MOSS-Image
MOSS-Imageの「SFT」をComfyUIで動かすには、7.3GBのVRAMが必要です。公式テンプレートの最も大きい工程（テキストエンコーダ）の値で、ファイルサイズは2026年11月3日に取得しました。余裕をもって読み込める最小のGPUはRTX 5070（12GB）で、テンプレートのダウンロードは13.0GBです。
- 開発
- OpenMOSS
- ライセンス
- Apache 2.0
- 公開
- 2026年10月
- サイズ取得日
- 2026年11月3日
最大の工程は、ComfyUIのテンプレートが読み込むファイルの正確なサイズから計算しています（LoRAは含みません）。生成用の作業メモリは、これとは別に必要です。 ComfyUI 必要VRAMチェッカーで開く
最大の工程は、ComfyUIのテンプレートが読み込むファイルの正確なサイズから計算しています（LoRAは含みません）。生成用の作業メモリは、これとは別に必要です。 ComfyUI 必要VRAMチェッカーで開く
GPUごとに使えるファイル
メモリ容量ごとに、そのGPUでの最良のファイル（余裕をもって読み込める、最も精度の高い拡散モデルのファイル。ほかに収まるファイルがない場合に限り、ぎりぎり収まるファイル）と、サンプリング中に作業用メモリとして残る容量を示します。大きいGPUでは、上の答えが前提とするComfyUIのテンプレートのファイルより、精度の高いファイルになることがあります。「ストリーミング」は、最も小さいファイルでもGPUのメモリより大きいという意味で、その場合もComfyUIはシステムRAMから実行しますが、速度は落ちます。FP4のファイルは、ネイティブに扱えるBlackwell世代のGPUにだけ割り当てています。
SFT
ComfyUIの「SFT」のテンプレート：拡散モデルはINT8 ConvRot、テキストエンコーダはW4A8。工程ごとの容量は、テキストエンコーダが7.3GB、拡散が5.7GBです。ダウンロードは13.0GBです。
計算・2026年11月3日Base
ComfyUIの「Base」のテンプレート：拡散モデルはINT8 ConvRot、テキストエンコーダはW4A8。工程ごとの容量は、テキストエンコーダが7.3GB、拡散が5.7GBです。ダウンロードは13.0GBです。
計算・2026年11月3日ほかのGPUで確かめるときや、ファイルを手動で選ぶときは、ComfyUI 必要VRAMチェッカーを使ってください。LoRAやカスタムノードを加えた自分のワークフローなら、ComfyUIワークフローチェッカーにドロップして確かめられます。
どこで動かすか
SFT
料金は税抜きのオンデマンド価格で、2026年10月19日に取得したものです。
Base
料金は税抜きのオンデマンド価格で、2026年10月19日に取得したものです。
モデルについて
MOSS-Imageは、OpenMOSSのオープンな画像生成モデルです。OpenMOSSが2026年10月に公開したオープンなテキストからの画像生成モデルで、50億パラメータのシングルストリームのTransformerに、Qwen3.5 9BのテキストエンコーダとFLUX.2の小型VAEを組み合わせています。SFTはComfyUIのテンプレートが読み込む指示調整済みのチェックポイントで、Baseは追加学習もCFGの蒸留もしていない、LoRA学習のベースにするチェックポイントです。
SFT：5.1B · Base：5.1B テキストエンコーダ：Qwen3.5 9B Apache 2.0 2026年10月公開
得意なこと
- 画像内の文字と、計画したレイアウト。自然文のプロンプト、タグの列、JSONのレイアウトを受け付け、ComfyUIには要素をボックスで配置するテンプレートもあります。
- 重みとコードの両方がApache 2.0
- 最大4,000トークンのプロンプトと、すでに読み込んでいるテキストエンコーダで動くプロンプト拡張。別の言語モデルを載せる必要がありません。
- 小さなGPUでのLoRA学習。KohakuMossTrainerは、8GBと6GBのGPUでのアダプター学習を記載しています。
注意点
- 画像の入力はないため、参照画像をまねることはできません。Comfy-Orgのリポジトリにある編集用LoRAと、色・深度による制御用LoRAはコミュニティの作者によるものです。それぞれの条件を確認してください。
- ComfyUIのテンプレートは25ステップ、CFG 2.5で動きます。OpenMOSS自身の設定は50ステップ、CFG 3なので、仕上がりが甘いと感じたら試してください。
- レイアウト用のテンプレートでプロンプト拡張をオンにすると、テキストが書き換えられ、ボックスの指定が失われることがあります。
- テンプレートには、ComfyUI 0.42.0以降が必要です。
ComfyUIが読み込むMOSS-Imageの全ファイル
サイズは、Hugging Faceが報告する正確なバイト数で、2026年11月3日に取得しました。「テンプレート」と付いたファイルは、ComfyUI公式のワークフローがダウンロードするものです。
| 構成要素 | 精度 | サイズ | バージョン | ファイル |
|---|---|---|---|---|
| 拡散モデル | BF16 | 10.16GB | SFT | moss_image_sft_bf16.safetensors |
| 拡散モデル | INT8 ConvRot · テンプレート | 5.41GB | SFT | moss_image_sft_int8_convrot.safetensors |
| 拡散モデル | BF16 | 10.16GB | Base | moss_image_base_bf16.safetensors |
| 拡散モデル | INT8 ConvRot · テンプレート | 5.41GB | Base | moss_image_base_int8_convrot.safetensors |
