Mac 本地图像生成模型实测：ERNIE 与 FLUX 对比

在 Mac Studio 上运行本地图像生成模型，ERNIE-Image Turbo 以 4.28 分（满分 5 分）的成绩领先 FLUX.2 klein 4B 的 3.07 分。本文基于六模型、六提示词、48 张图像的盲测数据，给出可直接复现的选型建议与许可提醒。

测试设计：六款模型、六组提示词、盲评打分

测试在 Mac Studio（Apple M3 Ultra，96 GB 内存）上完成，使用 mflux 0.19.1、8-bit 量化权重，统一跑 1600x896 分辨率。耗时统计包含从 SSD 加载权重的时间，因为这才是你敲下命令后真正要等的时间。评分来自两位 AI 裁判（Claude Opus 与 Claude Sonnet 独立运行），在不知道图像来源模型的情况下，从四个维度按 0-5 分打分，取平均。ERNIE-Image Turbo 和 FLUX.2 klein 各跑两个随机种子，便于观察单次抽卡对结果的影响。

提示词覆盖了实际工作中常见的需求：场景跟随、文字拼写、照片写实、图表、构图光影、计数。所有模型都提交了种子 11 的结果，裁判收到的是随机命名、去除元数据的纯 PNG 文件，事后才揭盲。

mflux 是 Apple MLX 框架下的图像生成工具集，专门针对 Apple Silicon 的统一内存架构做了优化。MLX 是 Apple 为 M 系列芯片开发的数组计算框架，类似 PyTorch 但直接调用 Metal 和统一内存，避免 CPU-GPU 之间的显式拷贝。mflux 在其之上实现了 FLUX、ERNIE 等扩散模型的推理管线，并提供命令行工具（如 mflux-generate-flux2）。8-bit 量化意味着模型权重被压缩为每参数 8 位整数，相比 16 位可减少约一半内存占用，但通常会有轻微质量损失；4-bit 进一步压缩，质量损失更明显但也可能因减少内存带宽压力而提升速度。

综合排名：ERNIE-Image Turbo 领先，FLUX.2 klein 最快

从总分看，ERNIE-Image Turbo 在 12 张图像上平均 4.28 分，种子 11 单轮 4.40 分。ERNIE-Image 基础版 4.02 分，Qwen-Image-2512 为 3.83 分，FLUX.2 klein 4B 仅 3.07 分。ERNIE-Image Turbo 在六个提示词中的五个拿到了最高分（单独或并列）。

速度方面，FLUX.2 klein 中位耗时 22 秒，是 ERNIE-Image Turbo 80 秒的 3.6 倍速。Boogu 55 秒，Z-Image Turbo 74.5 秒。但速度最快的模型得分仅 3.35，慢模型也没有换来更高画质——ERNIE-Image 基础版耗时 813 秒，反而比其蒸馏版 Turbo 低了 0.38 分。

内存占用不能只看模型参数量。ERNIE-Image Turbo 的 MLX 峰值内存 22.5 GB，FLUX.2 klein 21.65 GB，而参数量更小的 Z-Image Turbo（6B 对 8B）峰值却达到 34.48 GB。如果你在判断 32 GB Mac 能否运行某个模型，应参考 macOS 的 peak memory footprint（ERNIE-Image Turbo 为 39.0 GB），而不是 RSS——RSS 在测试中仅报告 5.1 GB，严重低估了 MLX 的实际分配。

RSS（Resident Set Size）与 macOS 峰值内存足迹（peak memory footprint）的区别：RSS 只统计进程在主内存中当前驻留的物理页，不包括已被换出到交换区或 GPU 统一内存中由 Metal 驱动的分配。MLX 在 Apple Silicon 上大量使用统一内存，这些分配可能不体现在 RSS 中。macOS 峰值内存足迹则记录了进程从启动到结束期间所有物理内存（包括 GPU 和神经引擎）的最高瞬时用量，因此更接近实际压力。当你判断 32 GB Mac 能否运行某个模型时，应查看“峰值足迹”而非 RSS，否则可能严重低估真实内存需求。

分场景表现：计数与文字是分水岭

计数能力：只有 ERNIE 和 Qwen 画对五个苹果

在“五个苹果加两个梨”的提示词中，只有 ERNIE-Image Turbo 两个种子和 ERNIE-Image 基础版同时画对了数量和位置，均得 4.75 分。Qwen-Image-2512 也数对了，但构图拥挤。FLUX.2 klein 两个种子都只画了四个苹果，Boogu 画成竖排四个，Z-Image 画了七个苹果和三个梨。计数是这些模型最薄弱的环节，如果你的提示词包含数字，这项测试的权重应高于其他所有测试。

文字拼写：FLUX.2 klein 两个种子都拼错

在“OPEN SOURCE SALE”三词横幅测试中，FLUX.2 klein 种子 11 拼成“OPEN SPOOE”，种子 42 拼成“OOPEN SOURSCE SAL”，还额外生成了乱码招牌。另外五款模型都拼对了横幅，得分差异集中在细节：ERNIE-Image 基础版画面最干净（4.38），ERNIE-Image Turbo 种子 11 并列 4.38 但把 2.99 价签画了两遍，Qwen-Image-2512 在两行圆体字上拼写全对（4.12）。

