Draw Things for Mac 深度设置指南：榨干 Apple Silicon 的 AI 绘图潜力
Draw Things for Mac 深度设置指南：榨干 Apple Silicon 的 AI 绘图潜力
Draw Things 是目前 macOS 平台上最强大的本地 Stable Diffusion 客户端之一。它充分利用了 Apple Silicon (M1/M2/M3 系列) 的 Metal 图形架构、统一内存架构 (Unified Memory) 以及神经网络引擎 (Neural Engine)。
设置选项，结合软件机制与硬件特性，以下是对关键参数的深度解析与优化建议。
一、 计算资源分配 (Server Offload) 本地/云端进行计算
核心逻辑： 决定“谁来干活”。
This Device (xbook): 勾选本地设备/ Free（免费版） /Drathings订阅版。
本地设备名： 这意味着所有的 AI 计算（生成图像）都在你的 Mac 本地进行。
硬件建议： 对于 M1/M2/M3 芯片，本地运行通常比免费的云端服务更快且隐私性更好。只要你的内存（RAM）足够（推荐 16GB 及以上跑 SDXL，8GB 跑 SD 1.5），本地运行是最佳选择。
Cloud Compute (Free / Draw Things+):
这是云端算力。如果你的 Mac 配置较低（如 8GB 内存跑 SDXL 爆显存），或者你需要极高速度的生成，可以考虑开启。但在本地硬件足够的情况下，关闭它可以节省订阅费用并保护隐私。
二、 核心性能与加速 (Performance & Acceleration)
Screenshot
这是 Draw Things 的精髓所在，直接决定了出图速度和显存占用。
1. Metal Flash Attention
当前设置： Automatic (Yes, Prefer Quantized Attention)
深度解析： 这是最重要的设置之一。 Flash Attention 是一种优化的注意力机制算法，能显著降低显存（VRAM）占用并提高计算速度。
Prefer Quantized Attention: 对于量化模型（如 4-bit, 8-bit 模型），使用量化的 Flash Attention 效率极高。
建议： 保持默认。这能帮你在使用 SDXL 等大图模型时，避免 \”Out of Memory\” 错误。
2. Use Apple Neural Engine (ANE) for 8-bit S Models
当前设置： Yes
深度解析： Apple Silicon 芯片除了 CPU 和 GPU，还有一个专门跑 AI 的 NPU (Neural Engine)。
原理： 对于 8-bit 量化的 Stable Diffusion 模型，ANE 的处理效率极高，且几乎不占用 GPU 资源，甚至可以在后台运行而不影响你打游戏或看视频。
建议： 强烈推荐开启。 这是 Mac 端跑图的“物理外挂”。
3. CoreML 设置 (SD 1.5)
当前设置：
Use CoreML for SD 1.5 If Possible: Automatic (No)
Use CoreML w/ LoRA for SD 1.5: Automatic (No)
深度解析： CoreML 是苹果原生的机器学习框架。
优势： 速度极快（通常比 Metal 快 2-3 倍），功耗极低。
劣势： 模型需要专门转换（.mlmodel 格式），且对新出的社区模型（尤其是带复杂 LoRA 的）支持不如 Metal 原生好，兼容性有时会有问题。
设置分析： 你选择了 No，说明你更倾向于使用通用的 Metal 后端。这通常是为了兼容性。如果你发现出图报错，或者想用最新的 Civitai 模型，选 No 是稳妥的。如果你追求极致速度且只用基础 SD 1.5 模型，可以尝试改为 Yes。
Apple Neural Engine (ANE) 一直是 Apple 设备上用于本地推理的有趣硬件，在 Draw Things 1.20260410.1 版本中，为 M3 和 M4 设备上的 8 位 S 模型添加了 Apple 神经网络引擎支持。在 M4 上，速度提升最高可达 1.8 倍。在 M3、M4 和 M5 上，还能降低能耗并降低运行温度。关键变化在于 CoreML 不再负责端到端推理。相反，其用作运行时内部特定操作的加速器。
数据来源：作者liuliu的X页面
8 bit S模型 是用于 int8 权重的格式，其中包含按行缩放的因子。在 ANE 架构中，int8 矩阵乘法也是唯一能够接近所宣称的 38 TFLOPs 吞吐量的途径，从而使该架构具有价值。换句话说，macOS 26 / iOS 26 中对直接 int8 交接的支持使得调用模型切实可行，而 int8 矩阵乘法的性能则使其值得采用。
