.ai

de bästa AI-modellerna med öppen källkod

Sök

Köra Stable Diffusion, SDXL och Flux på en Mac (Apple Silicon): Draw Things, ComfyUI och vad du kan förvänta dig

Q: Svarta eller grå bilder

fp16 precision overflow på MPS. Lägg till --force-fp32 för den modellen, eller använd SDXL fp16-fix VAE; i Draw Things byt modell till 8-bit eller fp32-variant.

Q: "MPS backend out of memory"

macOS GPU-allokeringsgräns nådd innan RAM är fullt. Höj iogpu.wired_limit_mb, sänk upplösningen, använd kvantiserade vikter.

Q: En anpassad nod misslyckas att importera

Den är beroende av CUDA-endast paket. Ta bort noden eller hitta ett Mac-kompatibelt alternativ; kärnnoderna fungerar alla.

Q: Mycket långsam första generering i Draw Things

CoreML-kompilering av modellen vid första användning. Vänta en gång; efterföljande körningar går snabbare. Håll modellen laddad mellan körningar.

Q: Flux tar 10 minuter per bild

Full-precision viktväxling, eller en M1/M2 baschip. Använd 8-bit versionen vid 20 steg, eller kör Flux i molnet och SDXL lokalt.

Ämne: Appar

Av Captain

Publicerad 2026-01-21

Översikt

Apple Silicon Macs kör bildmodeller via Metal (MPS i PyTorch, eller Apples egen CoreML-väg i Draw Things). Det finns ingen CUDA, så det minnesvärde som räknas är Macens enade RAM, som delas mellan CPU och GPU: en 16 GB MacBook Air kan köra

SDXL

, en 32 GB-maskin kan köra

Flux

i fp8 och små videomodeller, en 64 eller 128 GB Mac Studio kan ladda nästan vad som helst, men långsamt. Hastigheten är kompromissen: en M2 Max tar 30 till 60 sekunder för en SDXL-bild som en RTX 4070 gör på 6.

Tre verktyg är viktiga. Draw Things är en gratis native-app (Mac, iPhone, iPad) med ett modellbibliotek, LoRA-import,

ControlNet

inpainting

och bäst prestanda på Mac eftersom den konverterar modeller till CoreML; det är det rätta första valet för de flesta Mac-användare.

ComfyUI

körs på Mac från källkod med PyTorch MPS; den stöder allt som ComfyUI stöder, med vissa noder som behöver fp32 och vissa anpassade noder som misslyckas på icke-CUDA-hårdvara. DiffusionBee är den enklaste one-click-appen, begränsad till äldre modeller.

Eftersom hastigheten är flaskhalsen lutar Mac-användare sig mer mot molnet än PC-användare: skapa utkast i molnet hos partner, ta över de bästa till Draw Things för inpainting och personliga

LoRAs

, eller gör helt enkelt allt tungt (Flux i full precision, video) på

PirateDiffusion

eller

BitVector

och använd Macen för att surfa på den här sidan och redigera.

Referens

Namn	Typ	Vad det är
8 GB Mac	SD 1.5 only	Draw Things med SD 1.5 finjusterar vid 512x768; SDXL byter och kryper fram.
16 GB Mac	SD 1.5 , SDXL	SDXL vid 1024x1024 i Draw Things (CoreML 8-bit) eller ComfyUI med --force-fp16; Flux via Draw Things 8-bit fungerar men långsamt.
32 GB Mac	adds Flux fp8, Z-Image , small Wan	Flux dev 8-bit vid 1024 på 1 till 3 minuter på M2/M3 Pro-Max; Wan 2.2 5B korta klipp.
64-128 GB Mac Studio / MacBook Pro Max	adds FLUX.2 , Qwen Image , Wan 14B	Får plats i minnet; räkna med 5 till 15 minuter per Flux.2-bild och tiotals minuter per videoklipp.
Draw Things	app	Gratis, App Store. Modellhanterare, LoRA/ControlNet-import, inpainting, uppskalare, skript. CoreML snabbar upp upprepade körningar efter första kompileringen.
ComfyUI on MPS	from source	Python 3.12, PyTorch nightly eller stable med MPS. Flaggar: --force-fp16 (M1/M2) eller standard; --use-split-cross-attention hjälper minnet.
DiffusionBee	app	One-click, SD 1.5/SDXL, begränsade inställningar. Bra för ett första försök.
iogpu.wired_limit_mb	sysctl	Höjer det minne macOS låter GPU:n använda (standard ~70 procent av RAM). Sätt till RAM minus 8 GB för stora modeller.

