SD 1.5·SDXL·Flux 무엇으로 시작하나 — 해상도·VRAM·모델 수로 가르기

이름은 셋, 고를 모델은 여섯

검색창에 «SDXL vs Flux»를 치면 Flux를 한 모델처럼 다루는 글이 많다. 하지만 Black Forest Labs(BFL)가 Hugging Face에 올린 공식 저장소만 해도 FLUX.1 [dev], FLUX.1 [schnell], FLUX.2 [dev], FLUX.2 [klein] 4B가 따로 있고, 이 넷은 단계 수와 가이던스 기본값, 라이선스가 서로 다르다. 고르는 단위를 «계열»이 아니라 «저장소»로 잡아야 비교가 맞는다.

표의 크기 칸은 각 공식 문서가 밝힌 숫자다. SD 1.5만은 공식 카드에 파라미터 수가 없어서, Hugging Face API가 저장소 가중치로 계산해 돌려준 859,520,964개를 억 단위로 줄여 적었다. 이 SD 1.5 저장소는 카드 첫머리에 스스로 «지금은 내려간 runwayml 저장소의 미러»라고 밝혀 둔 곳이다.

같은 표에서 바로 눈에 띄는 것이 단계 수다. FLUX.1 [schnell]은 모델 카드가 1~4단계로 그림을 만든다고 적었고, FLUX.2 [klein] 4B 카드는 스스로를 «가장 빠른 증류 모델»이라고 부르며 예제를 4단계로 둔다. 같은 Flux라도 [dev] 둘은 50단계 예제를 쓴다. «Flux는 느리다»와 «Flux는 빠르다»가 둘 다 맞는 이유다.

출발 해상도 — 512와 1024의 넓이는 네 배

SD 1.5 모델 카드는 이 체크포인트를 512×512 해상도에서 59만 5천 단계 미세 조정했다고 적었다. SDXL은 논문에서 여러 화면 비율로 학습했다고 밝혔고, Stability AI 발표문은 기본 해상도를 1024×1024로 적었다. FLUX.1 [dev]와 FLUX.2 [klein] 4B의 공식 예제 코드도 1024×1024를 쓴다.

512×512는 262,144픽셀, 1024×1024는 1,048,576픽셀이라 한 장이 품는 픽셀 수가 네 배 차이다. 이 차이는 «SDXL이 더 선명하다»로 끝나지 않는다. 공식 카드와 예제가 해상도를 굳이 따로 적어 두는 것은 모델이 배운 크기 근처에서 가장 잘 그리기 때문이다. 그래서 SD 1.5로 큰 그림이 필요하면 512 근처에서 먼저 뽑고 키우는 단계를 하나 더 두는 것이 기본 순서가 되고, SDXL · Flux는 처음부터 1024 근처에서 출발한다. 크기를 키우는 두 가지 방법은 업스케일 편에 있다.

ComfyUI 공식 SDXL 예제는 1024×1024 외에도 픽셀 수가 같은 896×1152나 1536×640을 좋은 해상도로 든다. 세로 그림이나 가로로 긴 배너가 필요할 때 이 범위 안에서 비율만 바꾸면 된다. Flux 쪽은 FLUX.2 발표 글이 최대 4메가픽셀까지 편집한다고 밝혔다. 처음 출발할 크기를 정하는 기준으로는 «SD 1.5는 512, 나머지는 1024 근처» 한 줄이면 충분하다.

프롬프트를 읽는 부품 — 낱말을 늘어놓나, 문장을 쓰나

세 계열의 차이 가운데 쓰는 사람이 가장 먼저 체감하는 것은 그림 품질보다 프롬프트를 쓰는 방식이다. 그 방식은 프롬프트를 숫자로 바꿔 주는 부품, 텍스트 인코더가 정한다.

