Stable Diffusion на видеокарте AMD для NSFW (2026)

Stable Diffusion на видеокарте AMD в 2026 году работает, и для NSFW тоже. На
Windows самый простой путь это ComfyUI Desktop с официальной поддержкой ROCm,
на Linux это ROCm напрямую, для старых карт есть ZLUDA, а DirectML остаётся
медленным запасным вариантом. Ниже разбор всех путей, таблица по картам и
ошибки, на которых спотыкаются чаще всего.

Коротко: какой путь выбрать

Если у вас Windows и карта из свежих поколений Radeon, начинайте с ComfyUI
Desktop. В начале 2026 года в нём появилась официальная поддержка AMD ROCm,
и установщик сам выбирает вариант для AMD, когда находит подходящую
видеокарту. Это первый за долгое время способ запустить нейросеть на Radeon
под Windows без самодельных сборок.

Если карта старше или её нет в официальном списке, ваш путь это ZLUDA через
сборку ComfyUI-ZLUDA. Если вы готовы поставить Linux, ROCm там по-прежнему
даёт лучшую скорость и меньше всего сюрпризов. А DirectML берите только тогда,
когда ничего другое не завелось: он запускается почти на любой карте, но
работает заметно медленнее.

Отдельно о том, что волнует многих в контексте NSFW. Видеокарта и способ
запуска никак не влияют на содержание картинок. ROCm, ZLUDA и DirectML только
считают. Что получится на выходе, решают модель и промпт. Локальная генерация
на AMD так же свободна от фильтров, как и на NVIDIA.

И последнее в этом разделе. Если разбираться с драйверами и окружениями
сейчас нет ни времени, ни желания, генерировать можно и без видеокарты
вообще: онлайн-сервисы вроде
AI Nudez работают в браузере на любом
компьютере. Это хороший способ начать, пока локальная установка ещё не
готова.

Почему с AMD сложнее, чем с NVIDIA

Вся экосистема нейросетей для картинок выросла на CUDA, платформе
вычислений от NVIDIA. Stable Diffusion, ComfyUI, Automatic1111 и почти все
расширения писались с расчётом на карты NVIDIA. Видеокарты AMD CUDA не
понимают, у них своя платформа ROCm, и софт подтягивается к ней с
опозданием.

Поэтому на AMD вы всегда выбираете один из подходов. Можно запустить
нейросеть на родной платформе ROCm. Можно поставить слой ZLUDA, который
переводит вызовы CUDA на язык карты AMD. А можно использовать DirectML,
универсальный слой Microsoft, который работает почти везде, но медленно.
Каждый вариант это компромисс между скоростью, стабильностью и сложностью
установки.

Хорошая новость в том, что разрыв за последние годы сильно сократился. Если
два-три года назад совет «купите NVIDIA» звучал почти в каждой ветке форума,
то в 2026 году владельцу современной карты Radeon менять железо ради
генерации картинок обычно не нужно. Нужно только выбрать правильный путь
установки.

Путь 1: ComfyUI Desktop с официальной поддержкой ROCm

Это главный сдвиг 2026 года. Команда ComfyUI объявила официальную поддержку
AMD ROCm в настольной версии для Windows начиная с версии 0.7, на базе линейки
ROCm 7.1. Раньше для запуска на Radeon под Windows приходилось вручную ставить
HIP SDK и патчить сторонние сборки. Теперь установщик ComfyUI Desktop сам
предлагает вариант AMD, если находит поддерживаемую карту. Поддержка
появилась и в портативной сборке, и в установке из репозитория.

Порядок действий простой:

1. Обновите драйвер видеокарты. AMD рекомендует для этой связки свой
   драйвер с поддержкой ROCm, проверьте актуальную версию на сайте AMD.
2. Скачайте ComfyUI Desktop с официального сайта и запустите установщик.
3. Убедитесь, что на шаге выбора железа отмечен вариант AMD.
4. Положите NSFW-модель в папку моделей и сделайте пробную генерацию.

Список поддерживаемых карт по состоянию на начало 2026 года включал серию
Radeon 9000, часть карт серии 7000 и процессоры Ryzen AI с встроенной
графикой. Список меняется, поэтому проверьте актуальную документацию AMD по
ROCm для Radeon, прежде чем покупать карту по совету из любой статьи, включая
эту. И держите в голове, что сама AMD называет эту поддержку ранней. Если
что-то не работает, это не обязательно ваша ошибка.

Подробно о том, как устроен ComfyUI, где лежат папки и как собрать первый
рабочий процесс, мы писали в руководстве по
установке ComfyUI для NSFW.
На AMD всё, что происходит после установки, выглядит точно так же, как на
NVIDIA.

