5chSummary

抽出結果: 指定モデルに関する話題

ログ全体（4〜224レス）をスキャンし、以下のモデルに限定して言及を抽出。該当なしのモデルは明記。抽出基準:

• モデル名（または明確な略称/バリエーション）の直接/間接言及。
• 選ばれている理由（性能、速度、用途、比較優位性など）があれば強調。
• コンテキスト（レス番号、周辺発言）を簡潔に記述。
• 技術トーク中心のため、重複/関連話題は統合。

NovelAI (NAI)

• 該当なし（ログ全体で言及ゼロ）。

Pony

• 該当なし（ログ全体で言及ゼロ）。

illustrious (イラストリアス, リアス, ill, IL)

• 193: 「nunchakuも神器やけどリアスやWanには無力でこのスレでは空気やな」
  • 理由: nunchaku（最適化ツール）がリアスに無力（効果なし）。スレで話題になりにくい。
• 195: 「nunchakuがいまいち流行らないのは「loraもnunchaku専用のが必要」やからやないかな･･･ »193 nunchakuは導入面倒なのが最大の障壁やと思う LoRAはノード導入すれば一応既存のを使えるで」
  • 理由: nunchakuのLoRAが専用必要で導入面倒。リアス（とWan）では効果薄く流行らない。

Noobai

• 該当なし（ログ全体で言及ゼロ）。

FLUX

• 78: 「fluxやqwenで背景や人物配置の自由度は上がった ベッドの片隅で壁にもたれ掛かり手にはコーヒーカップを持ち膝を立てて座りリラックスした表情で斜め上を見上げながら～ みたいな指示がそのまま英語翻訳で楽勝で通るのは隔世の感がある 恐らく小説の情景描写のくだりをそのままコピペしてもいける」
  • 理由（選ばれている点）: 背景・人物配置の自由度が高い。詳細/複雑なプロンプト（小説情景コピペ）がそのまま通る。SDXLより優位（SDXLはバカすぎてイライラ）。
• 140: 「文字生成が圧倒的に強いっぽいけど、VRAM要求を見るとFLUX2以下Qwen以上といった位置で使うことはないかな」
  • 理由: VRAM要求量でFLUX.2以下、Qwen以上の中間位置。文字生成強いが量子化で精度落ちそう。Pro向けポン出しプレゼン資料ではQwenより優位候補なし。
• 201: 「nunchakuは導入面倒なのが最大の障壁やと思う LoRAはノード導入すれば一応既存のを使えるで Qwen系ならComfyUI-QwenImageLoraLoader、Flux系は公式ノードに専用のが含まれてたかな」
  • 関連: Flux系LoRAが公式ノードで使いやすい（nunchaku不要）。

Wan (主にWan 2.2, EasyWan22)

• 30: 「なんかwanの適当な口パクに合わせて歌ってくれててワロタ」
  • 用途: 口パク（リップシンク）+歌声生成で面白い。
• 91: 「Wan以外のモデルの場合はまだMultiGPUの仮想vram使った方が安定するで」
  • 比較: WanはMultiGPU仮想VRAM不要で安定。
• 98: 「１年ぶりに5060ti16GB メモリ64GBで財布スカスカの致命傷で滑り込んだワイに最新の動画環境教えてくれメンス・・・・ EasyWan22ってやつで全部入るんか？」
  • 用途: 動画環境のエントリーとして候補。全部入るか確認。
• 99: 「easywan22はもう古いので今から始めるならhowto多めの「ComfyUI ポータブル版」を勧める」
  • 理由: EasyWan22は古く非推奨。新規はComfyUIポータブル推奨。
• 107: 「Qwen-ImageはZ-Image対応でwanは非対応なのか Z-Imageの二次モデルが出たら一気に弾み付きそうなニュースやな」
  • 比較: WanはZ-Image非対応（Qwenは対応）。
• 108: 「wan22にRTX4070ちゃんには恩恵ないんやろか」
  • 関連: NVFP4恩恵なし確認。
• 117: 「一応Wan 2.2も非公式にnvfp4化したモデルは出とるで FP8モデルより25%速くなるようやな」
  • 理由（選ばれている点）: 非公式NVFP4版でFP8より25%高速。
• 153: 「Wan2.2（bf16）は特に変化なし」
  • 比較: ドライバ更新後の速度変化なし（Qwen/Z-Imageは高速化）。
• 186: 「ワイsimplecomfyuiやからよく分からない comfyuiはwanしかしないからまだええか」
  • 用途: ComfyUIでWan専用運用。
• 193/195: 「リアスやWanには無力」（nunchaku関連、上記illustriousと重複）。
  • 理由: nunchaku無力だが、LoRAノードで既存LoRA使用可能。