• SD 1.5 — 모델 카드가 밝힌 텍스트 인코더는 CLIP ViT-L/14 하나다. 낱말을 쉼표로 늘어놓는 «태그식» 프롬프트 문화가 이 계열에서 자랐다.
• SDXL — 카드에 따르면 OpenCLIP-ViT/G와 CLIP-ViT/L 두 개를 함께 쓴다. 논문도 두 번째 텍스트 인코더를 SDXL의 개선점으로 꼽았다. 발표문은 SDXL이 몇 단어만으로도 복잡하고 세밀한 그림을 만든다고 적었다.
• FLUX.1 — ComfyUI 공식 예제가 받게 하는 텍스트 인코더 파일이 t5xxl과 clip_l 둘이다. T5-XXL은 문장을 읽는 언어 모델 계열 인코더라, 긴 설명문을 쓰는 쪽이 이 계열의 장점을 살린다. 공식 예제의 최대 토큰 길이 설정은 [dev]가 512, [schnell]이 256이다.
• FLUX.2 [dev] — BFL 발표 글은 Mistral-3 24B 시각언어 모델과 이미지 생성 트랜스포머를 묶었다고 밝혔다. 그림을 보고 읽는 모델이 붙어 있어 참조 이미지를 최대 10장까지 함께 넣는 편집을 내세운다.

이 차이가 고르기에 주는 뜻은 이렇다. 남이 Civitai에 올려 둔 태그식 프롬프트를 가져다 그대로 쓰고 싶다면 SD 1.5 · SDXL 쪽이 편하다. 반대로 «창가 책상 위에 반쯤 마신 커피 잔, 오후 햇빛이 비스듬히 들어온다»처럼 장면을 문장으로 설명하고 싶다면 Flux 쪽이 그 문장을 더 많이 받아들인다. FLUX.1 [dev] 카드는 한계 항목에 «프롬프트를 따르는 정도는 프롬프트 쓰는 방식에 크게 좌우된다»고 적어 두었다. 계열을 바꾸면 프롬프트 습관도 같이 바꿔야 한다는 뜻으로 읽힌다.

CFG와 네거티브 — 증류 모델에서 바뀌는 칸

SD 1.5 · SDXL에 익숙한 사람이 Flux로 넘어가 가장 많이 걸리는 곳이 CFG(프롬프트를 얼마나 세게 따를지 정하는 값)와 네거티브 프롬프트다.

FLUX.1 [dev] 카드는 이 모델을 «가이던스 증류»로 학습했다고 밝혔다. 쉽게 말해 CFG가 하던 일을 모델 안에 미리 넣어 둔 것이다. 그래서 ComfyUI 공식 예제는 FLUX.1 [dev] fp8 체크포인트를 쓸 때 CFG를 1.0으로 두라고 적었다. 공식 예제 코드의 guidance_scale 3.5는 CFG가 아니라 모델에 넣어 주는 가이던스 값이다. [schnell]은 예제에서 이 값을 0.0으로, FLUX.2 [klein] 4B는 1.0으로 둔다.

CFG를 1.0으로 두면 네거티브 프롬프트도 사실상 빠진다. ComfyUI 소스 코드의 sampling_function은 CFG 값(cond_scale)이 1.0이면 네거티브 쪽 조건(uncond)을 None으로 두고 계산에서 뺀다. 2026년 10월 19일에 master 브랜치 소스를 열어 이 줄을 확인했다. 네거티브 칸에 «blurry, bad hands»를 길게 적어 둔 SD 1.5 워크플로를 Flux로 옮겨도 그 칸은 아무 일도 하지 않는다.

그림 속 글자 — 발표문과 모델 카드가 다르게 말할 때

간판 · 포스터 · 썸네일처럼 그림 안에 글자가 들어가야 한다면 고르는 답이 달라진다. 그런데 이 칸은 공식 문서끼리도 말이 엇갈린다.

Stability AI의 SDXL 1.0 발표문은 SDXL이 손과 글자처럼 이미지 모델이 어려워하는 개념도 그린다고 적었다. 같은 회사가 Hugging Face에 올린 SDXL base 1.0 모델 카드의 한계 항목에는 «읽을 수 있는 글자를 그리지 못한다»는 문장이 있다. SD 1.5 카드에도 같은 문장이 있다. 발표문은 이전 모델과 견준 개선을, 모델 카드는 남아 있는 한계를 적은 것이라 둘을 함께 읽어야 한다.

