Z-Image Turbo（6B）は、VRAM 16GB の RTX 4070 Ti SUPER で公式サンプルのまま動きました。1024×1024・9ステップの1枚目（モデルの読み込み込み）は28.2秒でした。
ただし生成中に VRAM の空きは最小で0.57GiBまで減りました（生成で増えた使用量は約14.09GiB）。公式は「16GBの家庭用GPUに余裕をもって収まる」としていますが、この条件では余裕はほとんどありません。ブラウザなど他にGPUを使うものを閉じてから回すのが無難です。
Z-Image Turbo は、Alibaba の Tongyi-MAI が公開している 6B の画像生成モデルです。「16GBで動く」という触れ込みが本当か、ComfyUI の公式サンプルを1か所も変えずに、VRAM 16GB の検証機で測りました。同じ条件で 20B の Qwen-Image とも比べています。
測定条件：公式サンプルをそのまま使った
ComfyUI の公式サンプル（ComfyUI_examples「Z Image」）の画像に埋め込まれたワークフローを読み込み、変えたのは画像の保存先だけです。
| 項目 | 内容 |
|---|---|
| モデル | z_image_turbo_bf16.safetensors（12.31GB） |
| テキストエンコーダ | qwen_3_4b.safetensors（読み込みの種類は lumina2） |
| VAE | ae.safetensors（Flux 1 と同じ） |
| 生成設定 | 1024×1024・9ステップ・cfg 1.0・euler／simple |
| 環境 | RTX 4070 Ti SUPER（VRAM 16GB）・ComfyUI 0.20.1（デスクトップ版）・Windows 11 |
つまずきやすいのはテキストエンコーダの読み込みです。ComfyUI の「CLIPLoader」の種類の一覧に z_image はなく、公式サンプルでは lumina2 が選ばれていました。自分でノードを組む場合はここを合わせてください。
結果：動くが、VRAMの余裕は0.57GiB
| 指標 | 実測 |
|---|---|
| 結果 | 成功（ジョブの状態は success・1024×1024 の画像が保存された） |
| 1枚目の所要時間（モデル未読み込みから） | 28.2秒 |
| 測定開始時点の空き | 14.66GiB（総容量 15.99GiB） |
| 生成中の空きの最小値 | 0.57GiB |
| 生成で増えた使用量（開始時の空き − 最小値） | 約14.09GiB |
| 生成後も残る使用量 | 11.69GiB |
VRAM の空きは、ComfyUI が報告する GPU の空き容量を0.25秒ごとに107回読み取った値の最小です。所要時間は、ComfyUI の API に投げてから完了を確認するまで（1秒刻みで確認）。2026年9月9日測定。
総容量は約16GBでも、測定を始めた時点で空いていたのは14.66GiBでした。生成中はその空きが0.57GiBまで減りました。「16GBで動く」は正しいが、「余裕がある」とまでは言えない、というのが実測の読み方です。
また、生成が終わっても VRAM の空きは2.97GiBのままで（使用11.69GiB）、ComfyUI の解放（/free）を実行すると14.66GiBに戻りました。読み込んだモデルが残っていたということです。続けて別の大きなモデルを試す場合は、先に解放しておかないと足りなくなるおそれがあります（解放しないまま続けて試すことはしていません）。
※ 月額1,100円〜（WebUIの無料時間つき・超過分は時間課金）・ComfyUI・AUTOMATIC1111対応・公式の対応モデルはStable Diffusion 1.5/2.0/2.1/XL（この記事のZ-Imageは対応一覧に無い）20BのQwen-Imageと比べると？
同じ検証機で、ステップ数（20）・cfg（1.0）・解像度（1024×1024）・プロンプトを揃え、20B の Qwen-Image-2512（GGUF 量子化）とも比べました。
| モデル | パラメータ | 1ステップ | 生成で増えた使用量（最大） |
|---|---|---|---|
| Z-Image Turbo bf16 | 6B | 0.80秒 | 14.15GiB |
| Qwen-Image-2512 Q4_K_M | 20B | 2.10秒 | 12.96GiB |
| Qwen-Image-2512 Q6_K | 20B | 3.35秒 | 13.71GiB |
1ステップは、モデルを読み込み済みの2枚目の所要時間を20で割った値です（文字の読み込みや画像の書き出しの時間も含む）。
1ステップの速さは Z-Image が Qwen-Image Q4_K_M の約2.6倍でした。一方、VRAM の使用量は 20B を4ビット級に量子化した版のほうが小さいという結果です。同じ Qwen-Image で精度だけを上げると（Q4_K_M → Q6_K）使用量は増えたので、精度が効いていることは確かですが、Z-Image との差がすべて精度によるとまでは言えません（テキストエンコーダなども違うため）。パラメータ数だけで「載る・載らない」は決まらない、というところまでが言えることです。
なお、テキストエンコーダや VAE はモデルごとに違うため揃えられません。また Z-Image Turbo は本来9ステップ前後で使うよう調整されたモデルです。この表は「同じ設定（ステップ数・cfg・解像度）で回したときの負荷」の比較です。モデルの構造が違うので計算量まで同じとは限らず、画質の優劣も比べていません。VRAM があふれたときに何秒余計にかかるかは、ComfyUI の VRAM 不足のコストを測った記事にまとめています。
この検証機で動かなかったもの・注意点
- int8 版は読み込めなかった。容量が約半分の
z_image_turbo_int8_convrot（6.20GB）は、ComfyUI 0.20.1 ではKeyError: 'int8_tensorwise'で止まりました。この版が対応していない形式です。別の版で読めるかは確かめていません。 - fp16 中間値の設定は、この条件では速度も VRAM もほぼ変わらず、絵だけが変わった。
--fp16-intermediatesを付けると、1ステップは0.80秒のまま、VRAM のピークは14.15GiBから14.18GiBで、同じシードでも出力が変わりました（元の画像との差は PSNR 24.58dB）。各1回の比較なので、効果が無いとまでは言えません。 - ダイナミックVRAMを切ると止まった。
--disable-dynamic-vramを付けると、このモデルのテキストエンコーダを読み込む段階で応答しなくなりました（詳しくは上のリンク先の記事）。
ComfyUI の基本的な使い方はComfyUI の使い方完全入門、モデルごとに必要な VRAM の目安はAI画像生成のGPUとVRAMの選び方で扱っています。
コメント