Qwen (主にQwen Image, Qwen2.5系: QI25I2, Qwen Image 2512)

• 72: 「今のところ画像はQI25I2にアニメロラつけたもので生成して それをSDXLに繋げて変換が一番ええ感じなもんを作れとるわ」
  • 用途: QI25I2（Qwen Image 2.5 I2I?）+アニメLoRAで生成→SDXL変換。最良品質。
• 78: 「fluxやqwenで背景や人物配置の自由度は上がった」（FLUXと同文、上記参照）。
  • 理由（選ばれている点）: 詳細プロンプト通る（FLUX同等）。
• 107: 「Qwen-ImageはZ-Image対応でwanは非対応」
  • 理由: Z-Image対応で優位。
• 140: 「VRAM要求を見るとFLUX2以下Qwen以上」「Proでやってるようなポン出しプレゼン資料なんかはQwenだと性能足らないし、ローカルだと最強候補にはなるのかな」
  • 理由: VRAM中間位置。文字生成強いがプレゼン資料で性能不足。最強候補（量子化耐性?）。
• 153: 「Qwen Image 2512 1024x1024 4steps LoRA使用 - bf16: 17.1秒→14.2秒 - lightning LoRAのみの場合11.3秒 ←嘘かと思って三度見したわ」
  • 理由（選ばれている点）: ドライバ更新で高速化（bf16:17%速、lightning LoRA:爆速11.3秒）。
• 179: 「Sageattention導入してみたんだけどuse sageattentionの状態でComfyUI起動から生成までできたら導入成功って認識でええの？」「Qwen Imageで問題出るから–use-sage-attentionは付けない方がええで」
  • 関連: SageAttentionでQwen Image問題発生（黒画面? 非推奨）。
• 187: 「Qwen Imageのfp8で問題出るから付けない方がええ」「Patch Sage Attention KJで手動適用した方がええ」
  • 理由: fp8/SageAttentionで問題多発。手動適用推奨。
• 201: 「Qwen系ならComfyUI-QwenImageLoraLoader」
  • 用途: 専用LoRAローダーあり（nunchaku代替）。
• 220: 「RTX30xxでqwen imageやedit動かす場合にsage attention使ったら黒画面しか生成されないのも直ったんか？」
  • 関連: RTX30xx+ SageAttentionで黒画面問題（解決確認?）。

まとめ洞察

• 最多言及: Wan/Qwen（動画/高速化/最適化中心）。FLUXはQwenとセットでプロンプト自由度の高さが目立つ理由。
• 選好理由の傾向: 速度向上（NVFP4/ドライバ、LoRA）、プロンプト準拠性、VRAM効率、専用ツール対応。illustriousはネガティブ（最適化無力）。
• 全体コンテキスト: ComfyUI/ZIT/LTX-2/SDXLとの比較多し。ローカル動画生成（口パク/音声）でWan/Qwen活発。
• 抽出漏れなし確認済み。追加質問あれば уточ。

---

抽出された生成AIモデル関連話題（除外モデル除く）

以下は、ログから除外リストに該当しない生成AI「モデル」に関する話題を抽出・整理したものです。ツール/UI（ComfyUI, A1111など）、量子化形式（FP8/FP4/NVFP4など）、LoRA/オプティマイザ単体（SVI LoRA, Emo系, nunchakuなど）、音声/動画技術単体（MMAUDIO, LatentSyncなど）はモデルとして扱わず除外。モデル名が明確で話題の中心となっているもののみ抽出。選ばれている理由（速度、品質、互換性など）が明記されている場合を特に注記。

