Chạy Stable Diffusion ComfyUI Forge trên VPS GPU: quy trình tạo ảnh từ prompt tới bàn giao

Khi máy cá nhân không còn theo kịp việc tạo ảnh AI

Phần lớn người làm ảnh bắt đầu với Stable Diffusion trên laptop, vài ảnh minh họa mỗi tuần. Rồi việc lớn dần: shop cần bộ ảnh sản phẩm theo mùa, agency cần ba phương án banner trước buổi họp chiều, khách muốn cùng một nhân vật xuất hiện trong hai mươi bối cảnh khác nhau. Đến lúc đó, những giới hạn quen thuộc lộ ra cùng lúc: card đồ họa thiếu bộ nhớ cho SDXL kèm ControlNet, máy nóng và ồn khi chạy hàng đợi dài, không thể gập máy đi gặp khách trong lúc ảnh đang sinh, còn thư viện checkpoint và LoRA thì ăn dần ổ cứng.

Để chạy Stable Diffusion ComfyUI Forge ổn định, cách gọn nhất là chuyển phần nặng sang một VPS GPU đặt tại Việt Nam. Bạn vẫn dùng ComfyUI và Forge như trên máy nhà, chỉ khác là chúng chạy trong phiên Remote Desktop hoặc sau một đường hầm SSH, còn máy của bạn chỉ cần hiển thị màn hình. Trang này không đi lần lượt từng gói mà đi theo quy trình làm việc: bạn sẽ chạy những bước nào, mỗi bước cần tài nguyên gì, gói nào đang bán hợp với việc đó, dựng máy ra sao và chi phí của từng kịch bản.

Nói thẳng: nếu bạn chỉ cần vài ảnh mỗi tháng, dịch vụ trả theo lượt thường hợp lý hơn. VPS bắt đầu đáng tiền khi bạn tạo ảnh đều đặn, cần model hoặc LoRA tự huấn luyện, cần chạy hàng đợi dài qua đêm, hoặc không muốn tải ảnh sản phẩm và ảnh khách gửi lên nền tảng của bên thứ ba. Còn nếu bạn chưa chắc việc của mình có cần GPU hay không, bài so sánh VPS NVMe và VPS GPU theo từng việc sẽ giúp bạn quyết định trước.

Quy trình tạo ảnh bạn sẽ chạy trên VPS

Dù là ảnh sản phẩm, minh họa bài viết hay concept nhân vật, một dự án tạo ảnh thương mại thường đi qua sáu bước dưới đây. Biết bước nào tốn tài nguyên nào là cách nhanh nhất để không mua thừa, cũng không mua thiếu.

Hai công cụ bổ sung cho nhau. Forge giữ giao diện dạng tab của Stable Diffusion WebUI, nhanh khi thử prompt, so sánh seed và sửa tay từng ảnh. ComfyUI nối các node thành một sơ đồ cố định, hợp để lặp lại đúng một quy trình cho hàng trăm ảnh và lưu quy trình đó thành file để dùng lại cho dự án sau. Thói quen hiệu quả nhất là thử trên Forge, chốt trên ComfyUI. Chỉ cần nhớ đừng mở cả hai cùng lúc trên một GPU, vì mỗi bên giữ model riêng trong bộ nhớ và bên mở sau dễ báo thiếu bộ nhớ.

Đọc cột cuối của bảng, bạn sẽ thấy CPU gần như không xuất hiện. Tốc độ sinh ảnh do GPU quyết định; bộ nhớ GPU quyết định bạn chạy được model nào và batch bao lớn; RAM giúp đổi qua lại giữa nhiều model mà không phải nạp lại từ ổ; ổ cứng là nơi chứa thư viện model và ảnh xuất ra. CPU nhiều nhân chỉ thật sự có ích khi bạn xử lý bộ ảnh huấn luyện, ghép khung hình thành video hoặc chạy thêm dịch vụ phụ trên cùng máy.

Bộ máy đề xuất: gói nào cho việc nào, và vì sao

Với quy trình ở trên, bộ máy hợp lý gồm một máy GPU để tạo ảnh và, nếu bạn cần cho khách duyệt ảnh, một máy CPU nhỏ tách riêng. Bảng dưới chỉ dùng các gói đang bán, kèm lý do chọn.

