ComfyUI auf einer Cloud-GPU ausführen: Einrichtung, Modelle, Kosten pro Bild

Warum mieten, statt eine 4090 zu kaufen

ComfyUI ist von Natur aus stoßweise ausgelastet: ein Abend Prompting, ein Batch mit tausend Bildern, dann eine Woche nichts. Eine gemietete Karte berechnet nur die Sekunden, in denen die Warteschlange läuft – $0,354/Std. für eine RTX 4090 On-Demand, $0,177/Std. unterbrechbar –, sodass selbst ein intensiver Monat selten einen Bruchteil des Ladenpreises der Karte erreicht, und Sie können jederzeit auf eine 32-GB- oder 96-GB-Karte wechseln, sobald ein Workflow sie braucht. Keine Treiber-Updates, kein 450-W-Heizlüfter unter dem Schreibtisch.

Karte wählen: 24, 32 oder 48 GB

Faustregel: Flux dev in FP8 braucht ~17 GB, SDXL ~8 GB, aktuelle Videomodelle 24 GB mit Offloading und 48 GB ohne. Die Anleitung zur günstigsten GPU ordnet die Karten nach Bildern pro Dollar.

Template bereitstellen (30 Sekunden)

1. Öffnen Sie die Konsole, filtern Sie nach der Karte, wählen Sie eine Maschine.
2. Wählen Sie ComfyUI in der Template-Auswahl. Es bringt ComfyUI-Manager mit, stellt die Oberfläche über einen TLS-terminierten Port bereit und mountet /workspace/ComfyUI/models.
3. Instanzdatenträger festlegen (60 GB reichen für Betriebssystem und Cache) und für Modelle einen Datenträger anhängen – nächster Abschnitt.
4. Bereitstellen. Die Instanz läuft nach etwa 30 Sekunden; klicken Sie auf den Port-Link, und der Node-Graph ist da.

lowcostgpu launch --gpu rtx-4090 --template comfyui \
    --disk 60 --volume sdmodels:/workspace/ComfyUI/models
# ✓ instance i-3c91ab04 running (28.6s)
# ✓ https://i-3c91ab04.lowcostgpu.com:8188  (ComfyUI)

Modelle einmal auf einem Datenträger

Checkpoints sind je 2–12 GB groß, und sie in jeder Sitzung neu herunterzuladen ist die häufigste Art, GPU-Stunden zu verschwenden. Legen Sie beim ersten Mal einen Datenträger an, mounten Sie ihn auf den Models-Ordner, füllen Sie ihn einmal – Downloads von Hugging Face und Civitai laufen mit mehreren Gbit/s aus dem Rechenzentrum –, und jede künftige Instanz in der Region startet mit der vorhandenen Bibliothek. Eine 120-GB-Bibliothek kostet $9,60/Monat. Legen Sie custom_nodes auf denselben Datenträger, damit installierte Nodes ebenfalls erhalten bleiben.

Headless: Workflows als API

Aktivieren Sie den Entwicklermodus in den ComfyUI-Einstellungen und dann „Save (API format)“ bei einem beliebigen Workflow. Das JSON, das Sie erhalten, ist ein Request-Body: Senden Sie es per POST an /prompt, fragen Sie /history/<id> ab und holen Sie die Bilder von /view. Diese Schleife ist es, wie Batch-Pipelines nachts tausend Prompts auf unterbrechbarer Kapazität ausführen und wie ein Serverless-Endpunkt denselben Workflow hinter automatisch skalierenden Workern bedient.

curl -X POST https://i-3c91ab04.lowcostgpu.com:8188/prompt \
  -H 'Content-Type: application/json' \
  -d @workflow_api.json
# {"prompt_id": "a1c2…", "number": 12}
curl https://i-3c91ab04.lowcostgpu.com:8188/history/a1c2…

Was ein Bild wirklich kostet

Etwa 4.622 Flux-Bilder pro Dollar On-Demand, 9.245 unterbrechbar. Die Geschwindigkeiten sind typisch für eine abgestimmte 4090; Ihr Workflow, die Auflösung und die Schrittzahl verändern sie.

Fünf Fallen, die GPU-Stunden verschwenden

• Modelle in jeder Sitzung neu herunterladen – der Datenträger oben behebt das dauerhaft.
• Die Instanz über Nacht laufen lassen – stoppen Sie sie; bei sekundengenauer Abrechnung ist eine GPU im Leerlauf reine Verschwendung. Der Datenträger übersteht Stopp/Start.
• Batches On-Demand laufen lassen – Warteschlangen sind von Natur aus unterbrechbar: Jeder Prompt ist ein neu startbares Element. Zahlen Sie die Hälfte.
• Eine Karte allein nach dem Stundenpreis wählen – eine 5090 erledigt Flux-Batches schneller, als es ihr Preisabstand zu einer 4090 vermuten lässt; Bilder pro Dollar ist die Kennzahl.
• Die Ausgaben vergessen – Ergebnisse vor dem Löschen auf den Datenträger schreiben oder herunterladen; der Instanzdatenträger stirbt mit der Instanz.