【H100 vs RTX 4090】LoRA学習の「速さ」は圧倒的。では作品の「質感」は？
最終更新日: 2026年6月17日
著者: シツカン｜質感LoRAラボ
📌 開示： 本記事はFloyoとのパートナーシップに基づき、検証用の計算環境の提供を受けて執筆しています。プロモコードの受け取り方はプロフィールをご確認ください（提携コード）。
目次
1. 速くなるのはわかった。でも「質感」はどうなのか？
2. 検証条件：同一seed・同一パラメータで比較する
3. ベースライン：LoRAなしの出力
4. 金箔LoRA（SHIFUKU_GOLDLEAF_v1）の出力比較
5. 螺鈿LoRA（SHIFUKU_RADEN_PEARL_v2）の出力比較
6. なぜ「差が出ない」のか──技術的な裏付け
7. 「引き算のAI」視点からの考察
8. 結論：GPUが変わっても、質感は変わらない。それが正解だ
📎 前提記事： RunPodとFloyoの環境・料金・速度の基本比較は → 【RunPod vs Floyo】クラウドGPU比較2026
1. 「ツルツル問題」をGPUで解けるのか？
AI画像には質感の問題がある。すべての表面が滑らかすぎる、いわゆる「ツルツル問題」だ。質感LoRAはこの問題に対する一つの回答だが、もう一つの問いが残っていた。──GPUの性能が上がれば、質感の再現度も上がるのか？
H100を使った。学習は確かに速い。圧倒的に。
でも、自分が気になっていたのはそこじゃない。
「箔打ちのシワが生む乱反射」「螺鈿の薄膜干渉が作る構造色」──これらはVRAMの量や演算速度とは別の話のはずだ。出力画像の「質感の再現度」は、GPUが変わることで変わるのか？
RunPodのRTX 4090で300回以上学習してきた自分が、FloyoのH100 NVL（94GB VRAM）で同じLoRAを使って生成したとき、出力に何が起きたか。同一seed・同一パラメータで比べた記録を残す。RunPodのRTX 4090で300回以上学習してきたが、FloyoのH100 NVL（94GB VRAM）で同じLoRAを使って生成したとき、出力に何が起きたか。同一seed・同一パラメータで比べた記録を残す。
2. 検証条件：同一seed・同一パラメータで比較する
「H100の方が品質が高い」という結論にするつもりはない。ただ、「比べた」と言える条件を整えた。
方法論的な前提（先に正直に書く）
RunPodではA1111（WebUI）、FloyoではComfyUIを使用している。Seed実装が異なるため完全同一画像にはならない。この比較は数値による差分分析ではなく、質感研究者としての所感を記録するものだ。
ただし、記事01で確認したとおり、この差はGPUの差ではなくUI基盤の差だ。品質を落とすことなく移行できるという前提の上で、LoRAの質感表現の比較に踏み込む。
共通設定
各パターンの個別パラメータ
（猫 NoLoRA）: LoRAなし / Steps 35 / Seed 2176997588
（鶴 NoLoRA）: LoRAなし / Steps 40 / Seed 1267967603
（金箔鶴）: GOLDLEAF_v1 強度0.60 / Steps 20 / Seed 3897294094
（螺鈿猫）: RADEN_PEARL_v2 強度0.80 / Steps 35 / Seed 2176997579
3. ベースライン：LoRAなしの出力
LoRAの効果とGPUの差を切り分けるために、まずLoRAを適用していない状態での出力を確認する。
｜金箔鶴・NoLoRA
Prompt: masterpiece, best quality, Japanese folding screen, gold leaf background, traditional art, intricate floral patterns, pine tree and crane motif, museum quality
RunPod版（A1111＋RTX 4090）：
白鶴が画面上部に大きく配置され、左右を松が挟む屏風構図松の葉と幹の墨色が深い。背景の金地のコントラストが強く、金の色調はやや落ち着いたアンバー寄り。どこか太い刷毛で塗られたような画面となっており金箔特有の繊維感や不均一さとは異なる。屏風の折り目（パネルジョイント）も明確に出ている。全体に重厚で密度の高い画面。日本画で言えば狩野派的な力強さ。
Floyo版（ComfyUI＋H100）：
