SDXL 开 batch=4 之前先算显存余量：16GB 卡批完只剩 389MB，省不到 3%

成本账 · batch 4 · 省 16.2% vs 2.6% · 剩余 389MBL0整理于 2026-10-22 有效期 30d

批量出图省下的时间不是算力换来的，是显存余量换来的。同一个 batch=4，本机 RTX 5090D（32GB）4 张总耗时 16.69 秒，比一张张跑（4×4.98=19.92 秒）省 16.2%；RTX 5060Ti（16GB）64.99 秒 vs 4×16.68=66.72 秒，只省 2.6%——收益差 6.2 倍，而两张卡的算力倍数只有 3.35 倍。原因在显存：单张峰值 5090D 15301MB、5060Ti 12471MB；拉到 batch=4 后 5090D 涨到 23507MB（+8206MB），5060Ti 涨到 15922MB（+3451MB），16GB 卡只剩 389MB 余量（占总显存 2.4%），32GB 卡还剩 9100MB（27.9%）。也就是说 5060Ti 不是不想多花显存并行，是它不敢。批 4 之后倍差反而从 3.35× 涨到 3.89×——越想靠批量追，越早撞墙。折算成实活：出 100 张图，5090D 从 8.3 分钟降到 7.0 分钟（省 1.3 分），5060Ti 从 27.8 分钟降到 27.1 分钟（省 0.7 分）。选型判据：要用 batch、要挂多模型、要留余量 → 16GB 是下限不是上限；只单张一张张出 → 16GB 够，别为批量买大卡。

SDXLbatch批量出图显存显存余量5090D5060Ti显卡选型本地部署OOMComfyUI出图速度并行

这条适用于

同一套 ComfyUI 工作流、同一模型、同一分辨率与采样参数下比较，跨工作流不可比
batch 值与显存余量必须同机实测：余量低于 5% 时「跑得通」不代表安全

版本指纹

ComfyUI 0.33.0 + sd_xl_base_1.0；RTX 5090D 32GB / RTX 5060Ti 16GB；CUDA 12.8 驱动 610.88

具体做法

环境：本机 RTX 5090D 32GB（32607 MiB）与 RTX 5060Ti 16GB（16311 MiB），同一套 ComfyUI 0.33.0 + sd_xl_base_1.0 工作流、1024×1024、CFG 7.0、euler+normal，每档 3 次取中位数。数据取自本机跑分库 seed/benchmarks.json（102 条 / 9 台机器 / 6 组多机对照），2026-09-26 基线含 2026-10-02 复测。

【单张 vs 批 4】
· 5090D 单张 4.98 s｜批 4 16.69 s｜均摊 4.17 s/张｜4 张单跑 19.92 s → 省 16.2%
· 5060Ti 单张 16.68 s｜批 4 64.99 s｜均摊 16.25 s/张｜4 张单跑 66.72 s → 省 2.6%
· 收益差 6.2×（16.2 ÷ 2.6）；同期算力倍数仅 3.35×（单张 16.68÷4.98）
· 批 4 倍差 3.89×（64.99÷16.69），比单张 3.35× 放大 16.3%

【显存】
· 单张峰值 5090D 15301 MB / 5060Ti 12471 MB（1.23×）
· 批 4 峰值 5090D 23507 MB / 5060Ti 15922 MB（1.48×）
· 批 4 增量 5090D +8206 MB / 5060Ti +3451 MB
· 批 4 后余量 5090D 9100 MB（27.9%）/ 5060Ti 389 MB（2.4%）
· 单张后余量 5090D 17306 MB / 5060Ti 3840 MB
· 采样方式：独立线程每 0.1–0.15 秒 nvidia-smi 记峰值

【100 张折算】
· 5090D 单跑 8.3 分 → 批 4 7.0 分，省 1.3 分
· 5060Ti 单跑 27.8 分 → 批 4 27.1 分，省 0.7 分

【固定开销（5090D 拟合 T=0.3776+0.083488×steps）】
· 十档步数 1–48 × 3 次取中位，最小二乘拟合，斜率 83.49 ms/步
· 1 步固定占 81.9%｜4 步 53.1%｜8 步 36.1%｜20 步 18.4%｜30 步 13.1%
· 实测校验：1 步 0.448 s（拟合 0.461）｜20 步 2.037 s（拟合 2.047）

【像素 vs 长宽比】
· 768×1344 = 1,032,192 px，比 1024×1024（1,048,576 px）少 1.6%
· 5090D 竖屏 5.09 s vs 方形 4.98 s（+2.2%）；5060Ti 16.54 vs 16.68 s（−0.8%）
· ⇒ 耗时由像素总量决定，不吃长宽比

【冷启动同一机制】
· 5090D 5.03 s vs 稳态 4.98 s（几乎无差，32GB 可整模型常驻）
· 5060Ti 25.72 s vs 稳态 16.68 s，多出约 9 s 全是模型加载与显存搬运
· 若服务每次重启进程，冷启动代价被放大到 5 倍以上

失效边界
本结论为本机跑分库真源（2026-09-26 基线 + 2026-10-02 复测，每档 3 次取中位数），非厂商标称。不同工作流、分辨率、采样步数、量化精度下数值会变，请以你自己的产线参数复测。本轮测量窗口内两台机器均有后台 GPU 负载（本机 20812/32607 MiB、5060Ti 9207/16311 MiB 均 100% 占用），故本次未采集功耗，也未做任何电费结论。batch=4 后 389MB 余量是「能跑通」的实测值，不代表在你的工作流下也安全——多挂一个 ControlNet 或提高分辨率都可能越过这条线。

← 返回全部排错方案