Hausgemachte Bilder mit ComfyUI
Ein Bild mit einem Online-Dienst zu generieren kostet wenig, aber es kostet jedes einzelne Mal. Man bezahlt es in Credits, die Mitte des Monats aufgebraucht sind, in kostenlosen Kontingenten, die sich aufladen, wann es ihnen passt, und in Regeln darüber, was man fragen darf und was nicht, die von jemand anderem festgelegt wurden. Midjourney, DALL-E und Firefly sind bemerkenswerte Werkzeuge, aber sie teilen die Natur eines Mietverhältnisses: Das Haus ist prachtvoll, aber es gehört nicht mir. Von hier aus startete dieses Experiment, das als persönlicher Test begann und unterwegs zum Artikel wurde. Ich wollte verstehen, ob man Bilder ohne Kosten pro Erstellung, ohne sinkende Zähler und ohne Credit-Limits produzieren kann – nur mit dem Computer, der auf meinem Schreibtisch steht.
Von ComfyUI hatte ich vor einiger Zeit gehört, dann war der Name wieder vom Radar verschwunden, wie es mit Dingen passiert, die man nur einmal liest. In den letzten Tagen ist er mir wieder begegnet, als ich auf der Suche nach Ideen die LLM-Wiki abfragte, die ich zusammen mit Matteo Baccan aktualisiere – ein Archiv, in das wir täglich Nachrichten aus der KI-Welt im Repository AINews einspeisen. Ein gut geführtes Archiv dient genau dazu: Es gibt einem zurück, was man vergessen hatte vergessen zu haben. Das Versprechen war verlockend: granulare Kontrolle über jeden Schritt der Generierung, ohne Abonnements und ohne monatliche Credits. Die eigentliche Frage war jedoch eine andere: Packt mein Rechner das?
Der Rechner ist derselbe, der bereits in der ersten Folge über KI zu Hause beschrieben wurde: ein Ryzen 7700, 32 GB DDR5-RAM und eine Radeon RX 9060 XT mit 16 GB Videospeicher. Nichts Exotisches, eine Hardware, die viele Enthusiasten als die eigene wiedererkennen würden. Sie hat jedoch eine Eigenschaft, die auf den folgenden Seiten schwer wiegt: Die Grafikkarte ist von AMD, nicht von NVIDIA, und wer diesen Bereich verfolgt, weiß, dass dieser Unterschied kein Fanboy-Detail ist, sondern eine technische Variable.
Knoten, Fehler und SD 1.5
Ich habe ComfyUI Desktop unter Windows installiert, angelockt von der Einfachheit im Vergleich zur Portable-Version. Die offizielle Dokumentation gibt Windows 10 oder neuer mit NVIDIA- oder AMD-GPU an, und AMD ganz selbstverständlich erwähnt zu sehen, war schon eine gute Nachricht. Der erste Eindruck der Benutzeroberfläche war von einer merkwürdigen Vertrautheit geprägt: Eine Arbeitsfläche voller Blöcke, die durch Drähte verbunden sind, entspricht genau der Grammatik von n8n, dem Automatisierungswerkzeug, das ich kenne und für einige Prozesse nutze. Es ändert sich der Inhalt der Blöcke, nicht die Grundidee, denn jeder Knoten empfängt etwas, wandelt es um und reicht es an den nächsten weiter.
ComfyUI ist für diejenigen, die es nicht kennen, ein Open-Source-Programm, das die Bildgenerierung in ein Fließband verwandelt: Jede Phase des Prozesses ist ein Block, und es liegt am Anwender zu entscheiden, welche Blöcke wie und in welcher Reihenfolge verbunden werden.
Um nicht völlig blind zu starten, bat ich die kostenlose Version von DeepSeek um eine Schritt-für-Schritt-Anleitung von der Installation bis zum ersten Workflow. Sie war nützlich, aber etwas verworren, da sie auf einmal statt Schritt für Schritt kam und die Blöcke mit ihren englischen Namen beschrieb, während mein ComfyUI sie auf Italienisch anzeigte. Wie viel von dem, was danach geschah, Schuld der Anleitung war und wie viel meine eigene, weil ich ähnlich benannte Knoten verwechselt habe, könnte ich nicht ehrlich sagen. Wahrscheinlich von beidem etwas.