黒い鶴が画面下部に位置し、右側に太い松の幹が支配的。左奥に青い山並みが見え、空間の奥行きがある。金の色調はRunPod版より明るく、やや冷たい。金箔に色味はこちらの方が近いが、画面左上部を除き、平坦な一色の肌色のように感じられる。またそれは、金泥を一面に塗ったような均質さにも近いものがある。画面全体に空気感があり、余白が遠近感を感じさせる。日本画で言えば円山四条派的な写実と瑞々しさ。
｜螺鈿猫・NoLoRA
Prompt: japanese painting, cute cat, Background is intricate Raden, shimmering iridescent shells, soft rim lighting
RunPod版（A1111＋RTX 4090）：
愛らしい縞模様の猫と貝殻のような葉っぱのモチーフが画面を独特なものにし雅な印象を受ける。背景は金地と言えなくもない肌色。前足に破綻が見られるものの画面としてはまとまって見える。螺鈿の質感はほとんど猫には反映されておらず葉っぱにのみ色味として現れている。
Floyo版（ComfyUI＋H100）：
同じく愛らしい縞猫だが、背景の処理がまったく違う。猫の背後に大きな月輪のような光の円があり、濃紺の空に金色の光の粒が散る。ピンクの蓮花が周囲を囲み、全体として夢幻的な雰囲気。しかしながら画面全体を通して大きな破綻は見られない。猫の体毛の描写はRunPod版と同等だが、画面全体のトーンが柔らかい。Runpod同様に螺鈿の質感はほとんど猫には反映されておらず葉っぱにのみ色味として現れている。
ベースラインの所見
金箔鶴、螺鈿猫の2パターンとも、RunPodとFloyoで品質の優劣がはっきりしているとは感じない。どちらもDreamShaperXLの実力を十分に引き出している。
ただし、出力の「傾向」は明確に異なる。RunPod版はコントラストが強く、構図が密で、色の重なりに厚みがある。Floyo版は色調が明るく、空間的な余白があり、光の柔らかさが際立つ。
この差はGPUの差ではなく、A1111とComfyUIのSeed解釈・サンプリング経路の違いによるものと考えられる。
同じ「品質」でありながら、出発点となるノイズの解釈が異なるため、結果として別の「傾向」の絵が出る。記事01で指摘した「厚塗り的／水彩的」の差が、ここでも一貫して現れている。
4. 金箔LoRA（SHIFUKU_GOLDLEAF_v1）の出力比較
LoRA: SHIFUKU_GOLDLEAF_v1
強度: 0.60
Steps: 20
Seed: 3897294094
RunPod版（A1111＋RTX 4090）：
水辺に佇む鶴を、松と岩と霧で囲んだ山水画的な構図。金地はあるが、水墨のグラデーションが金を抑え、全体として渋く落ち着いた古色が出ている。箔のテクスチャは感じるが控えめで、どちらかというと「経年で馴染んだ箔」の表現。画面上部中央の表現が最も金箔表現に近づいているが金箔の経年劣化の質感を捉え切れてはいない。（＊これは学習用データセットの問題のためさらなる研究を必要とする。）
Floyo版（ComfyUI＋H100）：
鶴と松だけのシンプルな構図に対して、金地が画面の主役になっている。箔打ちのシワが全面にはっきりと走り、光の当たり方でムラが出る金箔の物理特性が鮮明に再現されている。金箔の重なりに対する認識が不足しており課題が残る。（＊これは学習用データセットの問題のためさらなる研究を必要とする。）
観察する視点は三つ。
箔足の透け： 金箔の縁が下地に溶け込む部分。本物の箔は、箔打ちの圧で厚みが不均一になり、薄い部分から下地の赤茶が透ける。この「透け」が出ているかどうか。
乱反射のムラ： 金箔表面は平滑ではなく、微細なシワが全面に走る。光の反射が均一でないことが「箔らしさ」の根拠になる。
経年の割れ： 膠（にかわ）の収縮で金箔は時間とともにひび割れる。新品の箔と古びた箔は別物の質感を持つ。
所見：RunPod版が「古びた屏風」なら、こちらは「箔を打った直後の新しい金箔」の質感に近い。両者の差はGPUではなくUI基盤のサンプリング差。だが質感LoRA研究者として興味深いのは、同じLoRA・同じ強度0.60でも、ベースとなる出力傾向が違えば「箔のどの側面が強調されるか」が変わること。コントラストの強いA1111では経年感が、明るいComfyUIでは物理的な箔のテクスチャが前面に出た。
5. 螺鈿LoRA（SHIFUKU_RADEN_PEARL_v2）の出力比較
