Des modèles de diffusion pour l’image et la vidéo, mesurés dans ComfyUI sur notre station double Radeon RX 7900 XTX et sur notre station RTX 3080 Ti + RTX 3080. Les workflows et les résultats bruts sont publiés sur GitHub.Temps de génération d’images et de vidéos sur nos stations AMD et NVIDIA.
// image et vidéo · amd
Génération d’images et de vidéos sur AMD
Modèles de diffusion dans ComfyUI sur notre station de travail AMD. Depuis le 7 novembre, la génération texte vers vidéo de MiniMax H3 INT8 est répartie sur les deux cartes en parallélisme de tenseurs, avec des transferts directs entre GPU ; les autres flux gardent le débruiteur sur une carte et l’encodeur de texte et le VAE sur l’autre.Modèles d’images et de vidéos dans ComfyUI, répartis sur les deux cartes.
Une requête complète chacune, de l’envoi de la tâche au résultat enregistré, telle que mesurée par notre outil de test le 7 novembre 2026, dans la disposition finale des cartes (lignes « mesure du 5 nov. » : la série précédente du 5 novembre). ComfyUI 0.44 sur ROCm 7.2, les deux cartes sont utilisées ; les résultats varient selon le modèle, les réglages et le matériel. MiniMax H3 Image : 15 novembre 2026, sur ComfyUI 0.45.4, fichiers déjà en cache en mémoire vive.
Les exemples sous chaque modèle ont été générés sur la même station avec les mêmes workflows, lors de nos tests du 5 novembre 2026.
Qwen-Image 2.1 BF16
Modèle / précision
Tâche
Sortie
Étapes
Durée
Qwen-Image 2.1 BF16Texte vers image · 512×512
Texte vers image
512×512
40
90.3 s
Qwen-Image 2.1 BF16Retouche d’image · 640×416
Retouche d’image
640×416
40
25.94 smesure du 5 nov.
Qwen-Image 2.1 · Texte vers image, 512×512Une théière rouge en céramique avec une tasse et sa soucoupe blanches sur une table en bois.Qwen-Image 2.1 · Retouche d’image, 640×416Une tranche de pain grillé nature sur une assiette blanche, sur fond bleu.
FLUX 3 Image Klein BF16
Modèle / précision
Tâche
Sortie
Étapes
Durée
FLUX 3 Image Klein BF16Texte vers image · 1024×1024
Texte vers image
1024×1024
16
96.5 s
FLUX 3 Image Klein BF16Retouche d’image · 1248×832
Retouche d’image
1248×832
16
42.1 s
FLUX 3 Image Klein · Texte vers image, 1024×1024Requête : « a lighthouse on a rocky coast at dusk, with the words LOCAL LLM painted on its side »FLUX 3 Image Klein · Retouche d’image, 1248×832Retouche d’une photo de pain grillé nature : « spread strawberry jam on the toast and add a few fresh blueberries on the plate »
MiniMax H3 Image INT8
Modèle / précision
Tâche
Sortie
Étapes
Durée
MiniMax H3 Image INT8Texte vers image · 2048×2048
Texte vers image
2048×2048
6
36.3 s
MiniMax H3 Image INT8Texte vers image · 4096×4096
Texte vers image
4096×4096
6
126.3 s
MiniMax H3 Image INT8Retouche d’image · 2048×2048
Retouche d’image
2048×2048
6
64.9 s
MiniMax H3 Image INT8 · Texte vers image, 4096×4096 (affichée en 2048)Requête : « A red enamel teapot on a sunlit wooden table beside a potted fern, steam rising from its spout, with a small paper tag on the handle that reads "LOCAL LLM". Full-color indoor photograph. »MiniMax H3 Image INT8 · Retouche d’image, 2048×2048Retouche de l’image de la théière en 2048×2048 : « Make the teapot cobalt blue instead of red and replace the fern with a small lemon tree. Keep the table, the light, the steam and the paper tag unchanged. » La théière est devenue bleue ; la fougère n’a pas été remplacée.
MiniMax H3 INT8
Modèle / précision
Tâche
Sortie
Étapes
Durée
MiniMax H3 INT8Vidéo avec audio · 608×352, 39 images
Vidéo avec audio
608×352, 39 images
20
56.4 smodèle déjà chargé
MiniMax H3 INT8Vidéo avec audio · 960×544, 39 images
Vidéo avec audio
960×544, 39 images
20
132.3 s
MiniMax H3 INT8 · Texte vers vidéo avec audio, 608×352, 1,6 sUne théière rouge en céramique sur une table en bois, avec de la vapeur dans une lumière chaude. Activez le son pour entendre la piste audio.
MiniMax H3 native 32B
Modèle / précision
Tâche
Sortie
Étapes
Durée
MiniMax H3 native 32BVidéo avec audio · 608×352, 39 images
Vidéo avec audio
608×352, 39 images
20
114.3 s
MiniMax H3 native 32BImage vers vidéo avec audio · 608×352, 39 images
Image vers vidéo avec audio
608×352, 39 images
20
175.5 s
MiniMax H3 native 32B · Image vers vidéo avec audio, 608×352, 1,6 sAnimation d’une photo de pain grillé nature sur une assiette. Activez le son pour entendre la piste audio.
Modèles d’images et de vidéos dans ComfyUI sur notre station de travail NVIDIA, avec le débruiteur sur la RTX 3080 Ti, l’encodeur de texte et le VAE sur la RTX 3080, et aucun poids déchargé en mémoire vive. LTX 2.3 est trop volumineux pour une seule carte : son débruiteur est donc réparti sur les deux.Modèles d’images et de vidéos dans ComfyUI, répartis sur les deux cartes.
