在你的 Mac 上生成圖片。

1影像模型與所需記憶體

模型作者提供的記憶體數據是針對完整尺寸的顯示卡：FLUX.2 Klein 4B 約需 13 GB 顯示記憶體，Z-Image Turbo 需 16 GB。Mac 的 GPU 預設約可使用 75% 的記憶體，而 mflux 等工具會以 8-bit 或 4-bit 載入模型，占用少得多。所以在 16 GB 的 Mac 上，可以先從 FLUX.2 Klein 4B、Z-Image Turbo 或 4-bit 的 Flux Schnell 開始；光是 Qwen Image 的權重在 4-bit 下就約 11.5 GB，最好給它 24 GB 或更多。

2什麼決定速度

影像模型會經過一定步數逐步修飾圖片，每一步都要完整跑一遍模型。Flux Schnell 或 FLUX.2 Klein 4B 這類 4 步模型，出一張圖所需的運算次數只有 Qwen Image 依作者範例跑 50 步的十二分之一。圖片越大、精度越高，花的時間越長。

和產生文字不同，生成圖片主要受限於 GPU 的運算能力，所以 GPU 核心越多的晶片（Pro、Max、Ultra）越快。Apple 的 M5 世代在每個 GPU 核心中加入了神經網路加速器，專門處理這類工作（Apple）。

3三種執行方式

以 mflux 為例（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 以 8-bit 載入模型，記憶體約為完整精度的一半。第一次執行時會下載模型。

mflux、Draw Things 和 ComfyUI Desktop 在 AI App Store 中都有自己的項目，與其他圖像和影片 App 並列。

4授權與需申請存取的模型

開放影像模型的授權各不相同。Flux Schnell 和 Z-Image Turbo 採用 Apache 2.0；Flux Dev 採用 Black Forest Labs 的非商業授權，而且需要申請存取：Hugging Face 會要求你接受授權並登入後才能下載（FLUX.1 dev、FLUX.1 schnell、Z-Image Turbo）。商業使用圖片前，請先閱讀模型卡上的授權。

5出圖之間的空檔

偶爾才生成圖片的 Mac，一天大部分時間都在閒置。MLX Node 可以利用這些時間，在你設定的限制內為 MLX Network 執行 AI 工作並賺取 MLX 代幣；你需要 GPU 時就暫停它。收益沒有保證：請閱讀風險揭露。

6常見問題

16 GB 的 Mac 能在本機生成圖片嗎？

可以，但要降低精度。FLUX.2 Klein 4B 和 Z-Image Turbo 都很小（4B 和 6B 參數），Flux Schnell 的權重在 4-bit 下約 6.7 GB。mflux 等工具會以 8-bit 或 4-bit 載入模型，在 16 GB Mac 的 GPU 可用的約 12 GB 裡留出空間。

Mac 上最快的影像模型是哪個？

在上表的模型中，是 4 步的模型：Flux Schnell 和 FLUX.2 Klein 4B，後者也是最小的。速度也取決於圖片大小、精度和 GPU 核心數。

Mac 能跑 Stable Diffusion 嗎？

可以：ComfyUI Desktop 能在 Apple 晶片的 Mac（M1 或更新）上執行 Stable Diffusion 工作流程，也支援 Flux 等較新的模型家族。mflux 則專注於上面列出的較新模型。

本機生成的圖片可以商業使用嗎？

這取決於模型的授權，與在哪裡執行無關。Flux Schnell 和 Z-Image Turbo 採用 Apache 2.0；Flux Dev 為非商業授權。