m4 mac mini本地摆设ComfyUI,测试Flux-dev-GGUF的workflow模子10步出图,测 ...

m4 mac mini已经发布了一段时间，针对这个产品，更多的是关于性价比的讨论，如果抛开各种补贴岂论，价位上和从前发布的mini其实差别不大，真要论性价比，各种windows体系的mini主机的价格其实是吊打苹果的。
本次我们针对m4 mac mini的AI性能做个测试，使用现在泛用性最广的AI工作流软件:ComfyUI框架，基于MPS(fp16)模式进行测试。
Mac Os 本地摆设ComfyUI

首先确保本机已经安装好了基于arm架构的Python3.11，之所以使用Python3.11，是由于这个版本性能有一定的优化，又不会像最新的3.13由于版本过新，引发依赖装不上的问题。
Mac版本Python3.11安装包的下载地址:

1. https://python.org

复制代码

随后克隆官方项目:

1. git clone https://github.com/comfyanonymous/ComfyUI.git

复制代码

接着安装 MPS 版本的 torch

1. pip3 install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu

复制代码

然后安装依赖：

1. pip3 install -r requirements.txt

复制代码

依赖安装完毕后，需要升级一下SSL证书：

1. bash /Applications/Python*/Install\ Certificates.command

复制代码

接着安装 ComfyUI 的 Manager 项目，用来安装各种节点：

1. cd custom_nodes  
2. git clone https://github.com/ltdrdata/ComfyUI-Manager.git

复制代码

至此ComfyUI项目就摆设好了。
Flux-dev-GGUF模子下载

下载需要的flux-dev模子，由于官方的模子体积太大(23G)，这里我们下载GGUF的量化版本:

1. https://pan.quark.cn/s/2907b57697fe

复制代码

模子名称分别是:flux1-dev-Q4_1.gguf和t5-v1_1-xxl-encoder-Q5_K_M.gguf，将其分别放到models的UNET目录和clip目录。
随后，回到项目的根目录，输入命令，启动ComfyUI服务：

1. python3 main.py --force-fp16

复制代码

这里强制使用fp16精度用来提拔性能。
步伐返回:

1. liuyue@mini ComfyUI % python3 main.py --force-fp16
2.   [START] Security scan  [DONE] Security scan  ## ComfyUI-Manager: installing dependencies done.  ** ComfyUI startup time: 2024-12-08 23:04:08.464703  ** Platform: Darwin  ** Python version: 3.11.9 (v3.11.9:de54cf5be3, Apr  2 2024, 07:12:50) [Clang 13.0.0 (clang-1300.0.29.30)]  ** Python executable: /Library/Frameworks/Python.framework/Versions/3.11/bin/python3  ** ComfyUI Path: /Volumes/ssd/work/ComfyUI  ** Log path: /Volumes/ssd/work/ComfyUI/comfyui.log    Prestartup times for custom nodes:     0.7 seconds: /Volumes/ssd/work/ComfyUI/custom_nodes/ComfyUI-Manager    Total VRAM 24576 MB, total RAM 24576 MB  pytorch version: 2.5.1  Forcing FP16.  Set vram state to: SHARED  Device: mps  Using sub quadratic optimization for cross attention, if you have memory or speed issues try using: --use-split-cross-attention  [Prompt Server] web root: /Volumes/ssd/work/ComfyUI/web  ### Loading: ComfyUI-Manager (V2.51.9)  ### ComfyUI Revision: 2859 [b4526d3f] | Released on '2024-11-24'  [ComfyUI-Manager] default cache updated: https://raw.githubusercontent.com/ltdrdata/ComfyUI-Manager/main/alter-list.json  [ComfyUI-Manager] default cache updated: https://raw.githubusercontent.com/ltdrdata/ComfyUI-Manager/main/model-list.json  [ComfyUI-Manager] default cache updated: https://raw.githubusercontent.com/ltdrdata/ComfyUI-Manager/main/github-stats.json  [ComfyUI-Manager] default cache updated: https://raw.githubusercontent.com/ltdrdata/ComfyUI-Manager/main/custom-node-list.json  Torch version 2.5.1 has not been tested with coremltools. You may run into unexpected errors. Torch 2.4.0 is the most recent version that has been tested.  [ComfyUI-Manager] default cache updated: https://raw.githubusercontent.com/ltdrdata/ComfyUI-Manager/main/extension-node-map.json    Import times for custom nodes:     0.0 seconds: /Volumes/ssd/work/ComfyUI/custom_nodes/websocket_image_save.py     0.0 seconds: /Volumes/ssd/work/ComfyUI/custom_nodes/ComfyUI-GGUF     0.1 seconds: /Volumes/ssd/work/ComfyUI/custom_nodes/ComfyUI-Manager     2.2 seconds: /Volumes/ssd/work/ComfyUI/custom_nodes/ComfyUI-MLX    Starting server    To see the GUI go to: http://127.0.0.1:8188

复制代码

代表摆设成功，访问：http://127.0.0.1:8188

测试Flux-dev-GGUF工作流

下载基于GGUF的工作流：

1. https://promptingpixels.com/flux-gguf/

复制代码

导入工作流后，输入提示词:

1. a super sexy gal holding a sign that says "ComfyUI Mac"

复制代码

意思是性感女子举着一个牌子，上面写着 ComfyUI Mac
此时，可以直接实行工作流，步伐返回：

1. ggml_sd_loader:  
2. 13                            144  
3. 0                              50  
4. 14                             25  
5. Requested to load FluxClipModel_  
6. Loading 1 new model  
7. loaded completely 0.0 323.94775390625 True  
8. Requested to load FluxClipModel_  
9. Loading 1 new model  
10.   
11. ggml_sd_loader:  
12. 1                             476  
13. 3                             304  
14. model weight dtype torch.bfloat16, manual cast: None  
15. model_type FLUX  
16. Requested to load Flux  
17. Loading 1 new model  
18. loaded completely 0.0 7181.8848876953125 True  
19. 20%|██████████████████▌                                                                          | 2/10 [01:04<04:18, 32.27s/it]

复制代码

每秒的迭代稳定在30次左右，一张图大概需要3-5分钟左右。
笔者的 m4 mac mini 的配置是丐版升级到24G内存，在出图的过程中，通过活动监督器可知，内存没有被占满：

可以看到，只使用了21G的内存，有网友使用纯丐版16G内存的mini进行测试，16g内存现实刨除体系占用，空闲最多也就10g，超出的部门只能跑SSD的虚拟内存，导致GPU跑不满，所以丐版16G内存是有大概导致出图的效率低落。
末了是10步迭代的出图效果：

可以看到，精度没有下降太多，主要问题还是出图速度太慢。
结语

m4 mac mini的AI生态另有很大的提拔空间，发起AI从业者慎重购买，如果一定要买，也需要避开16G内存的版本，由于如果模子体积过大，16G内存中真正能使用的其实只有10G内存，有大概会导致模子推理效率低落，当然，我们也不能忽视m4 mac mini推理模子的优点，那就是能耗小相对省电，并且使用时的声音很小，不像N卡设备动不动就山呼海啸。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。