX.1-dev는 비상업 라이선스입니다. 결과물을 파는 일이 있으면 이 모델은 후보에서 빠집니다. 같은 무게의 FLUX.1-schnell은 Apache 2.0이고 1~4스텝으로 돌아가므로, 카드 메모리 계산이 끝난 뒤에도 이 두 줄에서 결론이 갈립니다. SDXL은 OpenRAIL++-M으로 배포됩니다.

회사 작업이라면 FLUX.1-dev 33.9GB를 감당할 카드를 사는 대신, schnell을 Q8_0으로 돌리는 편이 현실적입니다. 대신 4스텝 모델은 세밀한 수정에서 한계가 있다는 평가가 있습니다.

지금 산다면, 16GB와 32GB와 96GB 중 어디인가

SDXL과 FLUX 양자화본이면 충분하고 예산이 문제라면 16GB입니다. RTX 5080 16GB가 쿠팡에서 269만원대이고, SDXL은 9.94GB, FLUX Q4_K_S는 15.3GB로 들어갑니다. Qwen-Image는 이 카드에서 포기해야 합니다.

FLUX.1-dev를 Q8로 유지하면서 Qwen-Image도 4비트로 돌리려면 32GB가 최소선입니다. RTX 5090 32GB가 1,262만원대이고, FLUX Q8이 21.2GB, Qwen-Image Q4 조합이 24.6GB로 둘 다 남습니다. 32GB의 실질 여유는 Qwen-Image 기준 7.4GB입니다.

Qwen-Image를 정밀도 그대로 쓰려면 57.75GB에 활성값 3GB를 더한 60.8GB가 필요합니다. 표의 64GB는 계산상 최소선이고, 이 용량을 한 장으로 담는 시판 카드는 96GB 모델(RTX PRO 6000, 3,396만원대)입니다. 개인 취미 예산이 아니라 업무 장비 예산에서 판단할 금액입니다.

사도 되는 경우와 기다릴 경우

단점은 분명합니다. 16GB는 지금 모델을 4비트로 눌러 쓰는 카드이고, 다음 세대 모델이 나오면 같은 계산을 다시 하게 됩니다. 32GB도 Qwen-Image 20B를 정밀도 그대로 담지는 못합니다. 1328×1328처럼 더 큰 해상도를 쓰거나 배치를 늘리면 중간값이 커져 32GB에서도 여유가 빠듯해집니다.

양자화 배포본은 만든 사람마다 결과가 다르고 갱신 시점도 원본과 어긋날 수 있습니다. 회사 결과물을 만든다면 어떤 배포본을 썼는지까지 관리 대상에 넣어야 합니다.

한 달에 수십 장이라면 카드 값과 API 사용료를 같은 기간으로 놓고 계산해야 합니다. 하루에 수백 장을 뽑거나 프롬프트를 계속 고쳐야 하는 경우에만 로컬 쪽이 앞섭니다.