画像生成向け RTX 4090、RTX 4090 48G、RTX 5090 の比較

結論： まず VRAM で選びます。RTX 4090 は 24 GB、RTX 5090 は 32 GB、RTX 4090 48G は RTX 4090 と同じチップで 48 GB です（NVIDIA の製品ページと CloudGPU /pricing、2026-11-03 閲覧）。SDXL と FP8 の FLUX.1 は 3 枚すべてに収まります。16-bit の FLUX.1-dev パイプライン全体は BF16 で読み込むと約 31.4 GB なので（Hugging Face Diffusers ブログ、2026-10-23 閲覧）、24 GB では FP8 かオフロードが必要、32 GB では上限ぎりぎり、48 GB では余裕があります。モデルがどちらにも収まる場合、RTX 5090 はメモリ帯域幅（1,792 GB/s 対 1,008 GB/s）と FP16 演算性能が上回ります。

仕様の比較

RTX 4090 RTX 4090 48G RTX 5090
アーキテクチャ Ada Lovelace Ada（RTX 4090 と同じチップ） Blackwell
VRAM 24 GB GDDR6X 48 GB 32 GB GDDR7
メモリインターフェース 384-bit 記載なし 512-bit
メモリ帯域幅 1,008 GB/s 1,008 GB/s 1,792 GB/s
FP16 TFLOPS（CloudGPU /pricing） 165 165 209
CUDA コア 16,384 RTX 4090 と同じチップ 21,760
Tensor コア 第 4 世代 第 4 世代 第 5 世代（NVIDIA は FP4 対応を記載）
Compute capability 8.9 8.9 12.0

出典：NVIDIA の RTX 4090 と RTX 5090 のページ、NVIDIA の CUDA GPUs ページ、/pricing の数値にもとづく CloudGPU の仕様比較（いずれも 2026-11-03 閲覧）。RTX 4090 48G は NVIDIA の製品ページには掲載されていないため、数値は CloudGPU が公開しているものです。

各カードに収まるワークロード

数値はファイルサイズと公開されている目安で、CloudGPU の実測ではありません。必要な VRAM はモデル、精度、ワークフローによって変わります。

ワークロード 必要なもの RTX 4090（24 GB） RTX 5090（32 GB） RTX 4090 48G
SDXL FP16 の重みで約 7 GB 収まる 収まる 収まる
FLUX.1-dev FP8 チェックポイント ファイル 17.25 GB、重みは約 12〜16 GB 収まる 収まる 収まる。LoRA やバッチの余裕が大きい
FLUX.1-dev 16-bit フルセット BF16 で読み込むと約 31.4 GB FP8 の weight_dtype かオフロードが必要 上限ぎりぎり。収まらなければテキストエンコーダーをオフロード 余裕を持って収まる
Wan 2.2 TI2V-5B ComfyUI：ネイティブのオフロードで “should fit well on 8GB vram” 収まる 収まる 収まる
Wan 2.2 14B（T2V / I2V） ComfyUI では 14.29 GB の FP8 エキスパート 2 つと 6.74 GB の FP8 テキストエンコーダー。Wan リポジトリ独自のスクリプトは “at least 80GB VRAM” オフロード頼み オフロード頼み ほかの 2 枚より余裕がある

表の出典：CloudGPU モデルページ（SDXL、FLUX FP8）、Hugging Face の Comfy-Org/Flux-1-Dev と Comfy-Org/Wan-2.2 のファイル一覧、ComfyUI の Wan 2.2 チュートリアル、Wan2.2 README（2026-11-03 閲覧）。

