.ai

die besten Open-Source-KI-Modelle

Suchen

Stable Diffusion, SDXL und Flux auf einem Mac (Apple Silicon) ausführen: Draw Things, ComfyUI und was du erwarten kannst

Q: Schwarze oder graue Bilder

fp16 Präzisionsüberlauf auf MPS. Füge --force-fp32 für das Modell hinzu oder nutze die SDXL fp16-fix VAE; in Draw Things wechsle zum 8-bit oder fp32 Modell.

Q: Ein Custom Node kann nicht importiert werden

Abhängigkeit von CUDA-only Paketen. Entferne den Node oder finde eine Mac-kompatible Alternative; die Kern-Nodes funktionieren alle.

Q: Sehr langsame erste Generierung in Draw Things

CoreML-Kompilierung des Modells beim ersten Gebrauch. Einmal warten; spätere Läufe sind schneller. Modell zwischen den Läufen geladen halten.

Thema: Apps

Von Captain

Veröffentlicht am 2026-01-21

Überblick

Apple Silicon Macs laufen Bildmodelle über Metal (MPS in PyTorch oder Apples eigenen CoreML-Weg in Draw Things). CUDA gibt es nicht, also zählt der Mac-einheitliche RAM, der CPU und GPU teilen: Ein 16-GB MacBook Air kann

SDXL

laufen lassen, eine 32-GB Maschine

Flux

in fp8 und kleine Videomodelle, ein 64- oder 128-GB Mac Studio kann fast alles laden, aber langsam. Geschwindigkeit ist der Kompromiss: Ein M2 Max braucht 30 bis 60 Sekunden für ein SDXL-Bild, das eine RTX 4070 in 6 Sekunden schafft.

Drei Tools sind wichtig. Draw Things ist eine kostenlose native App (Mac, iPhone, iPad) mit Modellbibliothek, LoRA-Import,

ControlNet

Inpainting

und der besten Mac-Leistung, weil sie Modelle in CoreML umwandelt; für die meisten Mac-Nutzer die beste erste Wahl.

ComfyUI

läuft auf dem Mac aus dem Quellcode mit PyTorch MPS; es unterstützt alles, was ComfyUI unterstützt, manche Nodes brauchen fp32 und einige Custom Nodes funktionieren auf Nicht-CUDA-Hardware nicht. DiffusionBee ist die einfachste One-Click-App, beschränkt auf ältere Modelle.

Weil die Geschwindigkeit der Flaschenhals ist, nutzen Mac-Nutzer die Cloud mehr als PC-Nutzer: Entwürfe in der Cloud generieren, die Favoriten zu Draw Things für Inpainting und eigene

LoRAs

holen oder einfach alles Schwere (Flux in voller Präzision, Video) auf

PirateDiffusion

oder

BitVector

machen und den Mac zum Surfen auf dieser Seite und Bearbeiten nutzen.

Referenz

Name	Typ	Bedeutung
8 GB Mac	SD 1.5 only	Draw Things mit SD 1.5 fine-tuned bei 512x768; SDXL tauscht und kriecht.
16 GB Mac	SD 1.5 , SDXL	SDXL bei 1024x1024 in Draw Things (CoreML 8-bit) oder ComfyUI mit --force-fp16; Flux via Draw Things 8-bit funktioniert, aber langsam.
32 GB Mac	adds Flux fp8, Z-Image , small Wan	Flux dev 8-bit bei 1024 in 1 bis 3 Minuten auf M2/M3 Pro-Max; Wan 2.2 5B kurze Clips.
64-128 GB Mac Studio / MacBook Pro Max	adds FLUX.2 , Qwen Image , Wan 14B	Passt in den Speicher; rechne mit 5 bis 15 Minuten pro Flux.2 Bild und mehreren Minuten pro Videoclip.
Draw Things	app	Kostenlos, App Store. Modellmanager, LoRA/ControlNet-Import, Inpainting, Upscaler , Skripte. CoreML beschleunigt wiederholte Läufe nach der ersten Kompilierung.
ComfyUI on MPS	from source	Python 3.12, PyTorch nightly oder stable mit MPS. Flags: --force-fp16 (M1/M2) oder Standard; --use-split-cross-attention hilft beim Speicher.
DiffusionBee	app	One-Click, SD 1.5/SDXL, begrenzte Einstellungen. Gut für den ersten Versuch.
iogpu.wired_limit_mb	sysctl	Erhöht den Speicher, den macOS der GPU zuteilt (Standard ~70 Prozent des RAM). Für große Modelle auf RAM minus 8 GB setzen.

Flux mit voller Geschwindigkeit von deinem Mac

BitVector Prism läuft in Safari: Die Flux, FLUX.2 und Qwen Modelle, die auf Apple Silicon langsam laufen, rendern auf seinen GPUs in Sekunden. Nutze den Mac für Draw Things und Bearbeitung; schick die schweren Prompts hierher.