三、 模型管理与内存优化 (Model Management)
1. Keep Model in Memory for SD 1.5 & SDXL
当前设置： Automatic (Preload)
深度解析： 决定是否将模型权重一直留在内存中。
Preload (预加载): 模型启动时加载，生成完不卸载。
优点： 连续出图速度极快，不需要反复读取硬盘。
缺点： 极度吃内存。
硬件建议：
16GB/24GB/32GB+ 内存： 保持 Preload，体验丝滑。
8GB 内存： 建议改为 Automatic (Unload) 或手动卸载，否则开一个 SDXL 模型，系统就会开始使用 Swap (虚拟内存)，导致电脑卡顿甚至彩虹球。
2. Merge LoRA
当前设置： Not for Quantized Models
深度解析： LoRA 是微调模型。通常 LoRA 是动态加载的。
原理： 这个选项决定是否在生成前把 LoRA 合并进主模型权重里。
为什么选 Not for Quantized: 量化模型（4-bit/8-bit）精度较低，直接合并 LoRA 可能会导致精度进一步丢失或计算错误。保持分离加载（On-the-fly）是更安全、兼容性更好的做法。
3. Weights Cache Size
当前设置： Disabled
深度解析： 缓存权重文件以加快下次加载。
建议： 如果你的硬盘空间紧张（SD 模型很大），可以 Disabled。如果硬盘充裕，开启它可以减少模型切换时的等待时间。
四、 界面与体验 (UI & UX)
1. Show Generation Time
当前设置： Enable (开)
解析： 显示每张图花了多少秒。这是衡量硬件性能和调试参数（如 Steps, CFG）的重要指标，建议开启。
2. Use High Resolution Preview When Possible
当前设置： Enable (开)
解析： 在生成过程中提供高质量的预览图，而不是模糊的缩略图。
代价： 会轻微增加计算负担，但在现代 Mac 上几乎可以忽略不计。开启后体验更好。
3. Lightning Draft
当前设置： Automatic (No)
解析： 这是一个类似 SDXL Lightning 的快速生成模式。
原理： 用极少的步数（如 1-4 步）生成图像。
建议： 目前 SDXL Lightning 技术还在演进，设为 Automatic (No) 意味着默认不强制使用，保持标准生成的稳定性。如果你需要快速出草图，可以手动开启。
五、 其他高级设置
截图对应： 第二张图 (Video), 第四张图 (Privacy, Temporary)
1. Video Export Format: ProRes4444
解析： 你选择了苹果专业的高画质视频格式。
场景： 这说明你可能在使用 Draw Things 生成 AI 视频 (Deforum/AnimateDiff)。ProRes 4444 支持 Alpha 通道（透明背景）且画质无损，非常适合后期剪辑，但文件体积巨大。确保你的硬盘空间充足。
2. Temporary Directory: Cleanup
解析： 自动清理临时文件。AI 绘图会产生大量缓存（Latents, 中间步骤图），开启自动清理可以防止硬盘被瞬间塞满。
3. Privacy Pass: Enable (关)
解析： 这是一个匿名访问网络的凭证（类似于 Cloudflare 的隐私通行）。如果你不需要访问某些受保护的外部资源，关闭即可，能减少网络验证的延迟。
总结：针对你的配置 (xbook) 的优化建议
从截图来看，你的设置偏向于稳定、兼容和高质量，而不是极致的速度（因为你关掉了 CoreML 和预加载的强制项，虽然 Preload 是开的）。
建议：
1. 内存监控： 如开了 Keep Model in Memory (Preload)，请密切观察 Mac 的“活动监视器”。如果是 8GB 内存机器，跑 SDXL 时请务必把这个改成 Unload。
2. CoreML 尝试： 如果主要玩 SD 1.5 且觉得速度慢，试着把 Use CoreML for SD 1.5 改为 Yes。速度会有质的飞跃。
3. Flash Attention 保持开启： 你的 Prefer Quantized Attention 设置非常棒，这是利用 Apple Silicon 算力的关键。
4. LoRA 策略： Not for Quantized Models 的设置很理智，避免了很多玄学报错。
京公网安备 
工信部备