Flux 쪽에서는 FLUX.2 발표 글이 복잡한 타이포그래피와 인포그래픽, 작은 글자까지 실제 작업에서 안정적으로 된다고 주장한다. 이것은 만든 곳의 주장이고, FLUX.1 [dev] 카드에는 글자 품질에 대한 문장이 따로 없었다. 그림 속 글자가 꼭 필요하다면 FLUX.2 계열을 먼저 시험해 볼 이유가 되지만, 어느 계열이든 한글 글자는 이미지 편집 프로그램으로 나중에 얹는 편이 확실하다.

모델 수 — 2026년 10월 19일 Hugging Face 모델 트리로 센 값

«SD 1.5는 LoRA가 압도적으로 많다»는 말은 오래 맞는 말이었다. 이번에는 그 말을 숫자로 다시 재 봤다. Hugging Face 모델 페이지에는 그 모델을 바탕으로 만든 저장소를 어댑터(LoRA 등) · 파인튠 · 병합 · 양자화로 나눠 세어 보여 주는 «모델 트리»가 있다. 2026년 10월 19일 05시 19분(한국 시각)에 여섯 저장소의 페이지를 같은 방법으로 열어 그 숫자를 옮겼다.

표의 숫자는 각 모델 페이지의 모델 트리 값이다.

숫자만 보면 FLUX.1 [dev]가 어댑터 42,710개로 가장 많다. 그런데 이 표를 «Flux 생태계가 SD 1.5보다 60배 크다»로 읽으면 틀린다. 읽을 때 붙여야 할 단서가 셋 있다.

1. Civitai가 빠졌다 — 커뮤니티 체크포인트와 LoRA가 가장 많이 모이는 곳은 Civitai이고, 이 표는 Hugging Face 안의 숫자만이다.
2. 올린 사람이 채우는 칸이다 — 모델 트리는 각 저장소가 스스로 적은 base_model 값으로 묶인다. 이 칸을 비워 둔 저장소는 어디에도 세지 않는다.
3. SD 1.5는 저장소가 한 번 옮겨졌다 — 이 표의 SD 1.5는 옛 runwayml 저장소가 내려간 뒤 생긴 미러다. 옛 주소를 base_model로 적은 파생 모델은 이 미러의 숫자에 안 잡혔을 수 있다. 다만 재 보지는 않은 가설이다.

그래도 이 표에서 확실히 읽히는 것이 있다. 같은 Flux 안에서도 FLUX.1 [dev]와 FLUX.2 계열의 차이가 크다. FLUX.2 [dev]의 어댑터는 80개, klein 4B는 81개다. 나온 지 오래되지 않은 모델은 쓸 수 있는 LoRA가 적다는, 당연하지만 잊기 쉬운 사실이다. 쓰고 싶은 화풍이나 캐릭터 LoRA가 이미 정해져 있다면, 계열을 고르기 전에 그 LoRA가 어느 계열용인지부터 본다.

VRAM은 출발 조건만 — 자세한 표는 따로

카드별로 무엇이 되는지는 모델별 VRAM 표에 정리해 두었으니, 여기서는 공식 문서가 직접 적은 출발선만 옮긴다.

• SDXL — Stability AI 발표문은 SDXL 1.0이 VRAM 8GB 소비자용 GPU에서 동작한다고 적었다.
• FLUX.2 [klein] 4B — 모델 카드는 약 13GB VRAM에 들어가고 RTX 3090/4070 이상에서 쓸 수 있다고 적었다.
• FLUX.2 [dev] — 카드의 소비자용 카드 예제가 RTX 4090에서 4비트 양자화 모델에 원격 텍스트 인코더를 쓰는 방식이다. 24GB 카드에서도 줄인 판을 쓰는 예제라는 뜻이다.
• FLUX.1 — ComfyUI 공식 예제는 텍스트 인코더 t5xxl을 두고 RAM이 32GB보다 많으면 fp16판을 권한다. VRAM만큼 시스템 RAM도 따져야 하는 계열이다.

SD 1.5는 이 목록에서 가장 가벼운 쪽이라 출발선을 따질 일이 드물다. 반대로 같은 카드에서도 FLUX.1 [dev]처럼 큰 모델은 fp8로 줄이거나 일부를 RAM으로 덜어 내며 느리게 돌게 된다. 그 경계는 VRAM 표 편의 구간별 칸에서 본다.