Die erste konkrete Hürde betraf die Modelle. Wo müssen sie hin? Ich suchte im Installationsordner unter Program Files, der offensichtlich erschien, und fand ihn leer vor. Die Modelle liegen woanders, in einem geteilten Ordner innerhalb des Benutzerprofils (in meinem Fall unter LOCAL/APPDATA, in Comfy-Desktop und dann ComfyUI-Shared, im Ordner models). Ein Detail, das im Nachhinein logisch, im Voraus jedoch unsichtbar war. Die zweite Hürde war eher psychologischer Natur: Angesichts Tausender Modelle auf Hugging Face und Civitai hatte ich das Gefühl, eine Bibliothek ohne Katalog zu betreten. Ich beschloss, mit dem leichtesten und direktesten zu beginnen, Stable Diffusion 1.5, in der Datei v1-5-pruned-emaonly-fp16.safetensors. Es ist ein Modell aus dem Jahr 2022, und das sieht man ihm an. Die offizielle Modellkarte ordnet es unter der CreativeML OpenRAIL-M-Lizenz ein, und die Organisation, die es hostet, präsentiert sich mittlerweile im Wesentlichen als Verwalterin veralteter Stable-Diffusion-Modelle.
Ich habe den ersten Workflow Block für Block aufgebaut, um die Logik zu verstehen. Load Checkpoint lädt das Modell. CLIP Text Encode übersetzt meinen Text in für die Maschine verständliche Zahlen – eine Art Simultandolmetscher. Empty Latent Image ist die Start-Arbeitsfläche, die jedoch nicht weiß ist, sondern voller Rauschen in den Dimensionen des finalen Bildes steckt. KSampler ist das Herzstück, da es beim Rauschen ansetzt und es Schritt für Schritt bereinigt, bis etwas Erkennbares auftaucht – das Prinzip der Diffusion, über das ich bereits geschrieben habe. VAE Decode übersetzt aus der internen Sprache des Modells in echte Pixel, und Save Image speichert sie auf der Festplatte.
Der Anfängerfehler ließ nicht lange auf sich warten: KeyError: 'g'. Die Fehlermeldung zitierte ein Feld, tokens["g"], das nur in SDXL-Modellen existiert. Ich hatte CLIPTextEncodeSDXL anstelle von CLIPTextEncode platziert – zwei Knoten mit nahezu identischem Namen. Es erinnerte mich an Primer, den Film von Shane Carruth aus dem Jahr 2004, in dem zwei Ingenieure eine Zeitmaschine in einer Garage bauen und ein einziger falscher Anschluss alles zum Entgleisen bringt. Meine Garage war bescheidener, die Lektion jedoch identisch: Nachdem ich den Knoten durch den richtigen ersetzt hatte, funktionierte alles. Das war der Moment, in dem ich die modulare Logik der Software und die Wichtigkeit verstand, den richtigen Knoten mit dem richtigen Modell zu kombinieren.
Dann kam das erste Bild, basierend auf meinem mehr als trivialen Prompt: "a cat on a windowsill, sunlight", in 1024x1024. Ein Desaster: dreifach überlagerter Kopf, verschwommene Details, merkwürdige Farben. Die Ursache lag in der Modellbeschreibung, die ein Training bei 512x512 angibt. Zurück bei dieser Auflösung fügte ich dem Prompt die üblichen Beschwörungsformeln hinzu (masterpiece, best quality, detailed fur, soft lighting, photorealistic) und passte die Parameter des KSamplers an: Schritte von 20 auf 30 erhöht, CFG von 8 auf 7 gesenkt, Scheduler von simple auf karras umgestellt. Ich kann wie bei jedem Ritual nicht sagen, welche Zutat die größte Wirkung hatte, aber das Ergebnis verbesserte sich erheblich.
Flux ändert die Regeln
Der Durchbruch kam mit Flux.1 schnell, ausgewählt, nachdem ich von seiner überlegenen Qualität gelesen hatte. Ich lud die FP8-Version als einzelne Datei herunter – ein sogenannter All-in-One-Checkpoint, der Modell, Text-Encoder und Decoder in einem einzigen Paket vereint. Er wiegt etwa 17 GB und bietet einen entscheidenden Vorteil für Experimentierfreudige: die Apache 2.0-Lizenz, im Gegensatz zu seinem Bruder dev, der auf die nicht-kommerzielle Nutzung beschränkt ist.