Chọn theo bộ nhớ GPU

Bộ nhớ GPU là giới hạn cứng: thiếu CPU thì chạy chậm, còn thiếu bộ nhớ GPU thì workflow dừng hẳn với lỗi CUDA out of memory. Bảng sau là ước lượng chung cho các workflow phổ biến, không phải cam kết hiệu năng. Cột giữa còn dùng để đối chiếu khi bạn thử VPS GPU GOLD: đo VRAM thực tế của máy rồi xem dòng nào nằm trong tầm.

Đọc bảng theo hướng ngược lại cũng được: nếu công việc của bạn chỉ là SD 1.5 và thử nghiệm nhẹ, hãy bắt đầu bằng VPS GPU GOLD và đo trước. Khi SDXL kèm ControlNet, Flux hay huấn luyện LoRA là việc hằng ngày, RTX PRO 4000 24GB là lựa chọn dễ tính toán vì mức VRAM được ghi rõ. Cách chắc chắn nhất vẫn là chạy workflow thật trong ngày đầu và theo dõi cột bộ nhớ đã dùng của lệnh nvidia-smi. Toàn cảnh các dòng máy GPU nằm ở trang tổng hợp VPS AI GPU.

Tính trước dung lượng ổ cho thư viện model

Thứ hết sớm nhất trên một máy tạo ảnh thường không phải GPU mà là ổ cứng. RTX PRO 4000 24GB có ổ gốc 300 GB, tăng được tới 500 GB theo bước 10 GB ở trang đặt hàng. VPS GPU GOLD bắt đầu với 50 GB, tăng được tới 250 GB theo bước 10 GB; 50 GB chỉ vừa cho Windows, ComfyUI và vài checkpoint, nên hãy tăng ổ ngay khi đặt. Dưới đây là kích thước ước lượng của các loại file bạn sẽ tích lũy.

Một ví dụ cụ thể: mười checkpoint SDXL, hai bản Flux fp8, khoảng hai trăm LoRA, bốn model ControlNet và vài nghìn ảnh xuất ra đã chiếm chừng 150 GB. Cộng thêm hệ điều hành, môi trường Python của ComfyUI và Forge (mỗi môi trường có một bộ PyTorch riêng), bạn đã dùng khoảng hai phần ba ổ 300 GB. Nếu bạn sưu tầm model hoặc làm cả ảnh động, hãy tăng ổ ngay khi đặt hàng thay vì đợi ổ đầy giữa một hàng đợi dài.

Hai thói quen giúp ổ không đầy: giữ một thư mục model dùng chung cho cả ComfyUI và Forge thay vì lưu mỗi file hai lần, và dọn thư mục output mỗi tuần sau khi đã sao lưu ảnh khách duyệt.

Triển khai từng bước trên Windows qua Remote Desktop

Phần này áp dụng cho RTX PRO 4000 24GB khi bạn chọn Windows 10 64bit, và cho VPS GPU GOLD (chỉ có Windows). Việc đầu tiên sau khi nhận máy là đổi mật khẩu, kiểm tra GPU và giới hạn Remote Desktop theo IP. Bước khóa theo IP càng quan trọng vì Microsoft đã kết thúc hỗ trợ chính thức cho Windows 10 vào tháng 10 năm 2025. Các dòng máy Windows không GPU, dùng cho việc văn phòng hay phần mềm đi kèm, được tổng hợp ở trang VPS Windows làm việc qua Remote Desktop.

1. Viết brief kỹ thuật một trang. Ghi model chính (SD 1.5, SDXL hay Flux), độ phân giải đầu ra, số ảnh dự kiến mỗi tuần và số người dùng máy. Brief này quyết định bạn chọn gói, cấu hình gốc nào và có cần tăng ổ cứng hay không.
2. Kết nối Remote Desktop kèm chia sẻ ổ. Trên Windows nhấn Win + R, gõ lệnh dưới đây, rồi trước khi bấm Connect chọn Show Options, tab Local Resources, nút More và đánh dấu ổ chứa dữ liệu dự án. Ổ đó sẽ hiện trong This PC của VPS, giúp bạn chép bộ ảnh huấn luyện vào và chép ảnh bàn giao ra mà không cần dịch vụ trung gian.

