Ringkasnya
- Menurut angka pembuatnya, FLUX.2 Klein 4B berjalan dalam kira-kira 13 GB memori video dan Z-Image Turbo dalam 16 GB pada saiz penuh; pada 4-bit, model Flux 12B mengambil kira-kira 6.7 GB pemberat dan Qwen Image 20B kira-kira 11.5 GB.
- Lebih sedikit langkah bermaksud gambar lebih pantas: Flux Schnell dan FLUX.2 Klein 4B menggunakan 4 langkah dalam contoh pembuatnya, Z-Image Turbo 8 dan Qwen Image 50.
- Tiga cara menjalankannya: mflux (baris arahan, MLX), Draw Things (App Store) dan ComfyUI Desktop (aliran kerja nod).
- Semak lesen setiap model: Flux Schnell dan Z-Image Turbo menggunakan Apache 2.0, Flux Dev mempunyai lesen bukan komersial (Hugging Face).
1Model imej dan memori yang diperlukan
| Model | Parameter | Langkah | Pemberat pada 16-bit / 4-bit | Lesen |
|---|---|---|---|---|
| FLUX.2 Klein 4B | 4B | 4 | kira-kira 8 / 2.3 GB | Apache 2.0 |
| Z-Image Turbo | 6B | 8 | kira-kira 12 / 3.4 GB | Apache 2.0 |
| Flux Schnell | 12B | 4 | kira-kira 24 / 6.7 GB | Apache 2.0 |
| Flux Dev | 12B | Lebih banyak daripada Schnell | kira-kira 24 / 6.7 GB | Bukan komersial |
| Qwen Image | 20B | 50 | kira-kira 41 / 11.5 GB | Apache 2.0 |
Angka memori pembuatnya sendiri adalah untuk kad grafik pada saiz penuh: FLUX.2 Klein 4B berjalan dalam kira-kira 13 GB memori video dan Z-Image Turbo dalam 16 GB. GPU Mac boleh menggunakan kira-kira 75% memorinya secara lalai, dan alat seperti mflux memuatkan model pada 8-bit atau 4-bit, yang mengambil jauh lebih sedikit. Jadi pada Mac 16 GB, mulakan dengan FLUX.2 Klein 4B, Z-Image Turbo atau Flux Schnell pada 4-bit; pemberat Qwen Image sahaja mengambil kira-kira 11.5 GB pada 4-bit, jadi berikan ia 24 GB atau lebih.
2Apa yang menjadikannya pantas
Model imej memperhalusi gambar melalui beberapa langkah, dan setiap langkah ialah satu laluan penuh melalui model. Model 4 langkah seperti Flux Schnell atau FLUX.2 Klein 4B menghasilkan gambar dalam satu perdua belas laluan Qwen Image pada 50 langkah contoh pembuatnya. Gambar lebih besar dan kepersisan lebih tinggi mengambil masa lebih lama.
Tidak seperti menulis teks, penjanaan imej kebanyakannya dihadkan oleh kuasa pengiraan GPU, jadi cip dengan lebih banyak teras GPU (Pro, Max, Ultra) lebih pantas untuknya. Generasi M5 Apple menambah pemecut neural pada setiap teras GPU untuk kerja seperti ini (Apple).
3Tiga cara menjalankannya
| Apa itu | Berjalan pada | Harga | |
|---|---|---|---|
| mflux | Penjanaan imej baris arahan dengan MLX Apple; FLUX, Z-Image, Qwen Image dan banyak lagi | Apple Silicon | Percuma, sumber terbuka |
| Draw Things | Aplikasi untuk iPhone, iPad dan Mac; tempatan dan luar talian, awan pilihan | macOS 12.4 atau lebih baharu | Percuma, pembelian dalam aplikasi |
| ComfyUI Desktop | Aliran kerja berasaskan nod; berjalan luar talian selepas persediaan | macOS 13 atau lebih baharu, M1 atau lebih baharu | Percuma, sumber terbuka |
Dengan mflux, contohnya (mflux):
uv tool install --upgrade mflux
mflux-generate-z-image-turbo \
--prompt "A puffin standing on a cliff" \
--width 1280 --height 500 \
--seed 42 --steps 9 -q 8-q 8 memuatkan model pada 8-bit, yang lebih kurang mengurangkan separuh memorinya berbanding kepersisan penuh. Larian pertama memuat turun model.
mflux, Draw Things dan ComfyUI Desktop masing-masing mempunyai halaman dalam AI App Store, di sebelah aplikasi imej dan video yang lain.
4Lesen dan model bergated
Model imej terbuka datang dengan lesen berbeza. Flux Schnell dan Z-Image Turbo menggunakan Apache 2.0; Flux Dev menggunakan lesen bukan komersial Black Forest Labs dan bergated: Hugging Face meminta anda menerimanya dan log masuk sebelum ia dimuat turun (FLUX.1 dev, FLUX.1 schnell, Z-Image Turbo). Baca lesen pada kad model sebelum menggunakan gambar secara komersial.
5Antara gambar
Mac yang menghasilkan imej sekali-sekala melahu hampir sepanjang hari. MLX Node boleh menggunakan masa itu untuk menjalankan kerja AI untuk MLX Network dalam had yang anda tetapkan dan memperoleh MLX Tokens; jedakannya apabila anda mahukan GPU untuk diri sendiri. Perolehan tidak dijamin: baca risiko.
6Soalan
- Bolehkah Mac dengan 16 GB menjana imej secara tempatan?
- Ya, pada kepersisan lebih rendah. FLUX.2 Klein 4B dan Z-Image Turbo adalah kecil (4B dan 6B parameter), dan pemberat Flux Schnell mengambil kira-kira 6.7 GB pada 4-bit. Alat seperti mflux memuatkan model pada 8-bit atau 4-bit, yang meninggalkan ruang dalam kira-kira 12 GB yang boleh digunakan GPU Mac 16 GB.
- Apakah model imej paling pantas pada Mac?
- Antara model dalam jadual, yang 4 langkah: Flux Schnell dan FLUX.2 Klein 4B, yang juga paling kecil. Kelajuan juga bergantung pada saiz gambar, kepersisan dan bilangan teras GPU.
- Adakah Stable Diffusion berjalan pada Mac?
- Ya: ComfyUI Desktop menjalankan aliran kerja Stable Diffusion pada Mac Apple Silicon (M1 atau lebih baharu), bersama keluarga lebih baharu seperti Flux. mflux memberi tumpuan kepada model lebih baharu yang disenaraikan di atas.
- Bolehkah saya menggunakan imej yang dijana secara tempatan untuk tujuan komersial?
- Ia bergantung pada lesen model, bukan pada tempat ia dijalankan. Flux Schnell dan Z-Image Turbo menggunakan Apache 2.0; lesen Flux Dev bukan komersial.
Sumber
- Hugging Facehuggingface.co
- FLUX.2 Klein 4Bhuggingface.co
- Z-Image Turbohuggingface.co
- Flux Schnell dan Devgithub.com
- Qwen Imagehuggingface.co
- Appleapple.com
- mfluxgithub.com
- Draw Thingsapps.apple.com
- ComfyUI Desktopdocs.comfy.org
- FLUX.1 schnellhuggingface.co