BitVector ausprobieren

Schritt für Schritt

Check deinen Chip und Speicher: Apple-Menü > Über diesen Mac. Finde deine Kategorie in der Tabelle.
Installiere Draw Things aus dem App Store. Öffne die App, wähle ein Modell aus der Bibliothek (SDXL base oder DreamShaper XL für 16 GB Mac), lade es runter und konvertiere es.
Generiere ein erstes Bild bei 1024x1024, 20 Steps, DPM++ 2M Karras,
CFG
6. Der erste Lauf kompiliert das CoreML-Modell und ist langsam; spätere Läufe sind schneller.
Importiere eine LoRA von dieser Seite: Models > LoRA > Import, wähle die .safetensors; Draw Things konvertiert sie. Füge das Triggerwort zum Prompt hinzu.
Für ComfyUI: installiere Homebrew, Python 3.12 und git; git clone ComfyUI; pip install -r requirements.txt mit MPS-aktiviertem PyTorch; starte python main.py; lade den Standard-Workflow wie im ComfyUI Beginner Guide beschrieben.
In ComfyUI auf einem 16 GB Mac füge --force-fp16 hinzu und halte die Batch-Größe bei 1; nutze VAE Decode (Tiled) für Größen über 1024.
Für Flux auf einem 32 GB+ Mac nutze den fp8- oder GGUF Q8-Build, den fp8 T5 Encoder und rechne mit Minuten pro Bild; erhöhe das wired limit, wenn Speicherfehler auftreten.
Lass schwere Jobs in der Cloud: Öffne eine Modellseite, drücke den PirateDiffusion- oder BitVector-Button und führe denselben Prompt dort in Sekunden aus.

Beispiele

ComfyUI Startbefehle auf dem Mac

brew install python@3.12 git

git clone https://github.com/comfyanonymous/ComfyUI && cd ComfyUI && pip3 install -r requirements.txt

python3 main.py --force-fp16 --use-split-cross-attention

GPU-Speicherlimit erhöhen (64 GB Mac)

sudo sysctl iogpu.wired_limit_mb=57344

Gleicher Prompt in der Cloud vom Mac aus

/render <flux-dev> a quiet harbour at dawn, fishing boats, mist, 35mm film look /size:1216x832 /steps:24

Tipps

Draw Things auf einem iPhone 15 Pro oder neuer läuft SD 1.5 und kleine SDXL-Varianten lokal; praktisch für unterwegs, nicht für große Mengen.
Schwarze oder leere Bilder auf MPS sind fast immer fp16 Overflow: nutze --force-fp32 für das Modell oder die fp16-fix SDXL VAE.
Schließe speicherhungrige Apps (Browser mit vielen Tabs) vor dem Generieren; der einheitliche Speicher bedeutet, Safari und das Modell konkurrieren.
Draw Things unterstützt viele ComfyUI-Ära-Modelle (Flux,
Z-Image
,
Qwen Image
,
Wan
) früher als erwartet; check die Modellliste, bevor du ComfyUI einrichtest.
Custom Nodes, die CUDA-only Bibliotheken importieren (xformers, manche Face-Tools), funktionieren auf dem Mac nicht; der ComfyUI Node Guide markiert die üblichen.
Benchmarks für Erwartungen: SDXL 1024x1024, 25 Steps: M1 Pro 90-120 s, M2 Max 35-50 s, M3 Max 25-35 s, M4 Max 18-25 s.

Nutze den 8-bit Build bei 20 Steps oder mach Flux in der Cloud und SDXL lokal.

Video vom MacBook Air

PirateDiffusion generiert Wan 2.2, LTX-2 und H3 Clips auf seinen Servern und liefert sie per Telegram auf deinen Mac oder iPhone. Tausende Modelle, unbegrenzte Render, fester Monatspreis.

PirateDiffusion ausprobieren

Fragen

Soll ich einen Mac für KI-Bilder kaufen?

Kauf einen Mac aus anderen Gründen und freu dich, dass er SDXL kann; kauf einen NVIDIA-PC, wenn KI-Bilder oder Video dein Hauptzweck sind. Die einheitliche Speicherkapazität ist super, die Geschwindigkeit nicht.

Läuft Automatic1111 oder Forge auf dem Mac?

A1111 läuft auf MPS mit dem --skip-torch-cuda-test Flag und ist langsamer als ComfyUI;

Forge

hat begrenzte Mac-Unterstützung. Draw Things oder ComfyUI sind die praktischen Optionen.

Kann ich LoRAs auf dem Mac trainieren?

SD 1.5 und SDXL LoRAs trainieren in Draw Things und kohya mit MPS, aber nur ein Bruchteil der NVIDIA-Geschwindigkeit. Für Flux und Video-LoRAs nutze einen Cloud-Trainer.