   mstsc /v:IP_VPS

3. Kiểm tra GPU trước khi cài gì. Mở Task Manager, tab Performance, mục GPU để xem tên GPU và bộ nhớ GPU dành riêng, hoặc chạy lệnh dưới đây trong PowerShell. Với VPS GPU GOLD, đây là lúc ghi lại con số VRAM để so với bảng ước lượng ở trên. Nếu lệnh báo lỗi hoặc không thấy GPU, gửi kết quả qua trang liên hệ Cloud Cheap trước khi tự cài driver.

   nvidia-smi

4. Cài ComfyUI bản portable. Tải bản portable dành cho GPU NVIDIA từ trang phát hành chính thức của ComfyUI, giải nén vào C:\AI\ComfyUI_windows_portable và chạy file run_nvidia_gpu.bat. GPU RTX PRO 4000 thuộc thế hệ Blackwell, cần bản PyTorch đủ mới; hãy dùng bản portable mới nhất thay vì bản cũ lưu sẵn trên máy khác. Với Forge, nếu bản bạn tải báo lỗi CUDA khi khởi động trên GPU Blackwell, hãy cài lại PyTorch bản mới trong môi trường của Forge hoặc dùng ComfyUI cho cả hai việc.
5. Dựng thư viện model ở một chỗ. Tạo cây thư mục cố định, chỉ tải file .safetensors từ trang chính thức của tác giả và so mã SHA256 trước khi dùng:

   C:\AI\models\checkpoints
   C:\AI\models\loras
   C:\AI\models\vae
   C:\AI\models\controlnet
   C:\AI\models\upscale_models
   
   Get-FileHash C:\AI\models\checkpoints\ten-model.safetensors -Algorithm SHA256

   Trỏ Forge về thư viện này bằng tham số trong file webui-user.bat; với ComfyUI, khai báo cùng các thư mục trong file extra_model_paths.yaml.

   set COMMANDLINE_ARGS=--ckpt-dir C:\AI\models\checkpoints --lora-dir C:\AI\models\loras

6. Thử ý tưởng trên Forge với seed cố định. Chọn một prompt mẫu, khóa seed, rồi dùng script X/Y/Z plot ở cuối tab txt2img để so sánh CFG 4, 6, 8 với số bước 20 và 30 trên cùng một lưới ảnh. Ghi lại tổ hợp khách chọn vào file ghi chú của dự án, vì đó là công thức bạn sẽ dùng cho cả loạt ảnh.
7. Chốt workflow trong ComfyUI. Dựng lại công thức vừa chọn bằng node, lưu workflow thành file JSON theo tên dự án, và lưu thêm một bản ở định dạng API qua menu Workflow (ở bản ComfyUI cũ, bật Dev mode trong Settings để tùy chọn này hiện ra). Bản API là đầu vào cho bước chạy hàng loạt ở phần sau.
8. Sửa, phóng to và bàn giao. Ảnh lỗi bàn tay, khuôn mặt hay chữ trên bao bì mở lại trong tab Inpaint của Forge. Ảnh đạt yêu cầu đưa qua cặp node Load Upscale Model và Upscale Image (using Model) trong ComfyUI với một model ESRGAN. Cuối cùng nén ảnh đã chọn bằng PowerShell, chép file nén qua ổ chia sẻ về máy bạn và lưu file workflow JSON cạnh file nén để lần sau khách đặt thêm thì làm lại được đúng phong cách.

   Compress-Archive -Path C:\AI\ComfyUI_windows_portable\ComfyUI\output\du-an-a\* -DestinationPath C:\AI\ban-giao\du-an-a.zip

Băng thông của cả RTX PRO 4000 24GB và VPS GPU GOLD chỉ được ghi là cập nhật theo gói, chưa có con số công bố. Nếu bạn thường xuyên chuyển bộ ảnh gốc dung lượng lớn, hãy hỏi trước qua trang liên hệ và nén ảnh trước khi chép để tiết kiệm thời gian.

Chạy hàng trăm prompt bằng API cục bộ của ComfyUI

ComfyUI mặc định lắng nghe ở 127.0.0.1:8188 và nhận workflow ở định dạng API qua đường dẫn /prompt. Nghĩa là bạn có thể giữ nguyên workflow đã chốt, chỉ thay prompt và seed cho từng dòng trong một file CSV, rồi đẩy tất cả vào hàng đợi. Script dưới đây chỉ dùng thư viện có sẵn của Python, chạy ngay trong VPS và không cần mở cổng nào ra Internet.

