こんにちは、パレイド技術部の夏目です。
CircleStone Labs と Comfy Org の共同開発による画像生成モデル Anima Base v1.0 が 2026-05-15 に正式リリースされました。Preview / Preview2 / Preview3 を経た到達点で、NVIDIA Cosmos-Predict2-2B-Text2Image を起点とする 2B パラメータの派生モデル、HF 公式 README の表現を借りれば “focused mainly on anime” — 文字通りアニメ特化ですが、非写実アートも一定範囲で扱える設計のようです。
huggingface.cocirclestone-labs/Anima · Hugging FaceWe’re on a journey to advance and democratize artificial intelligence through open source and open science.huggingface.co
ComfyUI 0.22.0 (Mac 版) 上に置いて、共通条件 1024×1024 / 30 step / cfg 4 でサンプラー違いを 4 走させました。本記事はそのベンチログです。
本記事はローカル LLM による自動執筆パイプラインで生成されました。現段階ではクラウド AI（Claude 等）の補助や人間の編集が介在していますが、pareido.jp では最終的に AI が自律的にコンテンツを制作できる仕組みの構築を目指しています。
出自と系譜 — Cosmos-Predict2 派生、Comfy Org がモデル側に踏み出した
Anima Base v1.0 は NVIDIA Cosmos-Predict2-2B-Text2Image をベースに、CircleStone Labs と Comfy Org が共同 finetune した派生モデルです。学習データはアニメ系数百万枚 + 非アニメアート約 80 万枚、knowledge cutoff は 2025-09。注目は runtime 提供に徹していた Comfy Org が自らモデル開発に共同名義で関わった事例である点です。
配布構造 — ComfyUI ネイティブの 3 ファイル分離
Anima Base v1.0 は HF の circlestone-labs/Anima で split_files/ 配下に置かれており、UNet / TextEncoder / VAE が独立した 3 ファイルとして配布されています。従来の SDXL 派生型 (1 ファイル梱包) とは違い、ComfyUI のディレクトリ規約にそのまま流し込める形です。
| ファイル | 配置先 (ComfyUI) | 概要 |
|---|---|---|
anima-base-v1.0.safetensors (4.18 GB) |
models/diffusion_models/ |
UNet 本体、2B パラメータ、Cosmos-Predict2 派生 |
qwen_3_06b_base.safetensors |
models/text_encoders/ |
text encoder。Qwen 3 0.6B ベース (CLIP / T5 系ではない、ここがこのモデルの個性) |
qwen_image_vae.safetensors |
models/vae/ |
Qwen-Image 系の VAE |
この分離は反面、初回 cold load 時に 3 ファイルすべての展開が必要でロード時間が積み上がる挙動を生みます (後段の cold load +7 分の由来)。text encoder が LLM 系列の小型モデルである点も、自然言語プロンプトの読み取りに寄せた設計として特徴的です。
ライセンス — 生成画像は商用可
Anima Base v1.0 のライセンスは、HF 公式 LICENSE.md を原文で当たると「モデル本体・派生は非商用 only、Outputs (生成画像) は商用可」の構造になっています。
- 商用 OK: 生成画像を広告・商用イラスト・アイキャッチに使う
- 商用 NG: モデル本体の重みや LoRA・finetune を商用配布/ホストする
- 常時 NG: 生成画像を競合 CircleStone Model の訓練データに使う
ベンチマーク結果
初回 1 本目はモデルのロード込みで、2 本目以降はモデル展開済みの状態です。
| 順 | workflow | サンプラー | 生成秒 | 出力の構図 | 結果 |
|---|---|---|---|---|---|
| 1 | base_v10_anime_dpmpp_2m_sde_gpu |
dpmpp_2m_sde_gpu | 660.3 s (11 分 00 秒) | アニメ調、セーラー服の少女が後ろ姿でモニタ 1 台の前に立つ。 | ○ |
| 2 | base_v10_anime_er_sde |
er_sde | 825.3 s (13 分 45 秒) | アニメ調、ロングヘアの少女が秋の窓辺、モニタ 2 台前でコーディング。 | ○ |
| 3 | base_v10_anime_euler_a |
euler_a | 915.4 s (15 分 15 秒) | er_sde とほぼ同構図、ただし線が細くソフト。 | ○ |