Путь 2: ROCm на Linux

На Linux ROCm это родная среда для карт AMD, и здесь видеокарта Radeon
работает ближе всего к своим реальным возможностям. Если генерация для вас
серьёзное занятие и Linux не пугает, это лучший путь по скорости и
стабильности.

Логика установки такая. Ставите ROCm по инструкции AMD для своего
дистрибутива, перезагружаетесь и проверяете, видит ли система карту:

rocminfo | grep gfx

Если в ответе есть строка с идентификатором карты, можно двигаться дальше.
Если нет, проблема в драйвере или в самой установке ROCm, и никакие действия
с нейросетью не помогут. Этот шаг проверки экономит часы.

Дальше создаёте отдельное виртуальное окружение Python и ставите в него
PyTorch именно в сборке для ROCm, а не стандартную сборку для CUDA. Точную
команду установки берите с сайта PyTorch, выбрав там ROCm: адрес пакета
зависит от версии. Это самая важная деталь всей установки. Большинство
историй «поставил, а карта не работает» заканчиваются тем, что в окружение
попал PyTorch для CUDA.

Для карт вне официального списка часто помогает переменная
окружения, которая заставляет ROCm считать карту поддерживаемой моделью
того же поколения. Для поколения RDNA3 обычно ставят значение 11.0.0, для
RDNA2 значение 10.3.0:

export HSA_OVERRIDE_GFX_VERSION=11.0.0

Это не официальный способ, а распространённый приём сообщества, и он
срабатывает не на каждой карте. Но для многих владельцев Radeon серии 6000 и
7000 именно эта строка превращает «карта видна, но всё падает» в рабочую
систему.

Промежуточный вариант для тех, кто не хочет ставить Linux второй системой,
это WSL2. Внутри Windows запускается настоящая Ubuntu, и свежие версии ROCm
поддерживают проброс видеокарты в неё для части карт. Установка повторяет
путь для Linux, а интерфейс ComfyUI вы открываете в обычном браузере
Windows. Поддержка WSL зависит от модели карты, так что сверьтесь со списком
AMD.

Путь 3: ZLUDA для карт вне официального списка

ZLUDA это слой перевода, который перехватывает вызовы CUDA и выполняет их на
карте AMD. Программа думает, что работает с NVIDIA, а считает Radeon. Для
владельцев карт, которых нет в официальном списке ROCm, это главный рабочий
путь на Windows, и он заметно быстрее DirectML.

Удобнее всего пользоваться ZLUDA через готовую сборку ComfyUI-ZLUDA:
установочный скрипт сам скачивает нужные компоненты и подменяет библиотеки.
Перед этим понадобится HIP SDK от AMD, и его версия зависит от поколения
карты. Для старых карт серий RX 400 и 500 нужна более старая версия, для
Vega и средних карт серии 6000 другая, для RX 6800 и новее третья. Точное
соответствие указано в README проекта, и его стоит проверить перед
установкой, потому что оно меняется вместе с выходом новых версий.

Первый запуск после установки долгий: ZLUDA собирает кеш под вашу карту. Это
нормально, не прерывайте процесс. Следующие запуски проходят быстро.

Есть ограничение, о котором стоит знать заранее. По словам авторов проекта,
xformers с ZLUDA не работает. Если вы скопировали чужой рабочий процесс,
собранный на NVIDIA, и он падает на AMD, первым делом проверьте, нет ли в нём
узла, который зависит от xformers.

Ловушка для русской Windows: кириллица в пути

README проекта ComfyUI-ZLUDA прямо предупреждает: не ставьте сборку в папку,
в пути к которой есть не латинские символы, и не ставьте её внутрь папки
пользователя, Windows или Program Files. Для русскоязычных пользователей это
самая частая и самая неочевидная причина неудачной установки. Если ваше имя
пользователя в Windows написано по-русски, путь вида
C:\Users\Иван\Downloads уже содержит кириллицу, и установка
может ломаться с непонятными ошибками.

Решение простое: создайте папку в корне диска с коротким латинским именем,
например C:\AI\comfyui, и ставьте всё туда. То же правило
полезно и для любых других сборок нейросетей: латиница, без пробелов, ближе
к корню диска.

Встроенная графика забирает задачу

Если в процессоре есть встроенная графика AMD, ZLUDA иногда выбирает её
вместо дискретной видеокарты. Авторы проекта связывают это с ошибкой в
драйвере ROCm и предлагают обходной путь: задать переменную окружения
HIP_VISIBLE_DEVICES=1. Если генерация идёт подозрительно
медленно, а дискретная карта при этом почти не нагружена, проверьте именно
это.