Đầu tiên, tạo file prompts.csv lưu ở dạng UTF-8, mỗi dòng một prompt:

prompt
product photo of a blue glazed ceramic vase on a wooden table, soft morning window light
product photo of a blue glazed ceramic vase on a white bookshelf, minimal interior
product photo of a blue glazed ceramic vase beside green tea leaves, top view

Sau đó tạo file queue_prompts.py và đặt nó cùng thư mục với prompts.csv và file workflow bản API, ví dụ ngay trong thư mục ComfyUI_windows_portable:

import csv, json, urllib.request

WORKFLOW = 'workflow_api.json'
PROMPT_NODE = '6'
SAMPLER_NODE = '3'

with open(WORKFLOW, encoding='utf-8') as f:
    wf = json.load(f)

with open('prompts.csv', encoding='utf-8') as f:
    for i, row in enumerate(csv.DictReader(f)):
        wf[PROMPT_NODE]['inputs']['text'] = row['prompt']
        wf[SAMPLER_NODE]['inputs']['seed'] = 1000 + i
        body = json.dumps({'prompt': wf}).encode('utf-8')
        req = urllib.request.Request(
            'http://127.0.0.1:8188/prompt',
            data=body,
            headers={'Content-Type': 'application/json'},
        )
        with urllib.request.urlopen(req) as resp:
            print(i, json.load(resp)['prompt_id'])

Trên Windows với ComfyUI bản portable, chạy script bằng Python đi kèm; trên Ubuntu, chạy bằng Python trong môi trường ảo của ComfyUI:

cd C:\AI\ComfyUI_windows_portable
.\python_embeded\python.exe queue_prompts.py

• Tìm đúng id node. Trong workflow mặc định, node 6 là prompt dương và node 3 là KSampler. Workflow của bạn có thể khác, nên hãy mở file JSON bản API, tìm node có class_type là CLIPTextEncode và KSampler để lấy id thật.
• Seed đánh số theo dòng. Seed bằng 1000 cộng số thứ tự dòng giúp bạn biết ngay ảnh nào sinh từ prompt nào, và làm lại đúng ảnh đó khi khách yêu cầu sửa.
• Viết prompt bằng tiếng Anh. Bộ mã hóa văn bản của Stable Diffusion hiểu tiếng Anh tốt hơn hẳn tiếng Việt, nên hãy giữ mô tả sản phẩm bằng tiếng Anh dù tên file và thư mục là tiếng Việt.
• Theo dõi tiến độ. Cửa sổ console của ComfyUI in thời gian xử lý sau mỗi lượt; lấy con số đó để ước lượng cả loạt sẽ chạy trong bao lâu, và đặt Active hours cho Windows Update để hạn chế việc máy tự khởi động lại giữa chừng. Khi rời máy, đóng cửa sổ Remote Desktop bằng nút X thay vì Sign out, vì đăng xuất sẽ tắt luôn ComfyUI.

Cho cả nhóm dùng chung một máy: RTX PRO 4000 với Ubuntu qua SSH

Windows 10 chỉ cho một phiên Remote Desktop tại một thời điểm; người thứ hai đăng nhập sẽ đẩy người đầu ra. Với một freelancer, điều này không thành vấn đề. Với studio hai tới bốn người cần mở giao diện cùng lúc, phương án gọn hơn là đặt RTX PRO 4000 24GB với Ubuntu 22.04: ComfyUI chạy như dịch vụ nền, chỉ lắng nghe trong máy, mỗi thành viên vào bằng đường hầm SSH của riêng mình. VPS GPU GOLD chỉ có Windows nên không áp dụng được phương án này. Nếu bạn cần thêm một máy Linux không GPU để chạy API hay dịch vụ nền đi kèm, xem trang VPS Linux cho website, API và dịch vụ nền.