Die Überraschung war die Erkenntnis, dass die mit SD 1.5 mühsam erlernten Parameter über den Haufen geworfen werden mussten. Bei Flux schnell liegt der CFG bei 1.0, nicht bei 7, die Schritte betragen 4, nicht 25-30, und die Startauflösung beträgt 1024x1024. Die schnell-Version ist destilliert, das heißt darauf trainiert, in sehr wenigen Schritten das zu erreichen, wofür andere Modelle viele benötigen; für sie gilt eine Spanne von einem bis vier Schritten. Erster Test mit exakt demselben Prompt wie beim vorherigen Desaster: sehr gute Qualität.
Nebeneinandergestellt ist der Unterschied zwischen SD 1.5 und Flux bei der Katze in der Sonne eklatant. Flux versteht natürliche Sprache viel besser, benötigt keine Zauberwörter und erzeugt ein viel größeres Bild, das auch mit einem Satz kohärent ist, wie ihn ein Mensch sprechen würde.
Es gibt jedoch eine ästhetische Einschränkung. Flux neigt zu einem polierten Look, fast wie ein 3D-Render oder ein Stockfoto – zu sauber, um echt zu wirken. Ich habe versucht, den Effekt mit Begriffen wie film grain, raw photo und unedited zu mildern, mit wechselndem Erfolg. Ich bin nicht der Einzige, der sich diese Frage stellt. Krea hat die Präsentation von Krea 2 in der Open-Release-Version genau auf die Ästhetik ausgerichtet und das Modell als das gepflegteste unter jenen mit offenen Gewichten angepriesen. Das ist eine Marketing-Aussage, die man als solche nehmen muss, aber sie zeigt, dass der Wettlauf heute auch beim Geschmack und nicht nur bei der Prompt-Treue ausgetragen wird.
Nach etwa zwanzig Versuchen zeigten sich die Grenzen von Flux schnell als weniger zufällig, als ich zunächst dachte. Statische Szenen gelingen ihm hervorragend, und auch vor Bewegung schreckt es nicht zurück: Gepard, driftendes Auto und Riesenteente sind gut gelungen. Problematisch ist jedoch der menschliche Körper bei dynamischen Bewegungen, denn beim Laufen, Kicken oder Skifahren verschmelzen Gliedmaßen oder vervielfachen sich. Eine weitere Schwachstelle ist die Textdarstellung – typisch für Diffusionsmodelle. Dies sind meine persönlichen Beobachtungen, basierend auf einem einzigen Modell und System.
Die VRAM-Mauer
Dann tat ich das, was jeder tut, der gerade ein neues Spielzeug entdeckt hat: Ich schraubte die Auflösung hoch. Bei 1500 Pixeln dauerte die Generierung etwa eine Minute. Bei 2048 Pixeln dauerte es fünf oder sechs Minuten. Der Sprung ist nicht proportional: Bei einem quadratischen Bild steigt die Gesamtzahl der Pixel um etwas weniger als das Doppelte, die Zeit jedoch um das Fünf- bis Sechsfache. Die plausibelste Erklärung – und ich betone plausibel, weil es eine Hypothese und keine Diagnose ist – lautet, dass ab einem gewissen Schwellenwert der Speicher der Grafikkarte nicht mehr ausreicht und ComfyUI gezwungen ist, Teile des Modells zwischen dem VRAM und dem System-RAM hin und her zu schieben. Der Verdacht wird durch eine einfache Tatsache erhärtet: Die Datei von Flux schnell FP8 wiegt mehr als die 16 GB meiner Grafikkarte, und ein inoffizielles Wiki gibt 12 GB als Minimum und 16 GB als empfohlenen Wert für dieses Modell an. Übersetzt: Ich bin am Limit, und das Limit macht sich bemerkbar. Die 32 GB System-RAM dienen als Puffer, aber als langsamer Puffer.
Das ist die meiste konkrete Erkenntnis des gesamten Tests. Meine Radeon ist leistungsfähig, aber nicht bodenlos, und bei lokalen Modellen erfolgt die Wahl der Architektur aufgrund des verfügbaren Speichers noch vor dem persönlichen Geschmack. Den Rest erledigen quantisierte Versionen – Kopien des Modells mit weniger präzisen Zahlen und daher geringerem Platzbedarf, wie das von mir genutzte FP8-Format oder die GGUFs, auf die ich gleich zu sprechen komme. Jede Reduzierung der Präzision ist ein Kompromiss zwischen Platz, Geschwindigkeit und Qualität, den man von Fall zu Fall per Auge abwägen muss.
