Qwen-Image-2512 Fine-Tune: Trainingskosten lokal (RTX 3090) vs. gemietet (RTX PRO 6000 Blackwell)
Ich wollte wissen, was mich ein Qwen-Image-2512 Fine-Tune (ai-toolkit, LoKR) zeitlich und finanziell kostet – einmal auf meiner lokalen RTX 3090 und einmal auf einer gemieteten RTX PRO 6000 Blackwell.
Kurzfazit: Ein 8000-Step-Run kostet bei mir in € fast gleich viel, aber die PRO 6000 läuft ~5× schneller.
Setup & Annahmen
- Hardware: RTX 3090 (lokal) vs. RTX PRO 6000 Blackwell (gemietet)
- Trainingsziel: 8000 Steps, Sampling aktiv (
sample_every: 250, 1024×1024,sample_steps: 20) - Strompreis: €0,30/kWh
- Leistung (Durchschnitt): 3090 GPU 360W, PRO 6000 GPU 600W
- „Rest-System“ unter Last: +80W (CPU/RAM/SSD/Fans etc.)
- Miete (VastAI): $0,722/h, umgerechnet mit 1 USD ≈ €0,861 (EZB-Referenzkurs vom 16.01.2026)
- Hinweis: kein perfekter Benchmark – die Runs sind nicht 1:1 identisch (u. a.
layer_offloadingund LR).
Geschwindigkeit (inkl. Sampling)
Gemessen über Zeitabstände pro 250 Steps (inkl. Save + Sampling am Block-Ende), und auf 8000 Steps hochgerechnet:
| GPU | Zeit pro 250 Steps | Steps/h | Zeit für 8000 Steps |
|---|---|---|---|
| RTX 3090 (lokal) | ~70m15s | ~212 | ~37h44m |
| RTX PRO 6000 (gemietet) | ~14m03s | ~1064 | ~7h31m |
Sampling-Zeit
Pro Sampling-Event werden 8 Bilder generiert.
| GPU | Sampling pro Event | ~pro Bild |
|---|---|---|
| RTX 3090 | ~16m07s | ~2m01s |
| RTX PRO 6000 | ~1m30s | ~11s |
Kostenrechnung für 8000 Steps (steady state, ohne Caching)
Lokal (RTX 3090)
- Gesamtleistung: 440W (360W GPU + 80W System)
- Energie: ~16,60 kWh
- Stromkosten: ~€4,98
Gemietet (RTX PRO 6000)
- Mietdauer: ~7,52 h
- Mietkosten: $5,43 ≈ €4,67
Was nehme ich daraus mit?
- Wenn ich Zeit sparen will, ist die gemietete PRO 6000 für diesen Run klar besser (ähnliche €-Kosten, aber deutlich schneller).
- Sampling ist ein echter Faktor: auf der 3090 dominiert es deutlich stärker. Für reine „Throughput“-Runs lohnt sich oft: Sampling aus, und Samples nur gelegentlich separat erzeugen.
- Wenn ich lokal sample, dann mit so wenigen Prompts wie möglich (z. B. 1–2 statt 8), damit der Trainingsdurchsatz nicht komplett vom Sampling aufgefressen wird.