Flux 모델 변형 비교¶
제어 워크플로우에서 사용하는 Flux 모델(Dev/Fill), 정밀도(FP16/FP8), 양자화(GGUF) 선택 기준을 정리합니다.
이 장에서 배우는 것¶
- Dev는 범용, Fill은 인페인팅·아웃페인팅 전용입니다. Fill로는 Text-to-Image를 할 수 없습니다.
- 정밀도를 낮추면 VRAM 요구가 줄고 품질이 조금씩 떨어집니다. 내 VRAM에서 돌아가는 가장 높은 정밀도를 고르면 됩니다.
1. 모델 버전¶
| 모델 | 목적 | 라이선스 | 크기 (FP16) | 크기 (FP8) |
|---|---|---|---|---|
| Flux.1 Pro | API 전용 | Closed-source (API only) | 공개 없음 | 공개 없음 |
| Flux.1 Dev | 고품질 | 비상업용 | ~23GB | ~12GB |
| Flux.1 Fill | Inpainting/Outpainting | 비상업용 | ~23GB | 공식 배포 없음 |
| Flux.1 Schnell | 빠른 생성 (4 steps) | Apache 2.0 | ~23GB | ~12GB |
크기는 Black Forest Labs가 배포하는 원본 기준입니다. 공식 배포 없음이라고 적힌 칸도 커뮤니티가 만든 양자화본이 있을 수 있으므로, 받기 전 해당 배포 페이지에서 파일 크기와 대상 모델을 확인하세요.
2. FP16 vs FP8 비교¶
| 특징 | FP16 | FP8 |
|---|---|---|
| 품질 | 최대 디테일 | 약간 감소 (실용적) |
| 속도 | 느림 | 더 빠름(아래 측정값 참고) |
| VRAM | 24GB+ | 12GB+ |
| 파일 크기 | ~23GB | ~12GB |
| 용도 | 디테일 중시 | 효율성 중시 |
참고 측정값 (RTX 4080 Super, 50 steps, 1회만 측정):
한 환경에서 한 번만 잰 값입니다. GPU·해상도·steps·다른 노드 구성에 따라 달라지므로, 순서(FP8이 더 빠르다)만 참고하고 자기 환경에서 직접 재보세요.
3. Flux.1 Dev vs Fill¶
| 특징 | Flux.1 Dev | Flux.1 Fill |
|---|---|---|
| Text-to-Image | 지원 | 불가 |
| Inpainting | 표준 노드로 가능 | 전용 최적화 |
| Outpainting | 표준 노드로 가능 | 전용 최적화 |
| 성능 | 범용 | Inpainting 전문 |
| 사용 시기 | 일반 생성 | 기존 이미지 편집 |
Flux.1 Fill로는 새 이미지를 만들 수 없습니다
Fill은 기존 이미지의 일부를 채우는 전용 모델입니다. 프롬프트만으로 처음부터 그림을 만들려면 Dev를 사용하세요.
4. 선택 가이드¶
| 상황 | 추천 모델 | 이유 |
|---|---|---|
| VRAM ≤ 16GB | Flux Dev FP8 | 단일 파일, 빠름, 실용적 품질 |
| VRAM ≥ 24GB | Flux Dev FP16 | 최대 품질 |
| Inpainting만 | Flux Fill | 전용 최적화 |
| Text-to-Image 필요 | Flux Dev | Fill로는 할 수 없습니다 |
| 극저사양 | GGUF Q4/Q5 | 6-8GB VRAM 가능. GGUF는 models/unet/에 둡니다 |
5. 양자화 옵션¶
정밀도를 낮출수록 파일과 VRAM 요구가 줄고 품질이 조금씩 떨어집니다. 아래는 선택 순서를 잡기 위한 정성적 정리입니다.
| 포맷 | 품질 경향 | VRAM 기준 | 비고 |
|---|---|---|---|
| FP16 | 기준 | 24GB+ | 원본 정밀도 |
| FP8 | 기준에 근접 | 12GB+ | 용량 대비 실용적 |
| GGUF Q8 | 기준에 근접 | 12GB+ | FP16과 차이가 작음 |
| GGUF Q6 | 약간 저하 | 10GB+ | 무난한 타협 |
| GGUF Q5 | 저하 | 8GB+ | 저사양에서 선택 |
| GGUF Q4 | 눈에 띄는 저하 | 6GB+ | 형태·글자 깨짐이 늘어남 |
품질을 백분율로 비교한 표가 커뮤니티에 돌지만 측정 기준이 제각각입니다. 숫자를 외우기보다, 자기 VRAM에서 돌아가는 가장 높은 정밀도를 고르고 같은 Seed로 한 장씩 비교해 보세요.
확인 방법: FP16과 FP8의 차이가 자신의 작업에서 문제가 되는지는 직접 봐야 합니다. 같은 Seed·프롬프트·steps로 두 정밀도를 한 장씩 만들어 나란히 놓고 판단하세요.
6. 설치 설정 (권장)¶
파일 배치는 어떤 형태의 Flux 파일을 받았는지에 따라 다릅니다. 두 가지를 섞지 마세요.
(A) 올인원 체크포인트 한 개를 받은 경우 — 텍스트 인코더와 VAE가 파일 안에 포함되어 있습니다.
(B) 파일이 나뉜 구성을 받은 경우 — 아래 세 종류를 각각 받아 배치합니다.
ComfyUI/models/diffusion_models/flux1-dev.safetensors
ComfyUI/models/text_encoders/clip_l.safetensors
ComfyUI/models/text_encoders/t5xxl_fp8_e4m3fn.safetensors
ComfyUI/models/vae/ae.safetensors
로더: Load Diffusion Model + Dual CLIP Loader + Load VAE
GGUF 파일은 예외적으로 ComfyUI/models/unet/에 둡니다. 자세한 배치는 Flux 빠른 참조를 참고하세요.
완료 기준¶
세 가지를 모두 만족했다면 이 장을 끝냈습니다.
- 내 VRAM에 맞는 정밀도를 골랐다.
- 받은 파일이 올인원 체크포인트인지 분리 구성인지 구분하고 알맞은 폴더에 넣었다.
- Fill 모델로는 Text-to-Image를 할 수 없다는 점을 안다.
다음 단계¶
- Flux 모델 가이드 — 세대별 라인업과 파이프라인
- ControlNet 아키텍처 — 제어 워크플로우 연결