Im Kontrast dazu hat mich eine andere neuere Erfahrung von mir überrascht. Bei OmniVoice Studio blieb auf demselben PC die AMD-Karte unter Windows außen vor und die Sprachsynthese landete auf der CPU, was etwa 200 Sekunden für zehn Sekunden Audio dauerte. Mit ComfyUI lief es viel besser: Die offizielle Dokumentation führt für AMD unter Windows ROCm-Pakete auf und nennt explizit die RDNA 4-Architektur meiner Karte, und ich habe ROCm ohne Komplikationen genutzt. Es muss gesagt werden, dass das erwähnte inoffizielle Wiki die AMD-Unterstützung unter Windows als experimentell bezeichnet; es ist also ein Bereich in rascher Entwicklung, der aber noch nicht völlig befriedet ist. Dieselbe GPU, zwei verschiedene Schicksale – eine Bestätigung dafür, wie sehr es bei lokaler KI darauf ankommt, wie gut die Software mit dem Silizium sprechen kann.
Das gilt noch mehr für Video, das ich bisher nur von außen beobachtet habe. In meinen vorherigen Artikeln verlangte Ovi mindestens 24 GB VRAM und LongCat-Video benötigte etwa 60 GB bzw. 18 GB mit 8-Bit-Quantisierung auf einer RTX 4090. Das Bild bewegt sich. Die Dokumentation von ComfyUI behauptet, dass Wan 2.2 in der Version mit 5 Milliarden Parametern mit nativem Offloading in etwa 8 GB passt, während das offizielle Repository von 24 GB spricht; die Variante mit 14 Milliarden benötigt laut Berichten aus der Community quantisierte Versionen, um auf 16 GB zu laufen. Und am 12. August 2026 ist LTX-2.5 auf ComfyUI erschienen, mit offenen Gewichten, synchronisiertem Audio und Video und dem von den Autoren erklärten Versprechen hoher Geschwindigkeit auf Consumer-Hardware. Ein Versprechen, das wie immer auf der eigenen Karte überprüft werden muss.
Bearbeiten ist ein anderes Handwerk
Zufrieden mit der Generierung von Grund auf versuchte ich, ein bestehendes Bild zu verändern: ein gelbes Auto, das rot werden sollte, während alles andere unverändert blieb. Der Parameter, der dies regelt, ist der Denoise-Wert des KSamplers. Laut Dokumentation fügt das System den Daten des Originalbildes basierend auf diesem Wert Rauschen hinzu und lässt das Modell das Bild dann neu übermalen; bei niedrigen Werten ändert sich also wenig, bei hohen Werten alles. Mit SD funktioniert das wie ein stufenloser Regler. Mit Flux schnell beobachtete ich ein stufenförmiges Verhalten: Unter 0,8 änderte sich das Bild überhaupt nicht; bei 0,81 überschrieb das Modell alles und verlor das ursprüngliche Auto. Null Kontrolle, viel Frustration.
Eine sichere Erklärung habe ich dafür nicht. Ein Hinweis stammt aus einer Diskussion im Forum zu FLUX.2 klein 9B, einem weiteren auf vier Schritte destillierten Modell, wo ein Nutzer zunehmende Artefakte bei niedrigen Denoise-Werten beschreibt und sie dem Sampling in sehr wenigen Schritten zuschreibt. Es ist nicht dasselbe Szenario und nicht dasselbe Modell, daher nehme ich es als Verdacht und nicht als Urteil. Meine Arbeitshypothese lautet, dass einem Modell, das darauf ausgelegt ist, alles in vier Zügen zu erledigen, die feine Körnung fehlt, um einen Regler fein einzustellen, und dass img2img ohnehin auf das gesamte Bild und nicht auf einen Teil wirkt. Für gezielte Anpassungen gibt es speziell dafür entwickelte Werkzeuge.
Das vielversprechendste ist FLUX.1 Kontext dev, ein Modell mit 12 Milliarden Parametern, das ausschließlich der textgesteuerten Bildbearbeitung gewidmet ist und unter derselben nicht-kommerziellen Lizenz wie Flux dev steht. Es gibt an, auf Consumer-Hardware laufen zu können, aber die Rechnung ist schnell gemacht. Ein Modell mit 12B belegt in voller Präzision in der Größenordnung von 24 GB, ähnlich wie Flux dev mit 23,8 GB, etwa 12 GB in FP8 und etwa 7 GB in einer 4-Bit-GGUF-Quantisierung (grobe Schätzungen meinerseits). Auf meiner Karte wäre FP8 langsam und GGUF ein interessanter Kompromiss. Beide bleiben ausstehende Tests.