| 4 | base_v10_nonanime_er_sde |
er_sde | 975.7 s (16 分 16 秒) | ロボハンドが銀河を内包した球体を抱える、モノクロ版画調 / art print quality | ○ |
結論先出し — Macbook Airでも動く、ただし生成時間はばらつきがある
MacBook Air M5 32GB の環境で試しました。試行時点ではまだ Preview3 版だったため、モデルやプロンプトは正式リリース版に変更しています。
| 項目 | 判定 |
|---|---|
| M5 MacBook Air 32GB での起動 | ○ (cold load 込み初回 21 分、warm 11-16 分) |
| サンプラーによる挙動差 | ○ (er_sde / euler_a は近似構図、dpmpp_2m_sde_gpu のみ “解釈枝” が分かれる) |
非アニメアート (no anime style) への対応 |
○ (モノクロ版画調まで素直に振れる) |
| 生成時間のばらつき | △ (warm で 10-16 分の幅、環境要因と思われる) |
| 生成画像の商用利用 | ○ (HF 公式 LICENSE.md §2(d) で明示的に許可) |
事前試行では 10〜20 分程度の幅でばらついたものの、遅いケースは環境要因とみられ、生成自体に問題はありませんでした。
実走環境とセットアップ — M5 MacBook Air 32GB / ComfyUI 0.22.0
| 項目 | 値 |
|---|---|
| マシン / OS | MacBook Air M5 (Unified Memory 32GB) / macOS Tahoe 26.4.1 |
| ランタイム | ComfyUI 0.22.0 (Mac 版) |
| モデル | Anima Base v1.0 (UNet 4.18GB) + Qwen 3 0.6B base (TE) + Qwen-Image VAE |
| 解像度 / step / CFG | 1024 × 1024 / 30 / 4 |
| Scheduler / seed | simple / 875817230929465 (固定) |
生成中のメモリ占有はピークで 23 GB / 32 GB 前後、メモリ側がボトルネックになる気配はありません。共通プロンプトはアニメ系・非アニメ系で 2 種類用意し、それぞれにネガティブを噛ませました。
- アニメ系 positive:
masterpiece, best quality, anime, a girl programming at a desk by a window, autumn afternoon light, monitors with code, soft warm color palette, detailed background, safe - アニメ系 negative:
worst quality, low quality, score_1, score_2, score_3, blurry, jpeg artifacts, sepia - イラスト系 positive:
intricate digital illustration, a robotic hand cradling a glass orb containing a miniature galaxy, neutral color palette, fine line work, no anime style, art print quality - イラスト系 negative:
worst quality, low quality, blurry, jpeg artifacts, sepia, anime, manga
観察ポイント
- 生成時間のばらつきは環境要因寄り: 同条件の連続 4 走で 660-975 s (11-16 分) の幅。同 sampler (er_sde) の 2 走目と 4 走目でも 150 秒差があり、サンプラーやプロンプトでは説明できず、熱・メモリ・OS バックグラウンドの合わせ技と思われます。
- サンプラーによる構図の変化: er_sde と euler_a はほぼ同構図 (線の細さだけ違う)。dpmpp_2m_sde_gpu だけは構図・髪型・小物が再選択されました。HF 公式 README も dpmpp 系を “more variety, can get wild” と表現しており、バリエーション優先なら dpmpp、安定構図優先なら er_sde / euler_a という使い分けになります。
no anime style指示も通る: 非アニメ系プロンプトでモノクロのインク / 版画調に。「Anima」はアニメ専用と読まれがちですが、学習データに非アニメアート約 80 万枚を含み、art print も射程に入ります。
作例
次の観察
CircleStone Labs は Turbo LoRA を別途配布 (Civitai id 2560840) しており、ステップ数を 8-12 に抑えて生成時間を短縮できる派生が用意されています。ステップ数自体が縮めば warm の絶対時間も縮むはずです。次回で扱います。