01 — 适用情况
为什么创作者该用租的
AI 绘画的显存需求在两年里翻了几倍。SD 1.5 时代 8GB 够用，SDXL 要 12GB 才顺畅，FLUX.1 满血需要 24GB，而视频扩散模型的门槛还在往上走。买一张卡追一次浪潮，下一代模型出来时又被挡在门外。
更现实的问题是使用率。创作是间歇性的 —— 灵感来了跑一晚上，然后几天不碰。一张 4090 整机的钱，够你在云上跑几千个小时。按 $0.540/小时算，出 100 张 SDXL 图大约十几分钟，成本不到一顿早饭。
而且你不必只用一张卡。做批量风格测试时开三台并行，跑完全部销毁；需要更大显存时临时换成 A6000 或 A100 —— 这种弹性是本地设备给不了的。
02 — 典型负载
创作者在这里做的事
从单图精修到批量产出，从静态图像到动态视频。
批量出图与风格探索
同一个 prompt 换二十个种子、十种采样器、五个 LoRA 权重 —— 本地跑一晚上的事，云端开三台并行半小时跑完，成本还更低。
FLUX 与高显存模型
FLUX.1 dev 满血需要 24GB 显存，本地 12GB 卡只能跑量化版且画质有损。租一张 4090 或 5090，直接跑原版。
AI 视频生成
AnimateDiff、SVD 与新一代视频扩散模型的显存与算力需求远超图像模型，通常需要 24GB 起步、A6000 级别更从容。按次租用是唯一划算的方式。
LoRA 训练与角色一致性
训练一个人物或画风 LoRA 通常在 1 到 3 小时之间，一张 4090 的成本在一美元上下。训完把权重下载走，实例销毁。
03 — 软件栈
预置好的创作环境
开机即用，不用配 Python 环境，不用装 xformers，不用查 CUDA 版本。
ComfyUI — 工作流优先
节点式工作流，预装常用自定义节点与采样器，支持 SDXL、FLUX、视频模型与各类 ControlNet。适合需要精确控制生成流程的进阶创作。
ComfyUI · FLUX · SDXL · ControlNet
AUTOMATIC1111 — 上手最快
经典 WebUI，扩展生态最成熟。适合习惯了 A1111 操作逻辑、或者需要用某个只有 A1111 版本的插件的场景。
A1111 · 扩展生态 · img2img
训练与后期工具链
Kohya_ss、sd-scripts 等 LoRA 训练工具，以及放大、插帧、抠图等常用后期模型，都可在同一台机器上串起来跑完整流程。
Kohya_ss · 超分 · 插帧
04 — 选卡
跑什么模型租什么卡
图像生成对显存敏感，对算力也敏感 —— 显存决定能不能跑，算力决定跑多快。
| 使用场景 | 建议显存 | 当前最便宜可选 | 说明 |
|---|---|---|---|
| SD 1.5 / 小模型出图 | 8GB | GTX 1080$0.094/小时 | 入门够用。适合练手、批量小图、老模型的存量工作流。 |
| SDXL 常规创作 | 12GB | RTX 3060$0.100/小时 | SDXL 全流程含 refiner 的舒适区间，出图速度明显好过勉强塞进 8GB。 |
| FLUX.1 dev 满血 / LoRA 训练 | 24GB | Tesla V100$0.188/小时 | 24GB 是当下 AI 绘画的主力档位，主流消费级旗舰都落在这里，单位算力最便宜。 |
| 视频生成 / 大批量并行 | 48GB | Q RTX 8000$0.508/小时 | 视频扩散与多路并行需要更大显存缓冲，到 48GB 这一档就不用反复调 batch size 了。 |
「当前最便宜可选」由实时库存推导，取显存达标机型中的最低单卡价，随市场浮动。多卡节点整机出租。
05 — 上手
从下单到出第一张图
01
选一张 24GB 的卡
RTX 4090 或 5090 是当前性价比最高的选择。磁盘建议给足 —— 模型权重、LoRA 与输出图会占不少空间，磁盘按 GB/月 另计。
02
选 ComfyUI 或 A1111 模板
两个都预装好了常用节点与依赖。创建实例后等待镜像拉取完成，这段时间只产生存储费。
03
浏览器打开 WebUI
实例详情页直接给出 WebUI 地址，点开就是熟悉的界面。模型可以在界面里下载，也可以用网页终端 wget 拉取。
06 — FAQ