ZIT / ZiT / Z-Image-Turbo / Z-Image

• 40: ZIT試すためにEasyImageEdit導入したが、3060+16GB RAMで1024x1024画像1枚に5分かかるのはおかしい？ → メモリ不足が原因と複数指摘（42,43,44,47,59,60,63,70）。steps=8,CFG=1で1it/s出るはず（42）。nunchaku版なら4GB VRAMで16GB RAMでもいける（59）。3060で30秒くらい（59）。
• 42: B580でもComfyでZiTは高速（steps=8など）。
• 59: 3060+16GBでZITなら30秒くらい、nunchaku版推奨（導入面倒）。
• 72: QI25I2にアニメLoRAつけて生成→SDXL変換が一番良い感じ（ZITとQIどっちが良いかは不明）。
• 107: Qwen-ImageはZ-Image対応、wan非対応。Z-Imageの二次モデル出たら弾み付きそう。
• 153: Z-Image-Turbo 1024x1024 8steps LoRA使用でドライバ更新後高速化（bf16:9.6s→8.3s, fp8:7.4s→6.8s）。RTX4080s+Python3.12.10+Pytorch2.8.0+cu128+ComfyUI0.9.1環境で実証。

選定理由まとめ: 低スペック（3060/16GB）対応可能、生成速度が速い（30秒/枚、1it/s）、steps少なめで実用的。メモリ不足注意喚起多し。Z-Imageは将来性高（二次モデル期待）。

LTX-2 / LTX2

• 97: LTX2の音に関するプロンプト正解は？指示増やすとプロンプト読み上げ始める。
• 104: LTX-2のv2v音声付け分からん。
• 106: 動画はNVFP4のLTX-2ぐらいしかなく、後付音声爆速快適。ComfyUI cu130+NVIDIAドライバVerUpで50XX恩恵。
• 112: ComfyUIテンプレのi2vをv2v改変（LTX-2関連？音声プロンプト共有）。
• 114: LTX-2が最高、1分動画楽勝→導入煩雑で微妙。
• 116: LTX-2 distilledでステップ落とすよりNVFP4精度上。後付音声用。
• 133: LTX-2で特定アニメキャラ声LoRA可能？日本語雰囲気再現OK。
• 136: AI-ToolKitがLTX2対応、軽い。
• 183: LTX-2でsage attentionエラー（torch.float16/bf16限定）。

選定理由まとめ: 動画生成最高峰（1分動画楽勝、後付音声爆速）、NVFP4版で精度・速度優位。cu130必須でRTX50XX恩恵大。音声/アニメ声再現期待高。

SDXL

• 72: QI25I2生成→SDXLに繋げて変換が一番良い感じの作れ方。
• 73: 最終工程SDXLで劣化しない？ → FaceDetailerでi2iし絵柄好み調整（76）。
• 78: flux/qwen下書き→SDXL清書はイライラ（SDXLバカすぎ）。

選定理由まとめ: 最終清書/絵柄調整用（FaceDetailer併用で劣化回避）。下書きからの変換で高品質だが、配置指示弱くイライラ要因。

Grok

• 198: 動画主力はGrok、6秒固定だが出来上がり早すぎ。キツツキ動画例でズレた動き（セクロス/バトル描写向き？）。
• 221: grokがおっぱい丸出し画像+乳揺れ動画生成可能に。

選定理由まとめ: 動画生成速度抜群（早すぎ）、ユニーク出力（ズレ動き狙える）。ローカルで再現難。

GLM-Image / GLM4

• 138: Z.aiのGLM4-7が高性能LLM→GLM-Image出た（HF掲載）。
• 140: 文字生成圧倒的強いがVRAM要求FLUX2以下Qwen以上。量子化で精度落ちそう。Proポン出しプレゼン最強候補。
• 144: Autoregressiveモデル。
• 147: vision_language_encoder 20.2GB, transformer 13.9GBなど詳細スペック。
• 148: 推論最適化限定的で80GB GPUかmulti-GPU必須。
• 149: 軽量化来れば3060でも動く？SDXL後継候補。
• 151: GLM imageで漫画絵文字入れ可能。
• 204: 自己回帰+拡散のハイブリッド、LLM設計図+diffusion描写。

選定理由まとめ: 文字生成最強（漫画/プレゼン向き）、ハイブリッド構造で先進的。VRAM高要求（80GB+）でハイエンド限定だが軽量化期待。Qwen超え位置づけ。

その他断片的言及（文脈薄いがモデル名明確）

• QI25I2 (72): アニメLoRA付きで生成後SDXL変換。ZIT/SDXLとのコンボで最高品質（QI単独理由不明、Qwen関連疑似だが除外外）。

これら以外は除外モデル（Wan/Qwen/FLUX等）中心かツール話題。ログ全体で次世代モデル（ZIT/LTX-2/GLM）の低スペ対応/高速化（cu130/SageAttention/ドライバ更新）が技術論の主流。