EasyCacheとLazyCacheはComfyUI v0.22から標準搭載された生成速度短縮機能で、設定一つで30〜50%の高速化が可能です。 FLUX.2やSDXL、Qwen Imageを実用速度で回したい人向けに、仕組みと最適パラメータを実機検証ベースでまとめます。
EasyCache/LazyCacheとは何か(仕組みの結論)
両者ともサンプリング途中の中間特徴量(intermediate features)を保存して、変化が小さいステップではキャッシュを使い回す技術です。TeaCacheと違ってモデル別のハイパーパラメータ調整が不要で、コード改変なしに任意のモデルへ適用できます。
- EasyCache: ComfyUI公式の標準実装。多くのモデルで一貫した品質保持と高速化を両立
- LazyCache: 同系の自家版実装。universal compatibilityを優先しており、ほぼ全モデルで動くが品質低下はEasyCacheよりやや大きい
5つの設定ポイント
1. しきい値(threshold)の調整
LazyCacheのデフォルトは0.2です。値を大きくするほどキャッシュ再利用が積極化し速度は伸びますが、ディテール劣化が増えます。
- 0.1〜0.15: ほぼ無劣化、高速化10〜20%
- 0.2(推奨): 速度と品質のバランス、30%前後の短縮
- 0.3〜0.4: 速度重視、テスト出力やラフ用途向け
2. 開始ステップ(start_percent)
LazyCacheデフォルトは0.15です。初期の構図形成ステップでキャッシュを使うと崩壊しやすいので、相対サンプリングの15%以降から有効化するのが鉄則です。
3. 終了ステップ(end_percent)
デフォルト0.95。最終ステップ近くまでキャッシュを使い切ったほうが速度メリットが大きく、ディテールへの影響は小さいです。
4. CFGとの相互作用
CFG値が低いモデル(FLUX.2 Klein系のCFG=1.0〜1.5)ほどキャッシュの影響を受けにくく、しきい値を強気(0.25〜0.3)に設定可能です。逆にSDXLのCFG7〜8運用ではディテール劣化が出やすいため0.15前後を上限にします。
5. EasyCacheを優先、ダメならLazyCache
ComfyUI公式ブログによるとEasyCacheの方が品質保持に優れているため、まずEasyCacheで試し、未対応モデル(独自カスタムノードを多用したワークフロー等)でのみLazyCacheに切り替える運用が安全です。
モデル別の推奨設定早見表
| モデル | EasyCache threshold | start | end | 想定短縮率 |
|---|---|---|---|---|
| FLUX.2 Klein 4B | 0.2 | 0.15 | 0.95 | 35% |
| FLUX.2 Klein 9B | 0.2 | 0.15 | 0.9 | 30% |
| SDXL/Pony | 0.12 | 0.2 | 0.9 | 20% |
| Qwen Image | 0.18 | 0.15 | 0.95 | 30% |
| WAN Video系 | 0.2 | 0.1 | 0.95 | 40〜50% |
導入手順(ComfyUI v0.22.0以降)
1. ComfyUIをv0.22以降に更新する(Managerまたは git pull + pip install -r requirements.txt)
2. ノード検索で EasyCache または LazyCache を追加
3. KSamplerの前段に挿入し、threshold/start_percent/end_percentを設定
4. 初回ベンチマーク: キャッシュ有/無で同seed同プロンプトを比較
注意点
- LoRA学習中は使用しない: キャッシュ前提のステップが学習結果に悪影響を与えるため
- バッチサイズ1で効果最大: バッチが大きいとキャッシュ効率が落ちる
- インペイント・差分出力: マスク境界周辺で劣化が出やすいのでしきい値0.1〜0.15に抑える
FAQ
Q1. EasyCacheとTeaCacheはどちらが速いですか?
A. モデル固有チューニングを許せばTeaCacheが速いこともありますが、EasyCacheは設定不要で30%短縮を再現性高く実現できるため実用性は上です。
Q2. 動画生成(WAN/LTXV)でも使えますか?
A. はい、ComfyUI v0.22ではWanVideoEasyCache等の専用ノードもあり、動画系では40〜50%の短縮が報告されています。
Q3. GPU VRAMの節約にもなりますか?
A. キャッシュ自体はVRAMを消費するため絶対量は減りませんが、生成時間が短い分発熱と消費電力が下がります。
Q4. 品質劣化を画像で見分けるコツは?
A. 髪の細い毛、瞳のハイライト、文字の輪郭から崩れます。これらが許容できるかが基準です。
Q5. SDXLとFLUXで設定値が違う理由は?
A. SDXLはCFG依存度が高くCFG7〜8で運用するため、初期ステップの構図安定がキャッシュで崩れやすいからです。FLUXはCFG1.0〜1.5なので影響が小さいです。
関連記事
- ControlNetはもう不要か|2026年新世代モデル時代の役割を再検証:キャッシュで速くなった分、ControlNetも見直し時です
- FLUX.2 LoRA学習ベストプラクティス6選|SDXLとの違い:LoRA学習中はキャッシュを切る理由の補足解説
- AI画像生成最新ニュース7選|FLUX.2 Klein・ComfyUI v0.22・Midjourney V8.1:v0.22の他のアップデート概要
まとめ
EasyCache/LazyCacheは2026年5月時点のComfyUI高速化で最も費用対効果が高い手段です。まずthreshold 0.2/start 0.15/end 0.95の基本値から入り、モデルに合わせて微調整すれば、ハードウェア投資なしで体感速度が大きく変わります。動画生成や大量バッチ運用のユーザーほど恩恵が大きいので、まだ未導入なら今すぐ試す価値があります。