Z-Image Turbo sur RunPod : la façon la plus rapide de le faire tourner dans ComfyUI

Un guide d'installation court : Z-Image Turbo tourne dans ComfyUI sur un GPU loué en environ quatre minutes, avec un volume réseau pour ne l'installer qu'une fois, et que faire quand votre GPU n'est pas disponible.

Anton Tenitsky13 octobre 20263 min de lectureVersion vidéo plus bas

Ce guide a été traduit de l'anglais par IA et peut contenir des erreurs. Lire l'original.

Un portrait généré avec Z-Image Turbo dans ComfyUI en environ quatre secondes, avec le log de la console en dessous

Z-Image Turbo est un modèle d’images petit et rapide, ce qui en fait l’un des moyens les moins chers de faire tourner la génération d’images IA dans le cloud. Voici la version courte : d’un compte RunPod vide à votre première image dans ComfyUI en environ quatre minutes de mise en place.

Pour exécuter des centaines de prompts en lot, voir la suite, des milliers d’images IA à moins de 0,001 $ pièce.

En bref

  • Stockage : un volume réseau de 50 Go, pour que ComfyUI et le modèle ne soient installés qu’une fois.
  • GPU : n’importe quel GPU bon marché avec assez de VRAM. J’ai visé une L4 à environ 0,39 $/h.
  • Template : le template ComfyUI officiel, puis Z-Image Turbo depuis les templates propres à ComfyUI.
  • Vitesse : environ quatre secondes par image une fois le modèle chargé.

1. Créer un volume réseau

Allez dans Storage → New network volume. Choisissez le centre de données avec le plus de GPU disponibles ; cela vous donne les meilleures chances d’obtenir plus tard le GPU voulu. Réglez la taille sur 50 Go. On peut toujours agrandir un volume, jamais le réduire, visez donc à peu près juste.

La page Create network volume de RunPod avec une grille de centres de données en Europe, en Amérique du Nord et en Asie
Choisissez le centre de données avec le plus de GPU disponibles.

Le volume est facturé au fil du mois, et vous pouvez le supprimer à tout moment. Si les volumes et les pods sont nouveaux pour vous, mon introduction à RunPod les explique correctement.

2. Déployer un GPU bon marché avec le template ComfyUI

Depuis Pods, sélectionnez votre volume et cherchez un GPU bon marché disponible avec assez de VRAM. J’ai pris une L4, à environ 0,39 $ l’heure. Changez le template pour ComfyUI official (latest), une installation propre de ComfyUI, et déployez à la demande.

La liste des GPU de RunPod avec une L4 à 0,39 $ l'heure mise en évidence
Une L4 est largement suffisante pour Z-Image Turbo.

Si le GPU a disparu : dans la vidéo, la L4 était prise quand j’ai cliqué sur déployer, et RunPod a indiqué qu’aucune instance n’était disponible. Cela arrive. Revenez en arrière, choisissez un autre GPU dans le même centre de données que votre volume, et déployez de nouveau. Ne voyez pas trop grand pour ce modèle : une B200 fonctionnerait, mais c’est excessif.

3. Attendre l’installation

Le premier démarrage installe ComfyUI et JupyterLab sur votre volume. Cela peut prendre jusqu’à une dizaine de minutes sur un volume neuf ; le mien était prêt en quatre environ. Ensuite, un nouveau pod sur le même volume démarre en une minute environ.

JupyterLab est l’explorateur de fichiers : vos images se retrouvent dans le dossier output de ComfyUI. Si ComfyUI n’est pas prêt alors que le pod dit qu’il l’est, donnez-lui encore une minute.

4. Charger Z-Image Turbo depuis les templates de ComfyUI

Ouvrez ComfyUI, allez dans Templates et choisissez Z-Image-Turbo Text to Image.

Le navigateur de templates de ComfyUI montrant des templates d'images, dont Z-Image-Turbo Text to Image
Le template Z-Image-Turbo se trouve dans les templates d'images de ComfyUI.

ComfyUI liste les trois fichiers dont le workflow a besoin : le modèle Z-Image Turbo, l’encodeur de texte Qwen 3 4B et le VAE. Téléchargez-les vers le pod avec le bouton de la fenêtre. Sur le pod, ils sont arrivés à environ 300 Mo/s, cela prend donc environ une minute. Rechargez ensuite la page.

La fenêtre des modèles manquants de ComfyUI listant qwen_3_4b, ae et z_image_turbo_bf16 avec la progression du téléchargement
La fenêtre des modèles manquants. Téléchargez vers le pod, pas vers votre propre ordinateur.

5. Générer

Le template enveloppe ses nodes dans un subgraph pour que tout reste simple. Vous n’avez pas besoin de l’ouvrir, mais vous pouvez le faire en double-cliquant sur l’icône du coin. Saisissez un prompt et lancez, console ouverte.

La première image est plus lente parce que le modèle doit se charger. Ensuite, une image a pris environ quatre secondes.

Quand vous avez fini, arrêtez le pod depuis le tableau de bord RunPod. Vos images restent sur le volume.

Si vous n'avez pas encore de compte RunPod, mon lien de parrainage offre aux nouveaux comptes inscrits avec Google entre 5 et 500 $ de crédit après leurs 10 premiers dollars, et je touche une petite commission.

Voir la version vidéo (5:26)

Tout ce qui précède est aussi dans la vidéo, si vous préférez suivre à l’écran. La vidéo est en anglais.

Questions fréquentes

Quel GPU utiliser pour Z-Image Turbo ?

Un GPU bon marché avec assez de VRAM convient. J'ai visé une L4 à environ 0,39 $/h. Une B200 fonctionnerait mais c'est excessif pour ce modèle.

Et si le GPU que j'ai choisi n'est plus disponible ?

Revenez en arrière et choisissez un autre GPU dans le même centre de données que votre volume réseau. La disponibilité change d'une minute à l'autre.

Quelle est la vitesse de Z-Image Turbo ?

Après la première image, qui charge le modèle, une image a pris environ quatre secondes dans mon test.

Anton Tenitsky est artiste 3D avec plus de 15 ans d'expérience en infographie, qui a travaillé avec Nickelodeon, Gameloft, Marvel Rivals et de nombreux autres clients. En savoir plus sur moi

Guides associés