照片写实：所有模型都画不出合理的键盘

八张键盘产品图中，裁判 A 认为七张的键位布局不可能存在——空格键位置错误、按键行混乱、键帽上是假字母。ERNIE-Image Turbo 种子 11 和 Boogu 以 3.75 分并列最高。FLUX.2 klein 的两张获得“最佳光线、最差键盘”的评价。如果你需要真实物体的产品图，相机拍摄仍然更可靠。

图表：FLUX.2 klein 唯一一次拿到最高分

在 PLAN、BUILD、SHIP 三框流程图测试中，FLUX.2 klein 种子 11 以 4.75 分夺冠，颜色完全按要求匹配，仅火箭图标略有模糊。但它的种子 42 版本只有 4.00 分，扳手图标融化。八张图都拼对了三个词，说明短标签对所有模型都不难。

构图光影：风暴中的灯塔是送分题

这组得分集中在 3.88 到 4.75 之间。ERNIE 两个版本都是 4.75 分。FLUX.2 klein 两个种子都把灯塔画得太小，撑不起画面（4.00 和 3.88）。

许可陷阱：4B 与 9B 分属不同协议

测试的六款模型均为 Apache-2.0（其中三款的 Hugging Face 仓库没有 LICENSE 文件，仅卡片上有 license 字段）。真正的陷阱在未运行的模型上。

FLUX.2 klein 4B 是 Apache-2.0，可以商用。但它的兄弟版本 FLUX.2 klein 9B 和 FLUX.2 dev 使用 FLUX 非商业许可，条款内部甚至存在矛盾：第 2.d 节允许将输出用于任何目的（包括商业），第 4.a 节又禁止将模型产生的数据用于商业或生产用途。对于公司博客这类场景，没有 Black Forest Labs 的单独授权就是不行的。

Qwen 的两个图像模型容易混淆。Qwen-Image-2512 是 Apache-2.0，可商用；Qwen-Image 2.1 使用 Qwen 研究许可，明确写着“FOR NON-COMMERCIAL PURPOSES ONLY”，商用需要单独联系。Ideogram 4 的免费权重附带非商业协议，但其官网 FAQ 却说输出可以商用，两者存在冲突。Krea 2 仅在公司年收入低于 100 万美元时允许商用，FLUX 3 Image Klein 的门槛是 500 万美元。

一些流行文章在这一点上出错。AI Weekly 称 Krea 2 对“50 席位以下的团队免费”，但许可中根本没有席位限制，唯一门槛是收入线。Pixazo 说 FLUX.2 klein 需要商用授权，这对 9B 成立，对 4B 不成立。另一个指南则把 9B 标为 Apache-2.0，与其仓库中的非商业许可不符。

Apache-2.0 是宽松的开源许可证，允许使用者自由商用、修改和再分发，只需保留版权声明和许可文本，且不要求衍生作品采用相同许可。非商业许可（如 FLUX Non-Commercial License）则禁止将模型或其输出用于商业目的，通常还限制生产环境使用。同一模型家族中不同参数量版本可能采用不同许可，原因可能是训练数据来源差异、合作伙伴要求或商业策略。例如 FLUX.2 klein 4B 采用 Apache-2.0，而其 9B 版本使用 FLUX 非商业许可，两者在 Hugging Face 上的 LICENSE 文件不同。下载模型前务必查看对应仓库的 LICENSE 文件，而非仅看模型卡片摘要。

实操建议：怎么在你的 Mac 上跑起来

安装 mflux 并指定测试版本：

uv tool install mflux==0.19.1

将 Hugging Face 缓存指向大容量磁盘——ERNIE-Image Turbo 的缓存约 22 GB，Qwen-Image-2512 约 54 GB：

export HF_HOME=/Volumes/your-big-disk/huggingface

用 ERNIE-Image Turbo 生成一张招牌测试图：

mflux-generate-ernie-image-turbo --steps 8 -q 8 --seed 11 --width 1600 --height 896 --metadata \
  --prompt "Street photograph of a small corner shop front in daylight. A large red banner above the window reads OPEN SOURCE SALE in white block capitals, and a yellow price tag in the window reads 2.99. No people, no other text." \
  --output sale-ernie.png

然后用同一提示词跑 FLUX.2 klein 4B 做对比：

mflux-generate-flux2 --model flux2-klein-4b --steps 6 -q 8 --seed 11 --width 1600 --height 896 --metadata \
  --prompt "Street photograph of a small corner shop front in daylight. A large red banner above the window reads OPEN SOURCE SALE in white block capitals, and a yellow price tag in the window reads 2.99. No people, no other text." \
  --output sale-flux.png

在 96 GB Mac 上，ERNIE-Image Turbo 8-bit 1600x896 峰值 MLX 内存 22.5 GB，macOS 峰值足迹 39.0 GB。4-bit 1024x1024 可将足迹降至 27 GB，且计数能力没有损失。FLUX.2 klein 4-bit 的内存占用与 8-bit 相同，原因尚不明确。

结论：速度与质量的权衡

ERNIE-Image Turbo 是 Mac 本地图像生成在质量和速度之间最平衡的选择。如果你需要快速草稿，FLUX.2 klein 4B 的 22 秒仍然很有价值。但不要因为“开源”二字就默认所有版本都可商用——同一家族的 4B 和 9B 可能分属不同许可。在发布任何内容之前，读一遍你实际下载的那个检查点的许可文件。

单一种子和单一提示词无法构成可靠排名。如果你的工作以产品图为主，建议用自己的十组提示词重新跑一遍。