画像生成ツールのComfyUIが、自前で実行するモデルへの対応と外部画像サービスとの接続を拡充し、一部のテキスト生成処理を高速化した。画像制作のワークフローを設計する開発者は、新モデルの選定とともに、実行場所や費用も検討する必要がある。

1. MOSS-Imageを標準機能としてサポート

2026年10月18日に公開された本バージョンは、MOSS-Imageを標準機能としてサポートする。対応追加の提案によると、新たに実装した中核は画像を生成する拡散トランスフォーマーだ。文章をモデルが使える数値に変換するテキストエンコーダーには、既存のQwen3.5-9Bを使う。

利用時はテキストエンコーダーローダーでmoss_imageタイプを選べる。モデルファイルの場所とワークフローの例は、対応追加の提案にリンクされている。配置を指定するには、実験的機能のMOSS-Image Layout Promptノードに全体の説明と矩形領域の情報を入力し、構造化された配置指示を作成する。

画像生成部分が対応する推論用データ型は、bfloat16とfloat32だ。データ型とは、計算に使う数の表現形式を指す。

2. Krea 3 Imageは外部サービスに接続

Krea 3 Imageは、処理単位をつなぐワークフローに外部画像サービスを接続するノードだ。画像を接続しなければ文章から新たな画像を生成し、接続すれば既存の画像を編集する。入力画像は最大8枚で、接続順に番号が付く。

プロンプトでは@Image1のように画像を指定できる。この表記で接続されていない番号を指定するとエラーになる。編集領域外を維持する機能は標準では無効で、利用には少なくとも画像が1枚必要だ。

ノードの説明によると、標準モードは高速処理で、編集計画をより詳しく立てるモードは時間がかかる。また、同じ乱数シードを指定しても、サービスが生成前にプロンプトを書き換えるため、同じ画像は再現されないとの案内もある。

3. Qwenの改善はテキスト生成試験で確認

Qwen 3.xの性能改善提案には、先行する第1部の変更が含まれる。内部では、以前の計算を再利用する保存領域と、小さな単位での生成演算を改良した。画像を完成させる全工程ではなく、テキスト生成試験で報告された結果である点が重要だ。

最初の試験条件はLinux、RTX5090、96GBと記載され、画像を入力した創作文章の執筆だ。モデルはQwen 3.8で、重み4ビット・中間計算値8ビットの構成となる。実行時間は変更前45.26秒、第1部32.48秒、第2部24.99秒だった。生成中の表示速度は、それぞれ毎秒60.05回、88.51回、108.27回だった。

同じ機器・モデル構成で、文脈を3万トークン、出力を4千トークンに変えた別の試験もある。トークンとは、モデルが文章を分割して処理する単位だ。この試験は--use-ck-attentionを有効にし、実行時間が110.37秒から35.29秒に短縮された。前の試験とは作業条件が異なるため、数値を直接比較することはできない。

Windows、RTX5080、96GBで創作文章を執筆した試験は、Qwen 3.5の重み6ビット・中間計算値8ビット構成だ。実行時間は22.06秒から16.07秒に短縮され、生成速度は毎秒104.66回から130.10回に向上した。提出者側の事例であり、他の環境での改善幅は示されていない。

4. 選択肢は増えるが実行費用は区別が必要

モデルを自前で実行する選択肢と、外部の編集機能が増えたことは利点だ。ただし、外部サービスのノードは入力画像をアップロードし、プロンプトを送信するほか、料金も発生する。料金の表示式は、解像度・処理モード・参照画像数によって異なる。対応拡大を、無料で自前実行できる機能の拡大と同じ意味に受け取ってはいけない。

中央処理装置の低精度演算への対応判定も修正された。これは未対応の計算経路を除外する変更であり、新たな高速化機能ではない。以下は、該当する対応判定関数の冒頭を原文のまま抜粋したコードだ。

def supports_nvfp4_compute(device=None):
    if is_device_cpu(device):
        return False

    if not is_nvidia():
        return False

本バージョンは画像生成の選択肢を広げる更新であり、導入の判断は、テキスト生成の条件別の改善と外部サービスの費用を分けて行うべきだ。