Flux i full fart från din Mac

BitVector Prism körs i Safari: Flux, FLUX.2 och Qwen-modeller som kryper på Apple Silicon renderas på sekunder på deras GPU:er. Använd Macen för Draw Things och redigering; skicka tunga prompts hit.

Prova BitVector

Steg för steg

Kolla din chip och minne: Apple-menyn > Om den här Macen. Hitta din nivå i tabellen.
Installera Draw Things från App Store. Öppna den, välj en modell från biblioteket (SDXL base eller DreamShaper XL för en 16 GB Mac), låt den ladda ner och konvertera.
Generera en första bild vid 1024x1024, 20 steg, DPM++ 2M Karras,
CFG
6. Första körningen kompilerar CoreML-modellen och är långsam; senare körningar går snabbare.
Importera en LoRA från den här sidan: Models > LoRA > Import, välj .safetensors; Draw Things konverterar den. Lägg till triggerordet i prompten.
För ComfyUI: installera Homebrew, Python 3.12 och git; git clone ComfyUI; pip install -r requirements.txt med MPS-aktiverad PyTorch; kör python main.py; ladda standardarbetsflödet som ComfyUI nybörjarguide beskriver.
I ComfyUI på en 16 GB Mac lägg till --force-fp16 och behåll batchstorlek 1; använd VAE Decode (Tiled) för storlekar över 1024.
För Flux på en 32 GB+ Mac använd fp8- eller GGUF Q8-versionen, fp8 T5-enkodern och räkna med minuter per bild; höj wired limit om du får minnesfel.
Spara tunga jobb för molnet: öppna vilken modell-sida som helst, tryck på PirateDiffusion- eller BitVector-knappen och kör samma prompt där på några sekunder.

Exempel

ComfyUI startkommandon på 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

Höja GPU-minnesgränsen (64 GB Mac)

sudo sysctl iogpu.wired_limit_mb=57344

Samma prompt i molnet från Macen

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

Tips

Draw Things på en iPhone 15 Pro eller nyare kör SD 1.5 och små SDXL-varianter lokalt; användbart på resa, inte för volym.
Svarta eller tomma bilder på MPS är nästan alltid fp16 overflow: använd --force-fp32 för den modellen eller SDXL fp16-fix VAE.
Stäng minneskrävande appar (webbläsare med många flikar) innan du genererar; enat minne betyder att Safari och modellen tävlar om resurser.
Draw Things stöder många ComfyUI-era modeller (Flux,
Z-Image
,
Qwen Image
,
Wan
) tidigare än man tror; kolla dess modellista innan du bygger en ComfyUI-setup.
Anpassade noder som importerar CUDA-endast bibliotek (xformers, vissa face tools) misslyckas på Mac; ComfyUI nodguiden markerar de vanliga.
Benchmark för att sätta förväntningar: SDXL 1024x1024, 25 steg: M1 Pro 90-120 s, M2 Max 35-50 s, M3 Max 25-35 s, M4 Max 18-25 s.

Använd 8-bit versionen vid 20 steg, eller kör Flux i molnet och SDXL lokalt.

Video från en MacBook Air

PirateDiffusion genererar Wan 2.2, LTX-2 och H3-klipp på sina servrar och levererar dem till Telegram på din Mac eller iPhone. Tusentals modeller, obegränsade renderingar, fast månadspris.

Prova PirateDiffusion

Frågor

Ska jag köpa en Mac för AI-bilder?

Köp en Mac för andra anledningar och njut av att den kan köra SDXL; köp en NVIDIA-PC om AI-bilder eller video är huvudsyftet. Enat minne är bra, hastigheten är det inte.