In der Zwischenzeit hat sich ein einfacherer Weg aufgetan. Black Forest Labs hat Anfang 2026 die Familie FLUX.2 klein herausgebracht – kleine Modelle mit 4 und 9 Milliarden Parametern, die darauf ausgelegt sind, auf Consumer-Hardware zu laufen und Bilder sowohl zu generieren als auch zu bearbeiten. Die Version mit 4 Milliarden steht unter der Apache 2.0-Lizenz, jene mit 9 Milliarden unter einer nicht-kommerziellen Lizenz. Wie viel Speicher sie wirklich benötigen, hängt von den Quellen ab: Das Repository spricht von etwa 8 GB, die offizielle Dokumentation von etwa 13 GB. In beiden Fällen passt meine Karte bequem dazu, und das nächste Experiment steht bereits fest.
Freiheit mit Stromrechnung
Bevor ich Bilanz ziehe, lohnt es sich zu definieren, was ComfyUI wirklich ist, denn mein Test hat nur an der Oberfläche gekratzt. Das knotenbasierte System ist keine Spielerei der Benutzeroberfläche, sondern seine Existenzberechtigung: Dieselbe Arbeitsweise, mit der ich eine Katze generiert habe, dient dazu, ein bestehendes Bild zu verändern – wie ich es mit dem gelben Auto versucht habe – und auch für Video, das die Entwickler mit dedizierten Updates für jedes wichtige neue Modell unterstützen. Man ändert die Aufgabe, indem man die Blöcke tauscht, nicht das Werkzeug. Ein Workflow lässt sich speichern, identisch wiederholen, teilen und ausgehend von vorgefertigten Vorlagen anpassen. Es ist der Unterschied zwischen einem Haushaltsgerät und einer Werkbank: Das erste macht eine Sache gut, die zweite erfordert Einarbeitung, erlaubt es aber, das zu bauen, was man benötigt. Der Preis dafür ist, wie man sehen wird, Geduld.
Wenn mich dieses Experiment eines gelehrt hat, dann dass "kostenlos" ein Begriff ist, den man mit Vorsicht handhaben sollte. Die Vorteile der lokalen Nutzung sind real und ich habe sie hautnah erlebt. Jedes zusätzliche Bild kostet marginal nichts, sodass das Experimentieren zu einer leichtfüßigen Geste wird und man ohne Nachdenken ausprobiert, wie man es nur tut, wenn kein Zähler mitläuft. Die Daten und Bilder bleiben auf meinem Rechner. Und die Kontrolle ist absolut, in dem Sinne, dass jeder Parameter greifbar ist und man durch Tun lernt, auch durch Fehler.
Auch die Architektur hilft. ComfyUI trennt die Engine, die Modelle und die Erweiterungen klar voneinander, sodass man das Modell wechseln kann, ohne den Workflow neu aufzubauen, oder Funktionen hinzufügen kann, ohne den Kern anzutasten. Es gibt eine Gemeinschaft, die benutzerdefinierte Knoten produziert, die in einem öffentlichen Register gesammelt und über den ComfyUI-Manager verwaltet werden, der in der Desktop-Version bereits enthalten ist (die offizielle Dokumentation ist in diesem Fall auf Koreanisch verfügbar). Es gibt reichlich fertige Workflows zum Anpassen und einen Trick, den ich elegant fand: Gespeicherte PNGs tragen den Workflow in sich, der sie erzeugt hat, sodass es reicht, ein PNG auf die Arbeitsfläche zu ziehen, um die Konfiguration zu reproduzieren. Die Reproduzierbarkeit ist für jeden, der verstehen und nicht nur konsumieren will, ein Schatz.
Die Kehrseite der Medaille besteht aus drei Dingen. Das erste ist die Hardware, über die ich gesprochen habe. Das zweite sind die versteckten Kosten: die Grafikkarte, der Strom, der Speicherplatz auf der Festplatte und vor allem die Zeit, die in meinem Fall für falsche Ordner, verwechselte Knoten und Fehlversuche draufging. Das dritte ist die Lizenzfragmentierung. Jedes Modell hat seine eigenen Nutzungsregeln und seine eigene Lizenz: SD 1.5 mit OpenRAIL-M, Flux dev und Kontext dev mit nicht-kommerziellen Lizenzen, Flux schnell und klein 4B mit Apache 2.0, klein 9B wieder nicht-kommerziell. Die Lizenzen ändern sich, und wer eine kommerzielle Nutzung anstrebt, muss sie aufmerksam lesen und darf sich nicht auf eine Zusammenfassung verlassen.