Durée entre l’envoi de la tâche et l’image ou la vidéo enregistrée, lors d’une nouvelle mesure de tous les modèles le 5 novembre 2026. Pour les images, le modèle est déjà chargé (deuxième image d’une paire, avec une nouvelle graine). Chaque vidéo est un seul clip, chargement du modèle et encodage du texte compris ; le lancement préalable du processus n’est pas compté. ComfyUI sur CUDA, les deux cartes sont utilisées ; les résultats varient selon le modèle, les réglages et le matériel. MiniMax H3 Image : 15 novembre 2026, version GGUF 3 bits avec l’encodeur de texte gardé en mémoire vive ; durées avec le modèle déjà chargé.
Les exemples sous chaque modèle ont été générés sur la même station lors des tests des 4 et 5 novembre 2026.
Qwen-Image 2.1 Turbo INT8
Modèle / précision
Tâche
Sortie
Étapes
Durée
Qwen-Image 2.1 Turbo INT8Texte vers image · 1024×1024
Texte vers image
1024×1024
8
4.05 s
Qwen-Image 2.1 Turbo INT8Texte vers image · 2048×2048
Texte vers image
2048×2048
8
26.29 s
Qwen-Image 2.1 Turbo INT8 · Texte vers image, 2048×2048Requête : « A detailed editorial photograph of a small red fox standing in fresh white snow beside a dark green pine tree… »
FLUX 3 Image Klein INT8
Modèle / précision
Tâche
Sortie
Étapes
Durée
FLUX 3 Image Klein INT8Texte vers image · 1024×1024
Texte vers image
1024×1024
16
5.07 s
FLUX 3 Image Klein INT8Texte vers image · 2048×2048
Texte vers image
2048×2048
16
24.38 s
MiniMax H3 Image Q3_K
Modèle / précision
Tâche
Sortie
Étapes
Durée
MiniMax H3 Image Q3_KTexte vers image · 1024×1024
Texte vers image
1024×1024
6
7.1 s
MiniMax H3 Image Q3_KTexte vers image · 1536×1024
Texte vers image
1536×1024
6
12.0 s
MiniMax H3 Image Q3_KTexte vers image · 4096×4096
Texte vers image
4096×4096
6
62.7 s
MiniMax H3 Image Q3_K · Texte vers image, 2048×2048Requête : « A detailed editorial photograph of a small red fox standing in fresh white snow beside a dark green pine tree. The fox faces the camera, with two alert triangular ears, amber eyes, a black nose and a fluffy orange tail curled to its right. Warm sunrise light enters from the left, illuminating individual hairs and tiny snow crystals. A softly blurred forest fills the background. Natural colors, realistic anatomy, no text, square composition. »MiniMax H3 Image Q3_K · Texte vers image, 1536×1024Un panneau peint à la main indiquant OPEN SUNDAY à côté d’une tasse de café ; les deux mots sont bien orthographiés.
Wan 2.2 TI2V 5B FP16
Modèle / précision
Tâche
Sortie
Étapes
Durée
Wan 2.2 TI2V 5B FP16Vidéo · 512×288, 33 images
Vidéo
512×288, 33 images
20
51.56 schargement et encodage du texte compris
Wan 2.2 TI2V 5B FP16Vidéo · 1280×720, 33 images
Vidéo
1280×720, 33 images
20
67.69 schargement et encodage du texte compris
Wan 2.2 TI2V 5B FP16Vidéo · 1920×1080, 33 images
Vidéo
1920×1080, 33 images
20
170.82 schargement et encodage du texte compris
Wan 2.2 TI2V 5B FP16 · Texte vers vidéo, 1280×720, 2,1 sRequête : « A red fox standing in snow slowly turns its head toward the camera and blinks. Gentle snowflakes drift through the air. Static camera, natural sunrise light, realistic smooth motion. » Sans piste audio.Wan 2.2 TI2V 5B FP16 · Texte vers vidéo, 1920×1080, 2,1 sMême requête et même graine que la vidéo 720p. Sans piste audio.
LTX 2.3 distilled Q4_0
Modèle / précision
Tâche
Sortie
Étapes
Durée
LTX 2.3 distilled Q4_0Vidéo avec audio · 512×288, 33 images
Vidéo avec audio
512×288, 33 images
8
84.93 schargement et encodage du texte compris
LTX 2.3 distilled Q4_0Vidéo avec audio · 1280×720, 33 images
Vidéo avec audio
1280×720, 33 images
8
53.62 schargement et encodage du texte compris
LTX 2.3 distilled Q4_0Vidéo avec audio · 1920×1080, 33 images
Vidéo avec audio
1920×1080, 33 images
8
75.84 schargement et encodage du texte compris
LTX 2.3 distilled Q4_0 · Texte vers vidéo avec audio, 1280×720, 1,4 sMême requête et même graine que la vidéo 1080p ; en 720p, le résultat a un style de dessin animé : « A red fox standing in snow slowly turns its head toward the camera and blinks. Gentle snowflakes drift through the air. Static camera, natural sunrise light, realistic smooth motion. Quiet winter ambience. » Activez le son pour entendre la piste audio.LTX 2.3 distilled Q4_0 · Texte vers vidéo avec audio, 1920×1080, 1,4 sRequête : « A red fox standing in snow slowly turns its head toward the camera and blinks. Gentle snowflakes drift through the air. Static camera, natural sunrise light, realistic smooth motion. Quiet winter ambience. » Activez le son pour entendre la piste audio.