Forge и Automatic1111 на AMD

ComfyUI сегодня лучший выбор для карт AMD, потому что именно в нём появилась
официальная поддержка ROCm. Но если вы привыкли к интерфейсу Automatic1111 или
Forge, отказываться от него необязательно. Для обоих интерфейсов сообщество
поддерживает сборки под ZLUDA и DirectML, и на Linux они работают с ROCm так
же, как ComfyUI.

Логика установки та же, что и для ComfyUI: чистое окружение, правильная
сборка PyTorch, латинский путь без пробелов. Отличие в том, что такие сборки
поддерживают энтузиасты, а не авторы интерфейсов, поэтому обновления выходят
неравномерно, а часть расширений может не работать. Перед установкой
загляните в раздел проблем репозитория выбранной сборки: там быстро видно,
жив ли проект и какие карты у людей реально заводятся.

Если вы ставите Stable Diffusion впервые и не знаете, какой интерфейс
выбрать, начните с нашего общего руководства по
установке Stable
Diffusion на русском, а для Forge есть отдельная статья про
установку Stable
Diffusion Forge. Всё, что там написано про модели, папки и настройки,
относится и к AMD. Отличается только шаг установки самой связки с
видеокартой.

Путь 4: DirectML как последний вариант

DirectML это универсальный слой машинного обучения от Microsoft. Он
работает почти на любой видеокарте, включая старые Radeon, Intel и даже
встроенную графику. Его главный плюс в том, что он просто запускается. Его
главный минус в скорости: генерация идёт в разы медленнее, чем на ROCm или
ZLUDA, а память расходуется неэкономно, поэтому нехватка видеопамяти
наступает раньше.

Используйте DirectML только тогда, когда остальные пути недоступны. Это
способ заставить старую карту хоть что-то рисовать, а не способ сделать её
быстрой.

Какой путь подходит вашей карте

Ваша карта	С чего начать	Почему
Radeon серии 9000, свежие карты серии 7000, Ryzen AI	ComfyUI Desktop с ROCm	Официальная поддержка, не нужно поддерживать сторонние сборки
RX 6800 и выше, старшие карты серии 7000	ROCm, при неудаче ZLUDA	Поддержка зависит от модели и драйвера
От Vega до RX 6700	ComfyUI-ZLUDA	Вне текущего официального списка
RX 400 и 500	ComfyUI-ZLUDA со старым HIP SDK	Устаревшее железо, возможны шероховатости
Всё остальное на Windows	DirectML	Медленнее всего, но запускается

Таблица отражает положение на осень 2026 года. Списки поддержки у AMD и у
проектов сообщества меняются, поэтому перед установкой сверьтесь с их
документацией.

Видеопамять на AMD решает так же, как на NVIDIA

Каким бы путём вы ни пошли, правило генерации картинок не меняется: объём
видеопамяти определяет, что вы сможете запустить. Ориентиры примерно такие
же, как у NVIDIA. На 8 ГБ модели SDXL и Pony обычно работают, но с
оптимизациями и без запаса. На 12 ГБ работать уже комфортно. От 16 ГБ можно
меньше думать о хитростях с памятью. Radeon RX 7900 XTX с 24 ГБ среди карт
AMD ближе всего к топовым картам NVIDIA по возможностям для такой
работы.

Если памяти мало, не отчаивайтесь. Модели на базе SD 1.5 и облегчённые
настройки позволяют работать и на скромном железе, об этом наша статья
нейросеть на слабом ПК. А если
генерация падает с ошибкой нехватки памяти, логика решения во многом та же,
что в нашем разборе
ошибки нехватки
видеопамяти: уменьшить разрешение, включить экономные режимы, закрыть
лишние программы.

Отдельное предупреждение для DirectML. На нём та же карта упирается в память
раньше, чем на ROCm или ZLUDA, поэтому 8 ГБ на DirectML это двойной
компромисс: и памяти мало, и считает медленно. Если есть выбор, уходите с
DirectML на любой из других путей.

Какие модели ставить на AMD

Здесь хорошая новость: модели для AMD ничем не отличаются от моделей для
NVIDIA. Любой чекпойнт, который работает у владельцев GeForce, работает и на
Radeon, если сама связка ROCm, ZLUDA или DirectML запущена правильно. Выбор
модели зависит от стиля и от объёма видеопамяти, а не от производителя
карты.

