ComfyUI 推論・VAEハング根治＋SDXL生成高速化
— Illustrious/SDXL量産 実装DR（2026）

01結論｜今すぐやる事3つ

順序が命です。1施策＝1起動＝1計測。複数同時投入は切り分け不能になり、再ハング時に犯人を特定できません。

1. DynamicVRAMを無効化（最優先・確定根拠）
   起動batに --disable-dynamic-vram を追加。モデルがRAM/VRAM常駐し、2枚目以降の再読込が消えます^[1]。
   期待 2〜4倍 リスク低 RAM消費増だが64GB級なら問題小
2. cpu-vae を捨て、GPU-VAEをfp32で回す（確定根拠）
   --cpu-vae を外す。--fp16-vae は付けない（NaN誘発側）^[2]。専用 Load VAE ノードで sdxl_vae.safetensors を明示接続し、VAE Decode (Tiled)（tile512 / overlap64）に置換^[3]。
   VAE固着の根治 VRAM微増(約+160MB)
3. モデル常駐＋PyTorch SDPで土台を固める
   --gpu-only（旧 --highvram）でモデルをVRAM常駐^[9]、アテンションはデフォルトのPyTorch SDPを維持（最も安定・大半で最良）^[6]。
   期待 1.1〜1.3倍 リスク低

02ボトルネック構造の分解（“市場規模”＝どこで何秒溶けているか）

6分/枚の正体を要素分解します。最大の容疑は毎フレームのモデル再読込です。

03取りうる施策 TOP10（効果×リスク×確度ランク）

04技術スタック｜推奨フラグ確定セット

① まず安全に試す“最小テスト”（1フラグだけ足す）

ComfyUI portable の run_nvidia_gpu.bat を編集します。既存の --cpu-vae と --disable-smart-memory を一旦そのままにして、最初は1行だけ追加して挙動を観察します。

:: run_nvidia_gpu.bat （まず1フラグだけ追加して計測）
.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build ^
  --disable-dynamic-vram   :: ← まずコレ単独。再読込ループ停止[1]
pause

② cpu-vae を外し GPU-VAE(fp32)へ移行

フラグ側ではなくワークフロー側で直すのが堅実です。--cpu-vae を削除し、グラフを次のように。

[Load Checkpoint] ──(MODEL/CLIP)──> KSampler
[Load VAE: sdxl_vae.safetensors] ──(VAE)──┐
                                          ▼
KSampler(LATENT) ──> [VAE Decode (Tiled)] tile_size=512 overlap=64 ──> SaveImage

• --fp16-vae は付けない。fp16 VAEはSiLU/convでfp16上限(65504)超過→inf→NaN→黒画像/固着の主因^[2]。
• どうしてもfp16運用したいなら madebyollin の sdxl-vae-fp16-fix を使う（fp16でもNaNを起こさない補正版）^[2][14]。要検証
• VAE Decode (Tiled) は大判(1024×1536)のVAE oom/固着を回避しつつデコードを安定化^[3]。

③ 安定したら“常駐＋微加速”を足す（確定セット）

.\python_embeded\python.exe -s ComfyUI\main.py --windows-standalone-build ^
  --disable-dynamic-vram ^      :: 再読込撲滅[1]
  --gpu-only ^                   :: 24GBにモデル常駐(旧--highvram)[9]
  --use-pytorch-cross-attention :: SDP明示。最安定[6]
pause

④ さらに上積み（fp16 accumulation）

  --fast   :: matmulのfp16累算ON。fp16モデルのみ高速化[4]

SDXL(fp16)に有効。SageAttention併用でも画質差はほぼ無いと報告^[4]。ただし --fast + SageAttention2 + torch.compile の三重併用はノイズ報告あり（上流ライブラリ非互換）^[5]。要検証。

05速度試算｜6分→目標秒（全て要実測の見込み値）

06リスク｜画質劣化 / NaN / 再ハング

0730日導入ロードマップ

1. Day1-3：再読込撲滅の検証｜--disable-dynamic-vram 単独。2枚連続でログのmodel再読込が消えるか＆秒数を記録。ここで6割決まる
2. Day4-7：GPU-VAE化｜cpu-vae撤去＋Load VAE(sdxl_vae fp32)＋Tiled Decode。固着ゼロ＆黒画像ゼロを30枚で確認。
3. Day8-12：常駐＋SDP＋fast｜--gpu-only --use-pytorch-cross-attention --fast 追加、smart-memory無効を外す。再ハング無しを確認。
4. Day13-20：DMD2画質検証｜別WFで 8steps/LCM/CFG1.4-1.8/LoRA0.7。30→8stepの画質を3AI/品質ゲートで採点。OKなら量産WFへ昇格、NGなら30step維持。
5. Day21-30：上級加速の別ブランチ実験｜SageAttention2 / torch.compile を本番と別環境で。ノイズ無し＆速度向上を確認できた分だけ本番へ。要検証