라이선스 — 모델을 쓰는 조건과 그림을 쓰는 조건

라이선스는 고르기의 마지막 칸이 아니라 첫 칸일 수 있다. 2026년 10월 19일에 Hugging Face API로 받은 라이선스 표기는 SD 1.5가 creativeml-openrail-m, SDXL base가 openrail++, FLUX.1 [schnell]과 FLUX.2 [klein] 4B가 apache-2.0이다. FLUX.1 [dev]는 flux-1-dev-non-commercial-license, FLUX.2 [dev]와 klein 9B는 flux-non-commercial-license로 표기돼 있다.

FLUX.1 [dev] 비상업 라이선스 원문은 두 조항을 함께 읽어야 한다. 1(c)는 수익을 내는 활동이나 최종 사용자에게 영향을 주는 이용을 비상업 목적이 아니라고 정의하고, 2(b)는 상업 활동에는 회사에 별도 라이선스를 요청하라고 적었다. 한편 2(d) 산출물 조항은 만든 그림을 이 라이선스가 금지한 경우를 빼고 상업 목적을 포함해 어떤 목적으로든 쓸 수 있다고 하면서, 그 그림으로 FLUX.1 [dev]와 경쟁하는 모델을 학습시키는 것은 금지한다. «그림은 써도 된다»는 한 줄만 떼어 읽으면 모델 이용 범위 조항을 놓친다.

수익이 걸린 작업에 쓸 생각이라면 이 글의 요약 대신 원문을 끝까지 읽는다. 계열별 라이선스 층과 Civitai 권한 표시를 읽는 법은 상업적 이용 · 라이선스 편에 따로 정리했다.

그래서 무엇부터 — 질문 네 개

아래 순서는 앞의 공식 문서 내용을 바탕으로 글쓴이가 정리한 고르기 틀이다. 위 질문에서 걸리면 거기서 답이 정해지고, 걸리지 않으면 다음 질문으로 내려간다.

1. 수익 활동에 모델을 직접 쓰나 — 그렇다면 FLUX.1 [dev] · FLUX.2 [dev] · klein 9B는 별도 라이선스 없이는 출발점에서 뺀다. 남는 후보는 SD 1.5 · SDXL · FLUX.1 [schnell] · FLUX.2 [klein] 4B다.
2. VRAM이 8GB 안팎인가 — Stability AI가 8GB VRAM에서 동작한다고 밝힌 SDXL이 현실적인 출발점이다. 약 13GB를 적은 FLUX.2 [klein] 4B는 공식 수치가 이 카드보다 크다. 더 작은 카드라면 SD 1.5다.
3. 꼭 쓰고 싶은 LoRA가 있나 — 있다면 그 LoRA가 붙는 계열이 답이다. 계열이 다른 LoRA는 붙지 않는다. 고르는 순서는 체크포인트 · LoRA 고르기를 따른다.
4. 긴 문장 프롬프트나 그림 속 글자가 중요한가 — 그렇다면 Flux 계열을 먼저 시험한다. 라이선스와 카드가 허락하는 범위에서 klein 4B나 [schnell]은 단계가 적어 시험이 빠르다.

넷 다 걸리지 않으면 SDXL에서 출발한다. 공식 출발선이 8GB로 낮고, 기본 해상도가 1024라 SD 1.5보다 결과물 차이가 덜 나며, Hugging Face에서만 세어도 어댑터가 9,758개 걸려 있어 고를 폭이 넓다. SDXL을 익힌 뒤 Flux로 옮겨 가는 것도 어렵지 않다. 해상도는 그대로 두고 CFG와 네거티브, 프롬프트 습관만 바꾸면 되기 때문이다.

계열을 옮길 때 따라오지 않는 것

처음 고른 계열을 나중에 바꾸는 일은 흔하다. 그때 따라오는 것과 새로 맞춰야 하는 것을 갈라 두면 덜 헤맨다.

표의 마지막 줄 폴더 구성은 ComfyUI 공식 Flux 예제가 안내하는 자리다.