1. Đăng nhập và kiểm tra GPU. Chọn Ubuntu 22.04 khi đặt hàng, rồi SSH vào máy bằng tài khoản được cấp. Mô tả gói không ghi phiên bản driver hay CUDA. Nếu nvidia-smi hiện tên GPU và bộ nhớ thì driver đã chạy, đừng cài đè; nếu lệnh báo lỗi, gửi kết quả qua trang liên hệ trước khi tự cài, vì GPU Blackwell cần driver NVIDIA đời mới.

   ssh root@IP_VPS
   nvidia-smi

2. Tạo tài khoản riêng và môi trường Python. Không chạy ComfyUI bằng root.

   apt update
   apt install -y git python3-venv
   adduser comfy
   su - comfy
   python3 -m venv ~/venv
   source ~/venv/bin/activate

3. Cài ComfyUI và kiểm tra PyTorch thấy GPU. Clone mã nguồn từ kho chính thức của dự án ComfyUI vào ~/ComfyUI, cài PyTorch bản CUDA mới, hỗ trợ GPU Blackwell, theo hướng dẫn trên trang chính thức của PyTorch, rồi cài phần còn lại. Dòng kiểm tra cuối phải in True kèm tên GPU.

   cd ~/ComfyUI
   pip install -r requirements.txt
   python -c "import torch; print(torch.cuda.is_available(), torch.cuda.get_device_name(0))"

4. Chạy ComfyUI như dịch vụ nền. Gõ exit để quay về tài khoản root, tạo file /etc/systemd/system/comfyui.service rồi bật dịch vụ. ComfyUI sẽ tự chạy lại khi máy khởi động hoặc khi tiến trình lỗi.

   [Unit]
   Description=ComfyUI
   After=network.target
   
   [Service]
   User=comfy
   WorkingDirectory=/home/comfy/ComfyUI
   ExecStart=/home/comfy/venv/bin/python main.py --listen 127.0.0.1 --port 8188
   Restart=on-failure
   
   [Install]
   WantedBy=multi-user.target

   systemctl daemon-reload && systemctl enable --now comfyui

5. Mỗi thành viên một khóa SSH và một đường hầm. Mỗi người tạo khóa trên máy mình bằng ssh-keygen -t ed25519, gửi khóa công khai cho người quản trị thêm vào /home/comfy/.ssh/authorized_keys bằng các lệnh dưới đây (dán mỗi khóa trên một dòng). Sau đó mỗi người mở đường hầm và vào ComfyUI bằng trình duyệt trên máy của mình tại địa chỉ 127.0.0.1:8188.

   install -d -m 700 -o comfy -g comfy /home/comfy/.ssh
   nano /home/comfy/.ssh/authorized_keys
   chown comfy:comfy /home/comfy/.ssh/authorized_keys
   chmod 600 /home/comfy/.ssh/authorized_keys

   ssh -N -L 8188:127.0.0.1:8188 comfy@IP_VPS

6. Bật tường lửa, không mở cổng 8188. Chỉ cho SSH đi qua. Khi mọi người đã đăng nhập được bằng khóa, đặt PasswordAuthentication no trong /etc/ssh/sshd_config rồi chạy systemctl restart ssh để tắt đăng nhập bằng mật khẩu.

   ufw allow OpenSSH
   ufw enable

Cả nhóm sẽ dùng chung một hàng đợi GPU, việc được xử lý lần lượt theo thứ tự gửi. Thống nhất một quy ước nhỏ là đủ để không lẫn ảnh: mỗi người đặt filename_prefix của node Save Image theo dạng ten-nguoi/du-an, ComfyUI sẽ tự tạo thư mục con riêng trong output. Nếu nhóm đồng thời fine-tune mô hình ngôn ngữ hay chạy dịch vụ inference, xem thêm giải pháp training và inference AI trên VPS GPU để chia lịch dùng GPU.

Chi phí theo từng kịch bản tạo ảnh

Bảng dưới ghi giá cấu hình gốc theo tháng của từng gói. Số tiền thực tế phụ thuộc lượng CPU, RAM, ổ cứng bạn tăng thêm và chu kỳ thanh toán; RTX PRO 4000 24GB và VPS GPU GOLD có chu kỳ 1 tháng, 3 tháng và 6 tháng. Giá cuối cùng được tính ở trang đặt hàng theo đúng lựa chọn của bạn.