08撤退ライン（これがダメなら即戻す）

09落とし穴（やりがちな失敗）

• 最頻 --fp16-vae を「速くなりそう」で付ける → NaN/黒画像/VAE固着の主因^[2]。今回の「GPU-VAEが固着」の正体がこれの可能性大。
• 全フラグを一度に投入 → 再ハング時に犯人不明。必ず1つずつ。
• smart-memory無効化を“お守り”で残す → 真因(DynamicVRAM)を放置したまま常駐キャッシュを殺し、むしろ遅い^[9][13]。
• xformersをtorch2.7系で無理に入れる → 非対応。torch2.6.0+cu124が正しい土台（現環境は正解）^[8]。
• fp32 VAEにしたのに通常VAE Decodeのまま → 大判でoom/固着再発。Tiledとセットで^[3]。
• --fast を bf16/fp8 モデルに期待 → fp16以外は高速化されない^[4]。SDXL(fp16)だから効く。
• SageAttentionをSD1.5系WFに使う → head_dim非対応エラー(#7352)^[12]。SDXLでは概ね可だが要検証。

10既存資産の活用

11関連DR一覧

• D:\市場調査資料\DR_ComfyUI長時間大量量産のGPU安定運用ハードニング_2026-06-12.html
• D:\市場調査資料\DR_ComfyUI安定運用RAM最適化_2026-06-09.html
• D:\市場調査資料\DR_ComfyUI_SDXL_Turbo_Lightning_超高速生成_2026.html
• D:\市場調査資料\DR_ComfyUI_GOLDEN量産WF_決定版_2026-06-01.html
• D:\市場調査資料\DR_ComfyUI_API差分一括生成スクリプト設計2026_2026-06-01.html
• （本DR）D:\市場調査資料\DR_ComfyUIハング根治と生成高速化_2026-06-15.html

本DRは「ハング根治＋cpu-vae脱却＋6分/枚の高速化」に特化し、既存の安定運用/RAM最適化DRと棲み分け済み（重複なし）。

12脚注（実在URL）

1. [1] Models always unloaded when using dynamic VRAM（--disable-dynamic-vram で常駐・高速化）— https://github.com/Comfy-Org/ComfyUI/issues/13139
2. [2] Qwen Img fp16 NaN issue（fp16 VAEのSiLU/conv→inf→NaN→黒画像。fp32/bf16 or fp16-fixで根治）— https://github.com/comfyanonymous/ComfyUI/issues/10751
3. [3] Fix ComfyUI NaN/Black Image VAE（Load VAE明示・VAE Decode Tiled tile512/overlap64・CFG≤）— https://www.apatero.com/blog/comfyui-nan-error-black-image-output-fix-2025
4. [4] Allow FP16 accumulation with --fast（torch.backends.cuda.matmul.allow_fp16_accumulation・fp16のみ高速化・Sage併用で画質差小）— https://github.com/Comfy-Org/ComfyUI/pull/6453
5. [5] --fast fp16_accumulation + SageAttention2 + torch.compile でノイズ（上流ライブラリ非互換）— https://github.com/Comfy-Org/ComfyUI/issues/8689
6. [6] Demystifying Attention in ComfyUI（PyTorch SDP最安定・xformers・SageAttention 1.5〜1.9x比較）— https://diffusiondoodles.substack.com/p/demystifying-attention-in-comfyui
7. [7] DMD2 Speed LoRA SDXL/Pony/Illustrious（8steps・LoRA0.7・LCM・CFG1.4-1.8・normal/simple）— https://www.diffus.me/models/dmd2-speed-lora-sdxl-pony-illustrious-dmd2-sdxl-4step-lora ／ https://civitai.com/models/1850983
8. [8] xformersはtorch2.7+cu126非対応→2.6.0+cu124へrevert推奨 — https://www.felixsanz.dev/articles/compatibility-between-pytorch-cuda-and-xformers-versions ／ https://x.com/ScarabOfficial/status/1915262523621716351
9. [9] VRAM modes / --highvram(--gpu-only)でモデル常駐・smart cache — https://deepwiki.com/Comfy-Org/ComfyUI/2.6-memory-and-device-management ／ https://docs.comfy.org/changelog
10. [10] ComfyUI freezes at KSampler（重処理でVRAM/RAM逼迫・固着）— https://github.com/Comfy-Org/ComfyUI/issues/9583
11. [11] Possible bug with --force-fp16/--bf16-vae/--bf16-unet（精度フラグの効果有無・組合せ注意）— https://github.com/Comfy-Org/ComfyUI/issues/13223
12. [12] KSampler Unsupported head_dim:160 with SD1.5 and --use-sage-attention（SageのSD系非対応）— https://github.com/Comfy-Org/ComfyUI/issues/7352
13. [13] Dynamic VRAM in ComfyUI 公式解説（DynamicVRAMの挙動・既定有効化）— https://blog.comfy.org/p/dynamic-vram-in-comfyui-saving-local
14. [14] sdxl-vae-fp16-fix（fp16でもNaNを起こさない補正VAE）— https://huggingface.co/madebyollin/sdxl-vae-fp16-fix

作成: 2026-06-15 ／ 下書き grok-4.3 (grok_router dr_world_top, $0.77) ＋ WebSearch/WebFetch 一次情報15ソースを手検証で統合・正規化。数値の具体秒は一次情報に無いため全て「要実測」。フラグは1つずつ追加で切り分ける前提。