표에서 가장 비용이 큰 줄은 첫 줄이다. SD 1.5용으로 모아 둔 LoRA는 SDXL로 옮기면 쓸 수 없고, SDXL용 LoRA는 Flux에서 쓸 수 없다. 받아 둔 파일이 많아지기 전에 계열을 정하라는 말이 나오는 이유다. LoRA를 끼우는 법은 LoRA 적용하기, 포즈와 윤곽을 따라 그리게 하는 쪽은 ControlNet 입문에 있다. 어떤 프로그램에서 여는지까지 함께 보려면 로컬 AI 그림 도구 비교로 이어진다.

자주 묻는 것

처음이면 SD 1.5 · SDXL · Flux 가운데 무엇부터 시작하나요?

그래픽카드와 목적을 아직 모른다면 SDXL을 권합니다. Stability AI가 VRAM이 크지 않은 소비자용 GPU에서도 동작한다고 밝혔고, 기본 해상도가 1024×1024이며, 파생 모델도 많습니다. 수익 활동에 모델을 직접 쓰는지, 꼭 쓰고 싶은 LoRA가 어느 계열용인지, 그림 속 글자나 긴 문장 프롬프트가 중요한지에 따라 출발점이 바뀝니다.

Flux가 SDXL보다 늘 좋은가요?

한 줄로 말할 수 없습니다. Flux 아래에는 FLUX.1 dev · schnell, FLUX.2 dev · klein 4B처럼 단계 수와 라이선스가 다른 모델이 여럿 있습니다. 문장형 프롬프트를 더 잘 받아들이는 대신 텍스트 인코더까지 따로 받아야 하고, dev 계열은 비상업 라이선스입니다. 쓰고 싶은 LoRA가 SDXL용이라면 SDXL이 더 맞는 선택입니다.

Flux에서 네거티브 프롬프트가 안 먹는 것 같아요.

CFG를 1.0으로 두고 있다면 실제로 계산에서 빠집니다. ComfyUI 소스 코드는 CFG 값이 1.0이면 네거티브 쪽 조건을 None으로 두고 계산하지 않습니다. FLUX.1 dev는 가이던스 증류로 학습된 모델이라 ComfyUI 공식 예제도 CFG 1.0을 안내합니다. 넣고 싶지 않은 요소는 네거티브 대신 긍정 프롬프트에서 장면을 구체적으로 적는 쪽으로 다룹니다.

SD 1.5는 이제 쓸 이유가 없나요?

있습니다. 가장 가볍고, 오래 쌓인 커뮤니티 체크포인트와 LoRA가 많으며, VRAM이 작은 카드에서도 돕니다. 다만 출발 해상도가 512×512라 큰 그림은 키우는 단계를 따로 둬야 하고, 모델 카드도 읽을 수 있는 글자를 그리지 못한다고 적었습니다. 이미 쓰고 싶은 SD 1.5용 LoRA가 있다면 좋은 출발점입니다.

같은 시드를 넣으면 계열을 바꿔도 같은 그림이 나오나요?

나오지 않습니다. 시드는 처음 잡음을 정하는 숫자일 뿐이고, 그 잡음을 그림으로 바꾸는 모델이 다르면 결과도 다릅니다. 같은 계열 안에서도 체크포인트가 바뀌면 그림이 달라집니다. 마음에 든 그림을 다시 뽑는 법은 같은 모델 · 같은 설정을 전제로 합니다.

