Milhares de imagens de IA por menos de US$ 0,001 cada com o Z-Image Turbo no ComfyUI

Status: Testado no RunPod. Montei e rodei esta configuração no RunPod, em uma RTX A4500 econômica e em uma RTX 5090.

Esta configuração gera imagens em lote, a partir de uma lista de centenas de prompts, a um custo bem abaixo de um centavo cada. Ela roda o Z-Image Turbo no ComfyUI em uma GPU alugada, então é privada: nada passa por um serviço de imagens hospedado, e não há filtro de conteúdo além do seu.

Há duas maneiras de chegar lá. A rápida é meu template e fluxo do RunPod, que instalam tudo para você; eles estão no meu Patreon. A outra é construir você mesmo a partir do template oficial do ComfyUI, que é o que a maior parte deste guia percorre.

Quanto custa por imagem

O custo por imagem é o preço por hora da GPU dividido pelo número de imagens que ela faz em uma hora. Usando os tempos que medi e os preços do RunPod de outubro de 2026:

São estimativas a partir dos meus tempos em boa qualidade; a primeira imagem de uma sessão é mais lenta enquanto os modelos carregam. O armazenamento é um custo separado: um volume de rede de 50 GB custa US$ 3,50 por mês.

A GPU mais rápida é a mais barata por imagem, porque termina muito antes. Uma placa econômica ainda é a escolha certa para configurar e testar.

Volume de rede ou disco de volume?

Quando você implanta um pod, o RunPod oferece dois tipos de armazenamento:

• Um disco de volume pertence a um pod e à sua GPU. Você não pode movê-lo para outra GPU, e ele cobra enquanto o pod está parado.
• Um volume de rede vive em um data center e se anexa a qualquer pod ali. Ele mantém seus modelos indefinidamente, então você os baixa uma vez.

Prefiro um volume de rede. A primeira configuração baixa cerca de 11 GB de modelos mais custom nodes, o que levou cerca de 15 minutos; com um volume de rede isso só acontece uma vez. Minha introdução ao RunPod explica volumes e pods em detalhe.

Configure você mesmo

1. Crie o volume e implante

1. Vá em Storage → New network volume. Escolha o data center com mais GPUs disponíveis e defina 50 GB.
2. Clique em Configure pod with volume e escolha a GPU mais barata para a configuração. Usei uma RTX A4500.
3. Troque o template pelo template oficial do ComfyUI. Há também uma versão CUDA 13 para placas Blackwell mais novas como a RTX 5090; o Z-Image não precisa dela, então a versão normal serve.
4. Deploy on demand e acompanhe os logs. A primeira inicialização instala o ComfyUI, o que leva alguns minutos.

2. Carregue o template do Z-Image e baixe os modelos

Abra o ComfyUI, vá em Templates, busque Z-Image e escolha o template de texto para imagem. Ele vai se oferecer para baixar os modelos que faltam. Use o botão azul de download dentro da janela, que baixa para o volume do pod. O outro link de download salva os arquivos na pasta de downloads do seu próprio computador, o que não é o que você quer aqui.

Dois modelos são baixados:

• Z-Image Turbo, o modelo de difusão que cria a imagem (cerca de 11 GB).
• Qwen 3 4B, usado como codificador de texto que transforma seu prompt em orientação.

No pod, o modelo de 11 GB foi baixado do Hugging Face a cerca de 250 MB/s. Recarregue o ComfyUI quando terminar.

3. Saiba quais ajustes tocar

O template vem envolvido em um subgrafo. Clique com o botão direito e desempacote-o para ver os nós. À esquerda estão os três modelos: o modelo de difusão, o codificador de texto e o VAE, que converte entre o espaço latente do modelo e os pixels.

A maioria dos ajustes deve ficar como está:

• Prompt negativo: deixo vazio. O Z-Image segue bem prompts positivos detalhados.
• KSampler: os valores do template já dão boas imagens. Subir o guidance (CFG) para 8 queima a imagem; mais steps podem acrescentar um pouco de qualidade, mas os padrões geralmente bastam.
• O tamanho da imagem é o que você vai mudar. Não passe de 2K por 2K: o modelo foi treinado em torno desse tamanho. Para imagens maiores, amplie em um fluxo separado.

A primeira execução levou um ou dois minutos enquanto os modelos carregavam. Depois, cerca de 20 segundos por imagem na GPU econômica. Às vezes um pod novo não inicia a primeira execução: cancele e execute de novo, e se falhar, reinicie o ComfyUI pela página do pod.

Adicione a lista de prompts

Para rodar centenas de prompts, uso meu próprio nó Prompt Cycler. É gratuito, mas não está na lista do ComfyUI Manager, então você o instala pelo GitHub:

1. Abra o JupyterLab pelo menu Connect do pod e vá para runpod-slim/ComfyUI/custom_nodes.
2. Abra um Terminal ali e cole:

git clone https://github.com/tenitsky/tenitsky-prompt-cycler-simple.git && cd tenitsky-prompt-cycler-simple && pip install -r requirements.txt && pkill -f main.py

O último comando reinicia o ComfyUI para que ele reconheça o nó. Recarregue a página.

Agora dê duplo clique na tela, busque Prompt Cycler e adicione-o. Conecte sua saída à entrada de texto do nó CLIP Text Encode, que então pega seu texto do cycler.

O nó guarda um prompt por linha, e uma linha pode ter milhares de caracteres. Cada execução pega a próxima linha. Linhas em branco entre prompts não atrapalham. Para começar um novo lote do topo, use reset_cycle.

Para escrever a lista, peça a qualquer chatbot (ChatGPT, Gemini ou Claude) um prompt por linha sobre o seu tema.

Salve as imagens direto no seu computador

O nó Save Image normal grava na pasta ComfyUI/output do pod, então você teria que baixar cada imagem pelo JupyterLab. Em vez disso, adicione um nó que salva localmente:

1. Abra o Manager → Custom Nodes Manager do ComfyUI e busque «local save».
2. Instale o nó de salvamento local de imagens, reinicie o ComfyUI e recarregue a página.
3. Adicione o nó Local Save Image e conecte a imagem a ele.

Agora cada imagem é salva no pod e baixada para a pasta de downloads do seu navegador. Quando o navegador perguntar se o site pode baixar vários arquivos, permita.

Depois enfileire o lote com Run (Instant) e deixe ele percorrer a lista.

Para onde isso vai

Imagens são o lado barato do que as GPUs na nuvem podem fazer. A mesma configuração, um volume de rede com modelos e um pod que você aluga por hora, é o que torna a geração de vídeo acessível, e é aí que mais compensa. Para um começo mais rápido com o Z-Image, veja Z-Image Turbo no RunPod; para um conjunto inteiro de imagens em um estilo treinado, veja recursos de jogo estilizados com Z-Image e Meshy.

Se você não tem uma conta no RunPod, meu link de indicação dá a novas contas que se cadastram com o Google de US$ 5 a US$ 500 em crédito após seus primeiros US$ 10, e eu recebo uma pequena comissão.

Anton Tenitsky é artista 3D com mais de 15 anos em computação gráfica, que trabalhou com Nickelodeon, Gameloft, Marvel Rivals e muitos outros clientes. Mais sobre mim