Bốn cách giữ chi phí trong tầm kiểm soát

• Đặt chu kỳ 1 tháng cho lần đầu. Chạy đúng workflow của bạn trên máy thật, đo bộ nhớ GPU và thời gian mỗi lượt, rồi mới chọn chu kỳ dài hơn.
• Tăng ổ cứng trước khi nghĩ tới CPU. Thêm core hầu như không làm ảnh sinh nhanh hơn, còn ổ đầy thì làm hỏng cả một hàng đợi.
• Tách web ra khỏi máy GPU. Trang duyệt ảnh cho khách nên đặt trên máy CPU riêng; khách trong nước dùng VPS đặt tại Việt Nam, khách ở nước ngoài dùng gói Mini ở Singapore hoặc Nhật Bản. Danh sách đầy đủ các nơi đặt máy nằm ở bản đồ vị trí VPS của Cloud Cheap.
• Chỉ lên RTX PRO 4000 khi đã đo thấy GPU đang dùng là nút thắt. Nếu trên VPS GPU GOLD bạn thường xuyên phải đẩy model sang RAM hoặc giảm batch xuống 1, đó là lúc chuyển sang máy 24GB.

Máy duyệt ảnh trong nước dùng dòng VPS NVMe đặt tại Việt Nam có băng thông 100 Mbps/10 Mbps, hỗ trợ nâng tốc độ mạng 1 Gbps cho cấu hình 4-8-50 trở lên, có bao test 24h. Gói Mini của VPS đa quốc gia có băng thông Upload 10 Mbps, Download 100 Mbps và lưu lượng 1TB/tháng, nên chỉ hợp để phục vụ ảnh xem trước đã nén.

Rủi ro hay gặp trong quy trình tạo ảnh và cách tránh

Đặt máy GPU mà không đo VRAM

Với VPS GPU GOLD, thông số không ghi VRAM. Đừng nhận dự án SDXL hay Flux cho khách trước khi đã chạy nvidia-smi và thử đúng workflow đó trên máy. Nếu cần chắc chắn trước khi đặt, hãy hỏi qua trang liên hệ hoặc chọn RTX PRO 4000 24GB.

Không cố định seed, không làm lại được bản khách đã chọn

Khách thích ảnh số 17 và muốn đổi màu áo, nhưng bạn đã để seed ngẫu nhiên. Hãy luôn ghi seed vào tên file hoặc dùng seed đánh số như script ở trên. Ảnh PNG từ ComfyUI còn lưu sẵn workflow, kéo file vào cửa sổ ComfyUI là dựng lại được toàn bộ sơ đồ.

Ghép nhầm LoRA SD 1.5 với checkpoint SDXL

LoRA chỉ dùng được với dòng model mà nó được huấn luyện. Ghép sai dòng thì LoRA không có tác dụng hoặc ảnh ra méo mó. Đặt tên thư mục LoRA theo dòng model, ví dụ loras\sdxl và loras\sd15, để không chọn nhầm.

Sinh ảnh SDXL ở độ phân giải quá nhỏ

SDXL được huấn luyện quanh mức 1024 px, nên sinh ở 512 px thường cho ảnh lặp chi tiết và bố cục lạ. Dùng các khung như 1024 × 1024, 896 × 1152 hoặc 1216 × 832, rồi mới upscale ở bước sau.

Model và custom node không rõ nguồn

File .ckpt có thể chứa mã chạy ngay khi được nạp, còn custom node là mã Python chạy với toàn quyền trên máy của bạn. Chỉ cài node qua ComfyUI-Manager từ những kho có nhiều người dùng, mỗi lần thêm vài node, và sao chép thư mục ComfyUI sang chỗ khác trước mỗi lần cập nhật lớn.

Ảnh gửi khách mang theo toàn bộ prompt

Metadata trong PNG chứa prompt, seed và workflow. Đó là tài sản của bạn; nếu không muốn chia sẻ, chuyển ảnh sang JPG hoặc WebP trước khi gửi, hoặc khởi động ComfyUI với tham số --disable-metadata.

Cập nhật phần mềm ngay trước hạn giao

Bản cập nhật mới của ComfyUI, Forge hay một custom node có thể làm workflow cũ báo lỗi. Đóng băng phiên bản trong suốt một dự án, chỉ cập nhật khi vừa bàn giao xong và đã có bản sao lưu.

Ai nên chạy Stable Diffusion trên VPS GPU, ai không nên

Muốn nhìn toàn cảnh trước khi chọn? Tổng quan các dòng VPS của Cloud Cheap liệt kê mọi nhóm máy chủ, từ máy CPU giá rẻ cho web tới máy GPU 24GB.

Câu hỏi thường gặp khi chạy Stable Diffusion, ComfyUI và Forge trên VPS