GeForce RTX 5090 で ComfyUI を用いた 画像生成動画テスト結果
最新 GPU「GeForce RTX 5090」を軸に、ComfyUI を使った画像生成から動画化までの一連のテスト結果を報告する。検証環境は以下のとおりだ。
ハードウェア／ソフトウェア構成
● GPU：NVIDIA GeForce RTX 5090（32 GB ）
● RAM：DDR5 64 GB
● OS：Windows 11 Pro 23H2
● 主要ソフト
・ComfyUI（Python 3.13.2 + Pytorch 2.80+cu128）
・モデル：阿里 WAN（Ali WAN）
・パソコンメーカー：MEG Vision X AI
まず、ComfyUI のノードを構築し、Ali WAN モデルを読み込む段階で VRAM はほぼ上限に達した。特に Multi-Condition Control や高解像度生成用の Upscaler ノードを併用すると、32 GB の VRAM でも不足気味で、CPU メモリ側にスワップが発生する。
本稿では、NVIDIA GeForce RTX 5090（VRAM 32 GB）を中核とするワークステーションで、ComfyUI を用いた画像生成動画パイプラインを構築し、高速化プラグイン Sage Attention と推論エンジン Triton を組み込むまでの手順、ベンチマーク結果、電力・熱設計、トラブルシュートまでを網羅的に解説する。
C++環境の準備
Triton をソースビルドする場合や、他の C++/CUDA 拡張を自前でコンパイルしたい場合は必須。
- 公式サイトからhttps://visualstudio.microsoft.com/visual-cpp-build-tools/ “Visual Studio Build Tools 2022” を DL。
- インストーラで「Desktop development with C++」を選択。
- PowerShell で
cl --versionを実行し、MSVC v143 が認識されることを確認。 - CUDA Toolkit の
binをPATH、CUDA_PATHに追記。
Triton の導入
環境に対応するWheelを探す
こちらでPythonバージョンに対応するwheelを見つけてください： https://github.com/woct0rdho/triton-windows/releases
バージョンの選択
このガイド執筆時点では、最新のComfyUIはPython 3.12を使用しています：
triton-3.1.0-cp312-cp312-win_amd64.whlもしうまく動作しない場合は、古いバージョンを使用してください：
triton-3.0.0-cp312-cp312-win_amd64.whl（私はこちらを使用）インストール方法
通常のインストール
仮想環境をアクティベートし、wheelをComfyUIのルートに配置すれば場所を指定する必要がありません。そうでなければパスを指定してください：
bashpip install triton-3.0.0-cp312-cp312-win_amd64.whl
埋め込み版の場合
埋め込み版を使用している場合は、python_embededフォルダ内に配置してください：
bashC:ComfyUI_windows_portablepython_embeded> ./python.exe -s -m pip install triton-3.0.0-cp312-cp312-win_amd64.whl
Sage Attention の導入
cd %COMFY%\custom_nodes git clone https://github.com/cubiq/SageAttention
SageAttention 内の sparse_attn.pyが自動的にロードされる。
または
python.exe -m pip install sageattention
動作確認
- ComfyUI を起動。
- コンソールに
Using Triton 2.1.0 … SageAttention backend initialised
が出力されればセットアップ完了。 - 720p のワークフローを実行し、タスクマネージャで GPU 使用率が 95 ％超、VRAM 32 GB 付近を確認。
ベンチマーク結果
| 解像度／fps | 速度（従来） | 速度（Sage+Triton） | 短縮率 |
|---|---|---|---|
| 1280×720／24 | 1.8〜3.2 分／秒 | 1.0〜1.6 分／秒 | 45 ％ |
| 854×480／24 | 70〜110 秒／秒 | 45〜60 秒／秒 | 40 ％ |
・消費電力：ピーク 560〜590 W、平均 520 W。
・温度：室温 25 ℃ で 76〜79 ℃。リミット 84 ℃ に到達しやすい。
・熱対策：水冷クーリング推奨。
・電源：1200 W 推奨。
結果として GPU 側は常時フルロードとなり、消費電力は最大 580 W に迫る場面も確認した。冷却の観点では、5090 リファレンスカード付属のトリプルファン＋ベイパーチャンバー構成でも、室温 25 ℃ で 78 ℃ 前後まで上昇するため、エアフローの最適化や外付けラジエータの併用が推奨される。
ボトルネック／トラブルシューティング
・VRAM OOM：アップスケーラを分割実行、Low VRAMノード併用。
・Triton 初回ビルド遅延：キャッシュ生成中は 2〜3 分待機。
・IO 待ち：連続フレームを RAM Disk に書き出してから SSD へ移送。
・“no kernel image is available” エラー：CUDA ドライバ／toolkit のバージョン不一致。
まとめ
- RTX 5090（32 GB）があれば、高品質（720p/24 fps）動画生成が 1 〜 2 min/秒で現実的。
- Sage Attention＋Triton の組み合わせはプラグインとして最も効率的かつ導入が簡単。
- 電力 600 W クラス・高排熱ゆえ、ケース設計と電源選びは妥協しない。
- 今後、量子化モデルや FlashAttention-3 などが VRAM と電力の課題を更に緩和する見込み。
総合的に見ると、RTX 5090 と 32 GB VRAM の組み合わせは、ローカルでの高品質動画生成を現実的なものに押し上げた。しかし、600 W 近いピーク電力と高温動作は運用コストに直結する。長時間レンダリングを行う場合、電源ユニットは最低 1000 W、80 PLUS Platinum 以上を推奨し、室温管理・騒音対策も欠かせない。