玩 Stable Diffusion、SDXL 甚至是近期熱門的 Flux 模型時，相信大家最怕在終端機看到刺眼的紅字「CUDA out of memory（爆顯存 OOM）」。到底啟動參數裡的 --medvram、--lowvram 是什麼原理？常聽大神提到的「單 UNet 顯存常駐」又是什麼黑科技？這篇完整指南將用最直白的好懂方式，帶你拆解底層運作邏輯，並教你如何依據自己的顯示卡配置挑出最佳設定，兼顧極速生圖與系統穩定度！
1. 為什麼會爆顯存？先搞懂擴散模型的「三大核心積木」
在使用 Stable Diffusion 或各類生圖軟體時，很多人常誤以為生成圖片是把整顆模型一股腦丟進去硬算。實際上，現代擴散架構是由三個分工明確的模組協同作業完成的：
① 文字編碼器 (Text Encoder)
例如 CLIP 或 T5。工作量極輕，在生圖一開始只運算 1 次，負責把使用者輸入的提示詞（Prompt）轉譯為模型看得懂的語意特徵向量。
② 去噪運算核心 (UNet / DiT)
整個架構的大魔王！體積龐大且運算量極重，在生圖過程中需要連續反覆迭代 20 到 50 步，是絕大多數算力消耗與時間佔用的核心來源。
③ 變分自編碼器 (VAE 解碼器)
工作量輕，在去噪流程全部結束後只跑 1 次，將潛空間（Latent Space）中的數據還原為肉眼可見的超高解析度像素圖片。
這三個模組在整趟流程中的「工作頻率差異極大」。顯存管理調度的精髓，就在於決定何時把哪個模組放進顯卡記憶體（VRAM），何時移回一般系統記憶體（RAM），避免大家都擠在同一個空間搶資源而爆顯存。
2. 什麼是「單 UNet 顯存常駐」？兼顧速度與空間的黃金策略
了解了三大模組後，我們就能理解什麼叫「單 UNet 顯存常駐」。這是一種極具智慧的模組級調度策略：
核心定義：在去噪運算期間，系統確保顯存中「只保留 1 個 UNet 核心實例，且全程固定常駐不卸載」。其餘只跑一次的模組（Text Encoder、VAE）則按需載入，算完立即移出顯存釋放空間。
為什麼這個策略被譽為效能與空間的最佳平衡點？主要有兩大優勢：
- 釋放大量顯存：因為 Text Encoder 與 VAE 都不會跟龐大的 UNet 搶顯存，省下來的空間剛好可以拿來開更高的解析度或更大的批次（Batch Size）。
- 零傳輸延遲、極速運算：耗時最長的 20～50 步去噪迭代全部都在 GPU 高速顯存內封閉完成，不需要每一步都跑去系統記憶體要權重資料，出圖速度幾乎達到 100% 滿速狀態！
3. 三大調度模式深度對決：全模型載入 vs medvram vs lowvram
目前無論是在 AUTOMATIC1111 WebUI 還是 ComfyUI 中，我們常見的調度模式主要分為以下三種：
🔥 為什麼 --lowvram 會慢得像烏龜？
很多新手發現開了 --lowvram 雖然顯存真的空出來了，但生一張圖居然要等上好幾分鐘！這是因為主機板上的 PCIe 匯流排頻寬（通常約 15~30 GB/s）遠遠比不上顯卡內部的顯存頻寬（動輒 500~1000+ GB/s）。當系統每跑一步去噪都要在記憶體與顯存之間來回搬運幾十次權重時，顯卡大部分時間其實都在「發呆等待資料傳送完畢」，效能自然發生斷崖式崩跌。
4. 數據實測與規格總整理：秒數與顯存開銷一覽
以下整理在常見模型情境下的真實運算負擔與對比參考：
📊 情境一：標準 SD 1.5 模型（解析度 512×512，FP16）
- 全模型載入：顯存約吃 4.5GB ~ 6.0GB，單張圖約需 2 ~ 3 秒。
- --medvram：顯存降至約 2.5GB ~ 3.5GB，單張圖約需 2.5 ~ 3.5 秒（速度幾乎無感）。
- --lowvram：顯存僅需約 1.5GB ~ 2.0GB，但單張圖耗時直接飆升至 15 ~ 30 秒以上。
📊 情境二：大模型 SDXL 或 Flux（解析度 1024×1024）
- 全模型載入：模型參數量龐大，顯存開銷直接突破 12GB ~ 16GB+，小卡必爆。
- --medvram / 智慧調度：顯存壓力直接減半至 6GB ~ 8GB，讓主流等級顯卡也能順暢輸出高解析度大作！
5. 顯示卡顯存選擇指南：你的配備該怎麼設最順？
看完原理之後，平常生圖到底該如何挑選啟動參數呢？建議大家可以直接依照顯示卡規格對號入座：
🚀 顯存 ≥ 16GB (高階旗艦)
如 RTX 4080 / 4090 / 3090 等
建議策略：直接使用預設全載入！享受極致出圖快感，並能輕鬆疊加高解析度修復（Hires. fix）與多重 ControlNet。
⚖️ 顯存 6GB ~ 10GB (主流中階)
如 RTX 3060 / 4060 / 2060 6G 等
建議策略：強烈推薦開啟 --medvram。用微乎其微的階段切換延遲，換取絕對不輕易 OOM 爆顯存的超高穩定性！
🛡️ 顯存 ≤ 4GB (入門/舊款筆電)
如 GTX 1650 / 1050Ti 等
建議策略：將 --lowvram 作為最後防線保底手段，至少能確保運算跑得出來不當機報錯。
總結來說，「單 UNet 顯存常駐」搭配 --medvram 抓準了生圖管線中 Text Encoder 與 VAE 只跑一次的特性，把最珍貴的顯卡記憶體留給需要瘋狂運算的 UNet 核心，是目前性價比最高、最值得推薦的設定方式！趕快打開你的設定檔調整看看吧！