LoRA: SHIFUKU_RADEN_PEARL_v2
強度: 0.80
Steps: 35
Seed: 2176997579
RunPod版（A1111＋RTX 4090）：
螺鈿蒔絵の丸盆を真上から見ているような画面。猫の周囲にアワビ貝の断片が配置され、それぞれが独立した虹彩を放っている。ピンク、ブルー、グリーンのホログラフィックな光が個々の貝片に閉じ込められている。全体に装飾工芸品的で。猫の愛らしさが弱くなるのを感じるが毛並みに螺鈿の虹色が移植に成功している。
Floyo版（ComfyUI＋H100）：
猫を蓮花と金地が包む、絵画的な構図。螺鈿の虹彩が貝殻という個別要素ではなく、こちらも猫の体表そのものに螺鈿の虹色の質感の移植が成功している。白い毛皮にピンク〜グリーンの薄膜干渉が柔らかく走り、猫自身が螺鈿の光をまとっているように見える。装飾工芸品ではなく、光の現象としての螺鈿を捉えた表現になっている。
螺鈿はLoRA学習の中でも特殊なケースだ。
「虹色に光る」という情報は正しい。しかしそれが「どういう物理で起きているか」をAIが理解しているかどうかで、出力がまったく変わる。
AIは「色を足す」方向で螺鈿を解釈しようとする。赤も緑も紫も一度に出てくる。
本物の螺鈿は違う。アワビの貝殻の薄膜が光を干渉させ、見る角度によって色が変わる。色の数ではなく、光の物理現象だ。
所見：同じ螺鈿LoRA・同じ強度0.80で、RunPod版は「螺鈿＝貝殻の虹色」を個別のオブジェクトとして配置し、Floyo版は「螺鈿＝薄膜干渉の光」を画面全体に拡散させた。A1111のサンプリングは質感をオブジェクト単位で具象化しやすく、ComfyUIは画面全体に拡散させやすい──という仮説が浮かぶ。検証にはもっと多くのパターンが必要だが、初見の印象として記録しておく。
6. なぜ「差が出ない」のか──技術的な裏付け
「画像が違うじゃないか。差はあるだろう」──ここまで読んだ方はそう思うかもしれない。正確に言い直す。「品質の差」は出ない。「傾向の差」は出る。そしてその傾向差はGPUではなくUI基盤の差だ。
画像生成は「計算問題」であり、GPUは「計算機」
AI画像生成（推論）は、ノイズ画像から少しずつノイズを除去していく計算の繰り返しだ。同じノイズ（=同じSeed）から始めて、同じ手順（=同じSampler・Steps・CFG）で計算すれば、答えは同じになる。足し算の答えが電卓のメーカーで変わらないのと同じ理屈。
では、なぜ微差が「あり得る」のか
とはいえ、コンピュータの小数点計算には誤差がある。GPUの世代によって、この誤差の出方がわずかに異なる。
具体的には：
精度の種類が違う。 RTX 4090はFP16（半精度浮動小数点）が得意で、H100はBF16（Brain Float 16）が得意。どちらも16ビットだが、小数点以下の丸め方が微妙に違う。
内部の計算経路が違う。 GPUの中で畳み込み演算（画像のフィルタ処理）を行うとき、どの順番で足し算するかが異なることがある。1+2+3と3+1+2は人間には同じだが、小数点演算では丸め誤差の蓄積が変わりうる。
その差はどのくらいか
画像の類似度を測る指標に「SSIM（構造類似度）」がある。1.0が完全一致で、0.99を下回ると訓練された目で違いに気づけるレベル。
GPU間の浮動小数点誤差による差は、通常SSIM 0.999以上——つまり人間の知覚閾値の遥か上にある。もう一つの指標PSNR（ピーク信号対雑音比）で言えば60dB以上の差は人間には見えない。
今回の検証で構図や色調が異なるのは、FP精度の誤差ではなく、A1111とComfyUIのサンプリング実装の違いだ。
ノイズの初期化方法、スケジューラの内部処理、VAEデコードのパイプラインが異なれば、同一Seedでも出力は変わる。
つまり：もしRunPod上でComfyUIを動かせば、Floyoと同じ傾向の画像が出る。GPUの話ではない。
GPUは「計算速度」を上げる。VRAMが大きければ「バッチサイズ」を上げられる。ステップあたりの処理が速くなり、学習時間が短くなる。
では「質感の精度」は上がるのか。
質感の再現度を決めるのは、データセットの質とLoRAの設計であり、GPUの性能ではない。
H100はより多くの情報を、より速く処理できる。しかし「箔打ちのシワ」を「乱反射として学習させる」かどうかは、データセットの作り方の問題だ。金箔の物理を知らなければ、どんなGPUを使っても「金色の平面」しか出ない。