画像生成にとって数値が意味すること

  • VRAM はオフロードなしで動くかどうかを決めます。 パイプライン全体が収まらないと、ComfyUI は一部をシステム RAM に移し、各ステップが遅くなります。VRAM に余裕があれば、LoRA、ControlNet、アップスケーラー、大きなバッチも載せられます。
  • 収まった後の速度は帯域幅と演算性能で決まります。 RTX 5090 のメモリ帯域幅は RTX 4090 より約 78% 大きく、FP16 の数値も上です（209 対 165 TFLOPS）。RTX 4090 48G の演算性能と帯域幅は 24 GB の RTX 4090 と同じで、得られるのは速度ではなく容量です。
  • 精度のサポート。 Ada（RTX 4090 と 4090 48G）と Blackwell（RTX 5090）はどちらも FP8 チェックポイントを実行できます。NVIDIA は RTX 5090 の第 5 世代 Tensor コアで FP4 を挙げていますが、ワークフローで FP4 を使えるかどうかは、インストールするモデルファイルとノードによります。
  • RTX 5090 のソフトウェア。 Compute capability 12.0 には CUDA 12.8 以降向けの PyTorch ビルドが必要で、古いビルドでは “no kernel image” エラーになります。RTX 5090 の CUDA “no kernel image” の直し方（英語）をご覧ください。

選び方

  1. SDXL、FP8 の FLUX、Wan 2.2 5B： 3 枚とも動かせます。/pricing の時間単価と、短いテスト実行で 1 時間に何枚生成できるかを比べてください。
  2. オフロードなしの 16-bit FLUX.1-dev、または複数の LoRA や ControlNet を同時に使う場合： RTX 4090 48G は 48 GB で、ほかの 2 枚より多くのメモリを持ちます。RTX 5090 はフルパイプラインでは上限ぎりぎりです。
  3. Wan 2.2 14B の動画： VRAM が多いほどオフロードが減るので、大きめのカードから始め、ご自身の解像度とフレーム数で nvidia-smi を使ってピークメモリを確認してください。
  4. 測ってから決めます。 課金は 1 分単位、最低 1 分なので、2 枚のカードで短いベンチマークをしても負担は小さく済みます。/deploy ではテンプレートを選ぶと、そのテンプレートを動かせる GPU だけが表示されます。
# peak VRAM while one image or clip renders
nvidia-smi --query-gpu=name,memory.used,memory.total --format=csv -l 1

よくある質問

画像生成では RTX 5090 は RTX 4090 より速いですか？

モデルがどちらにも収まる場合、仕様上はそうです。CloudGPU の /pricing では、RTX 5090 が 1,792 GB/s と FP16 209 TFLOPS、RTX 4090 が 1,008 GB/s と 165 となっています（2026-11-03 閲覧）。実際の速度はモデル、精度、ノードによって変わるので、ご自身のワークフローで 1 枚生成して時間を測ってください。

RTX 4090 48G は RTX 4090 より速いですか？

いいえ。同じチップで VRAM が 24 GB から 48 GB になっただけなので、演算性能と帯域幅は同じです。24 GB のカードでオフロードが必要になる場合やメモリが足りない場合に役立ちます。

RTX 4090 で FLUX.1-dev は動きますか？

FP8 チェックポイント（重みは約 12〜16 GB）を使うか、fp8 の weight_dtype やオフロードを使えば動きます。16-bit のパイプライン全体は BF16 で読み込むと約 31.4 GB で、24 GB を超えます。

Wan 2.2 にはどのカードを使えばよいですか？

5B モデルは 3 枚すべてに収まります。ComfyUI のチュートリアルは、ネイティブのオフロードで “should fit well on 8GB vram” と記載しています。14B モデルは VRAM が多いほどオフロードが減ります。Wan リポジトリ独自のスクリプトは少なくとも 80 GB を求めているので、ComfyUI では FP8 ファイルを使い、ご自身の設定で測定してください。

料金はどこで確認できますか？

https://cloudgpu.app/ja/pricing で確認できます。このページでは料金を記載していません。

出典（2026-11-03 閲覧、Asia/Shanghai）

起動できるカードは Deploy ページに一覧があります。料金は https://cloudgpu.app/ja/pricing に掲載しており、ここでは繰り返しません。

最終更新：2026-11-03（Asia/Shanghai）。