Если не знаете, с чего начать, посмотрите наш разбор
лучших моделей
Stable Diffusion для NSFW: там есть варианты и для аниме, и для
фотореализма, и для карт с небольшим объёмом памяти.

Частые ошибки владельцев Radeon

Стандартный PyTorch вместо сборки для ROCm. Самая частая
причина того, что всё установилось, а карта не используется. Проверьте, какая
сборка стоит в окружении, и при сомнениях пересоберите окружение с нуля.

Попытка переделать старую установку под NVIDIA. Смешанные
окружения Python с библиотеками для CUDA и ROCm дают самые загадочные
ошибки. Делайте чистую установку под выбранный путь, это быстрее, чем
распутывать старую.

Кириллица и пробелы в пути. Уже говорили выше, но
повторим, потому что именно это ломает больше всего установок у русскоязычных
пользователей.

Беспечные обновления. Связка драйвера, ROCm и PyTorch на
AMD чувствительнее, чем на NVIDIA. Когда всё заработало, запишите версии
всех трёх компонентов и не обновляйте их посреди проекта. Если обновление
что-то сломало, пересоздать окружение под новую версию обычно быстрее, чем
чинить старое.

Ожидание скорости NVIDIA от DirectML. Её не будет. DirectML
нужен, чтобы карта вообще рисовала, а не чтобы рисовала быстро.

Если после установки ComfyUI не запускается или падает с ошибкой, загляните в
наш разбор почему ComfyUI не
работает. Большая часть причин там общая для любых видеокарт.

Стоит ли вообще возиться

Честный ответ зависит от того, что у вас уже есть. Если в компьютере стоит
Radeon серии 6000 или 7000, менять его на NVIDIA ради генерации картинок
обычно не нужно. Поставьте подходящий путь, соберите чистое окружение, и вы
получите полноценную локальную генерацию без фильтров.

Если вы покупаете видеокарту специально и только для нейросетей, NVIDIA
по-прежнему проще. Большинство инструментов поддерживает CUDA в первую
очередь, а поддержка новых моделей и расширений часто приходит на NVIDIA
раньше. За это удобство вы платите, но экономите время на настройке.

Есть и третий вариант для тех, кто не хочет разбираться с драйверами
вообще. Можно генерировать в браузере: например,
AI Nudez работает онлайн и не зависит от того, какая у вас
видеокарта. Это удобно, пока вы настраиваете локальную установку, или если
настраивать её не хочется совсем. А для тяжёлых задач вроде обучения лор есть
аренда видеокарты в
облаке: там вы получаете карту NVIDIA на нужное время и не думаете о
совместимости.

Какой бы путь вы ни выбрали, содержание картинок от него не зависит.
Видеокарта, драйвер и слой вычислений определяют только скорость. Всё
остальное решают модель и промпт.

Часто задаваемые вопросы

Можно ли запустить Stable Diffusion на видеокарте AMD?

Да. В 2026 году на Windows проще всего начать с ComfyUI Desktop с
официальной поддержкой ROCm, на Linux поставить ROCm напрямую, а для старых
карт использовать ZLUDA. DirectML работает почти везде, но медленно.

Ограничивает ли AMD генерацию NSFW?

Нет. ROCm, ZLUDA и DirectML только выполняют вычисления. Содержание
картинок определяют модель и промпт. Локальная генерация на AMD так же
свободна от фильтров, как на NVIDIA.

Что лучше на Windows: ROCm или ZLUDA?

Если ваша карта есть в официальном списке поддержки, начинайте с ROCm в
ComfyUI Desktop: это проще и не требует сторонних сборок. Если карты в списке
нет, ваш путь это ZLUDA через ComfyUI-ZLUDA.

Почему установка ZLUDA падает с непонятной ошибкой?

У русскоязычных пользователей самая частая причина это кириллица в пути
установки, например русское имя пользователя в папке Users. Создайте папку с
латинским именем в корне диска и поставьте сборку туда. Вторая частая
причина это неподходящая версия HIP SDK для вашего поколения карты.

Сколько видеопамяти нужно на AMD?

Ориентиры такие же, как у NVIDIA. На 8 ГБ SDXL обычно работает с
оптимизациями, 12 ГБ дают комфорт, от 16 ГБ можно меньше думать о памяти. На
DirectML память расходуется хуже, поэтому той же карте там тесно раньше.

Стоит ли покупать AMD для нейросетей?

Если карта Radeon у вас уже есть, используйте её: современные пути
установки делают её полноценной. Если вы покупаете карту только ради
генерации, NVIDIA обычно проще в настройке, а AMD может выиграть по объёму
памяти за те же деньги.