「ツルツル感の正体は質感の不在」という命題はここでも成立する。GPUを替えて速くなっても、学習させていない質感は出ない。
一方で、GPUの性能が学習に与える間接的な影響はある。H100であれば、より大きなバッチサイズでより多くのデータを一度に処理できる。同じ時間でより多くの試行ができる。
「質感を探す速度」が上がる——これが正確な言い方だと思う。
7. 結論：GPUが変わっても、質感は変わらない。
検証の結果を一言でまとめる。
画像生成（推論）において、H100とRTX 4090の出力に品質の差はないと考える。
NoLoRA 2パターン、金箔LoRA、螺鈿LoRA──すべてのパターンで結論は変わらない。質感LoRAの微細なテクスチャ表現においても、GPUの違いは品質に影響しない。
そしてこれは「がっかりな結果」ではなく、むしろ安心材料と思っている。
GPUで画質が変わるなら、「最高のGPUを買い続けなければ最高の質感は出せない」ことになる。でも現実はそうではない。RTX 4090で作ったLoRAも、H100で作ったLoRAも、推論段階では同じ質感を再現する。
GPUの選択は「速度とコストと環境の快適さ」で決めていい。質で選ぶ必要はない。品質を落とすことなく、Floyoに移行できる。
では、H100の真価はどこにあるのか
推論ではなく、学習（LoRAトレーニング）だと現段階では想定している。
H100 NVLのメモリ帯域幅は3,938 TB/s。RTX 4090の約4倍。VRAM 94GBはRTX 4090の約4倍。
拡散モデルの学習は1ステップごとに膨大なVRAMアクセスが発生するため、この差は学習速度に直結する。
つまりH100の価値は「同じ質の画像をより速く生む」ことではなく、「同じ時間でより多くの試行を回して、質感の表現を追い込める」ことにある。
LoRA学習のスピード比較は、別記事で実測データとともに検証する予定だ。
H100 NVLのメモリ帯域幅は3,938 TB/s。圧倒的火力のGPUでトレーニングできる環境は整っている。（Floyoに整えていただいた。）
後続の記事を楽しみにしていただけたら嬉しい。
Floyoを試してみたい方へ
Floyoさんとクリエイターコラボが決まり、プロモコードをみなさんへ配布しています。
受け取り方はプロフィールをご確認ください。
この記事を読んだ次のステップ
環境・料金・速度の基本比較：→ 【RunPod vs Floyo】クラウドGPU比較2026
Floyoで実際に質感LoRAを学習する手順：
→ 【LoRA学習完全マスターコース】② 活用編｜Floyo版（近日公開）
質感LoRAをもっと深く知る
なぜAI画像はどれも質感に違和感を覚えるのか？ ── ツルツル問題の正体
「NOT スタイルLoRA」── AI作品の"魂"は物質に宿る ── なぜスタイルLoRAだけでは足りないのか
脱ツルツルの限界 ── 後処理で質感は救えるか？
スタイルLoRAとマチエールLoRAの重ねがけガイド ── 実践的な組み合わせの手引き
全記事ナビ ── どこから読んでも、ここに戻れる
★ 2026年6月時点の実測に基づいています。
#質感LoRA #StableDiffusion #LoRA作成 #厚塗りAI #引き算のAI
コメントやフィードバックをお待ちしています。いただいた声は、次の記事づくりに活かします。
✍️ この記事を書いた人
シツカン｜質感LoRAラボ
日本画→芸術学→英国博物館学修士→AIエンジニア。キャンバスの質感をAIに刻む研究をしています。
🔬 無料LoRAを試す → https://civitai.com/user/TextureLoraLab
📖 技術記事をもっと読む → https://texture-lora-lab.com
🎓 毎月の新作LoRA＋解説を受け取る → https://note.com/texture_lora_lab/membership
クラウドGPUをこれから試すなら、Floyoなど提携先の割引コードもメンバーシップ「質感LoRAラボ」でまとめて案内しています。
「引き算」の考え方そのものは、一冊にまとめてKindleで公開しています。
📚『引き算のAI：質感（テクスチャ）を守るLoRA学習の技法』（¥1,250）
https://www.amazon.co.jp/dp/B0GSMDYCR1?tag=texturelorala-22
※Amazonのアソシエイトとして、TextureLoRALab（シツカン）は適格販売により収入を得ています。