| テキストエンコーダ | BF16 | 19.31GB | 共通 | qwen3.5_9b_bf16.safetensors |
| テキストエンコーダ | INT8 ConvRot | 9.75GB | 共通 | qwen3.5_9b_int8_convrot.safetensors |
| テキストエンコーダ | W4A8 · テンプレート | 7.34GB | 共通 | qwen3.5_9b_w4a8_gptq.safetensors |
| VAE | BF16 · テンプレート | 0.25GB | 共通 | flux2-vae_small.safetensors |
OpenMOSSが示す必要VRAM
- 「PyTorch GPU memory allocated / reserved | 3.65 / 3.85 GiB」（訳：PyTorchのGPUメモリの確保量（allocated / reserved）：3.65 / 3.85GiB）。対象：ComfyUIではなく、OpenMOSS自身のパイプラインのminimalプロファイル（Transformerをシステムメモリに置く）。1024×1024の画像1枚、50ステップ（出典）
メーカーの数値とこのページの数値は、測っているものが違います。メーカーの数値は、自社のスクリプトを既定の解像度で動かしたときのもので、作業用メモリも含みます。このページは各工程が保持する重みを数えており、こちらは正確です。作業用メモリは、解像度とアテンションのカーネルによって変わり、モデルごとに公表しているところもないため、残りの容量として示しています。読み込めるファイルで生成中にメモリが足りなくなったら、精度を下げる前に解像度を下げてください。ComfyUIのREADMEには、重みのストリーミングによって「can run even the biggest open source models on as low as 4GB vram + 8GB ram」（訳：最大級のオープンソースモデルでも、VRAM 4GB＋RAM 8GBという少ない構成で動かせる）とあります（出典）。つまり「ストリーミング」は、遅くなるだけで、動かないという意味ではありません。
MOSS-ImageのLoRA学習
載せているのは、トレーナー自身のドキュメントが必要VRAMを示している構成だけです。設定によって数値は大きく変わるので、数値をうのみにする前に「設定」の列を確認してください。
| トレーナー | VRAM | 設定 | 出典 |
|---|---|---|---|
| KohakuMossTrainer | 6GB | vram_6gレイヤーでのアダプター学習。常駐ブロック2つ、アクティベーションと勾配のオフロード、オプティマイザはシステムメモリ、潜在表現とテキストは事前にキャッシュ | ドキュメント |
よくある質問
- MOSS-ImageにVRAMはどれくらい必要？
- ComfyUI公式の「SFT」のワークフローでは、最も大きい工程はテキストエンコーダで7.3GB、ワークフロー全体のダウンロードは13.0GBです。生成時の作業用メモリはこれとは別に必要で、解像度に応じて増えます。OpenMOSS自身は「PyTorch GPU memory allocated / reserved | 3.65 / 3.85 GiB」（訳：PyTorchのGPUメモリの確保量（allocated / reserved）：3.65 / 3.85GiB）としています（対象：ComfyUIではなく、OpenMOSS自身のパイプラインのminimalプロファイル（Transformerをシステムメモリに置く）。1024×1024の画像1枚、50ステップ）。
- 8GBのVRAMでMOSS-Imageは動く？
- 動きます。INT8 ConvRotのファイルなら、最も大きい工程（テキストエンコーダ）が7.3GBで、8GBに読み込んだうえで作業用メモリとして2.3GB残ります。ただし、収まり方はぎりぎりです。
- 12GBのVRAMでMOSS-Imageは動く？
- 動きます。INT8 ConvRotのファイルなら、最も大きい工程（テキストエンコーダ）が9.8GBで、12GBに読み込んだうえで作業用メモリとして6.3GB残ります。
- 16GBのVRAMでMOSS-Imageは動く？
- 動きます。BF16のファイルなら、最も大きい工程（拡散）が10.4GBで、16GBに読み込んだうえで作業用メモリとして5.6GB残ります。
- どのMOSS-Imageのファイルをダウンロードすればいい？
- お使いのGPUに全体が収まるなかで、最も精度の高いファイルです。24GBのGPUならBF16のファイル（10.2GB）です。ComfyUIのテンプレートがダウンロードするのは、INT8 ConvRotの拡散モデルとW4A8のテキストエンコーダです。FP4のファイル（NVFP4）はBlackwell世代のGPU（RTX 50、RTX PRO 6000、DGX Spark）向けです。それより前の世代では、FP8かINT8を使ってください。
- ファイルとサイズ：Hugging FaceのComfy-Org/MOSS-Image。Hugging FaceのAPIから取得しています。テンプレートのファイル：ComfyUIのMOSS-Imageガイド（英語）。
- モデルとライセンス：OpenMOSS-Team/MOSS-Image-SFTとApache 2.0。
- GPUのメモリ：各メーカーの仕様で、各GPUページと同じ値です。チェッカーの対象はNVIDIAのGPUです。ComfyUIはAMDやAppleシリコンでも動きますが、ファイル形式や速度が異なるため、ここでは容量を算出していません。
- 収まりの判定：使えるメモリの85%未満なら全体が収まる、95%まではぎりぎり収まるとしています。LLMのページと同じ基準です。
- 料金：各事業者の料金ページで、それぞれ横に記した日付に取得したものです。