참고 자료

1. Hugging Face. stable-diffusion-v1-5 모델 카드 · API — 512x512에서 595k 단계 미세 조정, CLIP ViT-L/14 텍스트 인코더, 읽을 수 있는 글자를 못 그림, 옛 runwayml 저장소의 미러라는 안내, 라이선스 creativeml-openrail-m, API의 가중치 파라미터 859,520,964개, 모델 트리 어댑터 694 · 파인튠 426 · 양자화 15(2026-10-19 05:19 조회). huggingface.co
2. Hugging Face. stable-diffusion-xl-base-1.0 모델 카드 · API — base와 refiner로 이뤄진 전문가 앙상블 파이프라인, 텍스트 인코더 OpenCLIP-ViT/G와 CLIP-ViT/L 두 개, 읽을 수 있는 글자를 못 그림, 라이선스 openrail++, 모델 트리 어댑터 9,758 · 파인튠 1,226 · 병합 7 · 양자화 24(2026-10-19 05:19 조회). huggingface.co
3. Podell 외. SDXL: Improving Latent Diffusion Models for High-Resolution Image Synthesis(arXiv 2307.01952, 2023-07-04) — 이전 SD보다 세 배 큰 UNet, 두 번째 텍스트 인코더, 여러 화면 비율 학습, 정제(refinement) 모델(2026-10-19 확인). arxiv.org
4. Stability AI. Announcing SDXL 1.0 — 35억 파라미터 base와 66억 파라미터 앙상블 파이프라인, 8GB VRAM 소비자용 GPU에서 동작, 손과 글자처럼 어려운 개념, 몇 단어만으로 그림, 기본 1024x1024 해상도(2026-10-19 확인). stability.ai
5. Black Forest Labs. FLUX.1 [dev] 모델 카드 — 120억 파라미터 rectified flow transformer, 가이던스 증류로 학습, 예제 guidance_scale 3.5 · 50단계 · 1024x1024 · max_sequence_length 512, 프롬프트 따르기는 프롬프트 쓰는 방식에 크게 좌우됨, 라이선스 flux-1-dev-non-commercial-license, 모델 트리 어댑터 42,710 · 파인튠 619 · 병합 10 · 양자화 94(2026-10-19 05:19 조회). huggingface.co
6. Black Forest Labs. FLUX.1 [dev] Non-Commercial License — 1(c) 수익 활동 · 최종 사용자에 영향을 주는 이용은 비상업 목적이 아님, 2(b) 상업 활동은 별도 라이선스 요청, 2(d) 산출물은 상업 목적 포함 어떤 목적으로도 쓸 수 있되 경쟁 모델 학습 금지(2026-10-19 확인). huggingface.co
7. Black Forest Labs. FLUX.1 [schnell] 모델 카드 — 120억 파라미터, 1~4단계 생성, latent adversarial diffusion distillation, apache-2.0, 예제 guidance_scale 0.0 · 4단계 · max_sequence_length 256, 모델 트리 어댑터 283 · 파인튠 75 · 병합 7 · 양자화 51(2026-10-19 05:19 조회). huggingface.co
8. Black Forest Labs. FLUX.2 [dev] 모델 카드 — 320억 파라미터, 단일 · 다중 참조 편집, RTX 4090에서 4비트 양자화 모델과 원격 텍스트 인코더 예제, 예제 guidance_scale 4 · 50단계(28단계도 괜찮은 절충), FLUX Non-Commercial License, 모델 트리 어댑터 80 · 파인튠 39 · 양자화 15(2026-10-19 05:19 조회). huggingface.co
9. Black Forest Labs. FLUX.2 [klein] 4B 모델 카드 — 40억 파라미터 증류 모델, 다중 참조 편집, 약 13GB VRAM · RTX 3090/4070 이상, Apache 2.0, 예제 guidance_scale 1.0 · 4단계 · 1024x1024, 모델 트리 어댑터 81 · 파인튠 76 · 양자화 63(2026-10-19 05:19 조회) · klein 9B는 API 라이선스 표기 flux-non-commercial-license. huggingface.co
10. Black Forest Labs. FLUX.2: Frontier Visual Intelligence(2025-11-25) — Mistral-3 24B 시각언어 모델과 rectified flow transformer 결합, 참조 이미지 최대 10장, 최대 4메가픽셀 편집, 작은 글자까지 읽히는 타이포그래피 주장(2026-10-19 확인). bfl.ai
11. ComfyUI Examples. Flux · SDXL — Flux dev fp8 체크포인트는 CFG 1.0, schnell은 4단계 증류 모델, t5xxl · clip_l · ae 파일과 폴더, RAM 32GB 넘으면 t5xxl fp16 권장, SDXL은 1024x1024 또는 픽셀 수가 같은 896x1152 · 1536x640(2026-10-19 확인). comfyanonymous.github.io
12. Comfy-Org. ComfyUI comfy/samplers.py — sampling_function에서 cond_scale이 1.0이면 uncond(네거티브)를 None으로 두는 코드(2026-10-19 master 확인). github.com