Hinzu kommt eine Frage der Perspektive. Die Unternehmen, die offene Modelle veröffentlichen, begleiten diese oft mit kostenpflichtigen Diensten: Black Forest Labs bietet klein auch per API für wenige Cents pro Bild an, und dieselben Gewichte, die ich kostenlos herunterlade, speisen eine kommerzielle Preisliste. Für Experimentierfreudige ist das eine gute Nachricht, da die lokale Nutzung eine offene Tür bleibt. Am meisten profitieren die Unternehmen, die die Community als Testfeld nutzen, und die GPU-Hersteller, insbesondere NVIDIA, das im selben Wiki weiterhin als Referenz für Leistung und Kompatibilität geführt wird. Wer zurückzubleiben droht, sind Nutzer mit älterer Hardware, für die die lokale Freiheit nur theoretisch zugänglich ist. Eine offene Frage betrifft den Vergleich mit der Cloud: Ich habe keine direkten Benchmarks durchgeführt, aber es ist klar, dass die proprietären Spitzenmodelle weiterhin überlegen sind, insbesondere bei der Generierung menschlicher Figuren. Die beiden Ansätze repräsentieren zwei unterschiedliche Wege, ein Werkzeug zu besitzen und zu begreifen.
Wer es ausprobieren sollte
Ich würde dieses Abenteuer jedem empfehlen, der Kontrolle und Datenschutz sucht und sich nicht scheut, einen Nachmittag hinter einer Fehlermeldung zu verbringen. Wer über mindestens 12 GB VRAM verfügt, startet unter passablen Bedingungen, und mit 16 GB wie bei mir lässt es sich gut arbeiten, solange man die Messlatte nicht zu hoch ansetzt. Das ideale Profil ist der Neugierige mit der Bereitschaft, sich die Hände schmutzig zu machen – jemand, der den Moment schätzt, in dem ein Knoten seinen Platz findet. Ich rate denjenigen davon ab, die eine schlüsselfertige Lösung suchen, bei der man einen Satz eintippt und ein Bild erhält, ohne je einer Variable zu begegnen, sowie denjenigen mit begrenzter Hardware und wenig Lust zum Warten.
Die persönliche Bilanz fällt positiv aus, mit einigen Vorbehalten. Ich habe gelernt, dass der richtige Knoten zum richtigen Modell gehören muss, dass jede Modellfamilie ihr eigenes Vokabular an Parametern spricht und dass die Zahlen auf einem Datenblatt nur die halbe Geschichte erzählen. Ich habe mit Flux von Grund auf Bilder von guter Qualität erhalten. Ich habe die Grenzen gemessen: den Speicher, die Komplexität, Modelle, die für manche Einsatzzwecke noch zu schwer sind. Img2img und Video bleiben zukünftige Entwicklungen, da der Teil, der mich heute interessierte, die "Text-to-Image"-Erstellung von Grund auf lokal war – und die hat funktioniert.
Mir kommt Dungeon Meshi in den Sinn, der Manga von Ryoko Kui, in dem eine Gruppe von Abenteurern ein Labyrinth durchquert, indem sie die Monster kocht, denen sie begegnet – mit dem, was sie findet, und indem sie Rezepte auf eigene Kosten erlernt. Lokale KI teilt genau diesen Geist der Selbstversorgung, verbunden mit einer gehörigen Portion Vergiftungsrisiko. Es ist keine kostenlose Alternative zu Cloud-Diensten, es ist etwas anderes: ein Ökosystem, in dem Anpassung und Lernen auf eine Weise möglich sind, die mit einem Abonnement undenkbar wäre. Der nächste Schritt ist das Testen von klein 4B und einem quantisierten Kontext, während die Katze auf der Fensterbank darauf wartet, die Farbe zu wechseln.
Technischer Hinweis: Die Angaben zu Dimensionen, Lizenzen und Voraussetzungen wurden anhand der verlinkten Quellen mit Stand Oktober 2026 überprüft und können sich ändern. Die Generierungszeiten sind persönliche Beobachtungen auf einem einzelnen System (Ryzen 7700, 32 GB DDR5, RX 9060 XT 16 GB, Windows, ComfyUI Desktop mit ROCm) und keine offiziellen vergleichenden Benchmarks.