企业官网建设流程全解析

Mac本地跑FLUX.2文生图：3步导出coreai-models扩散模型到diffusion-runner完全指南

【免费下载链接】coreai-modelsModel export recipes, Python primitives, and Swift runtime utilities for on-device AI项目地址: https://gitcode.com/gh_mirrors/co/coreai-models

想在 Mac 上本地生成 AI 图片，不用云端、不传隐私数据？coreai-models 正是为此而生：它提供模型导出配方、Python 原语和 Swift 运行时工具，帮你把 FLUX.2 等开源扩散模型导出为 Core AI 格式，直接在 Apple 芯片上跑文生图。本文手把手带新手走完"环境准备 → 模型导出 → 命令行出图"全流程。

coreai-models 是什么？Mac 能跑 FLUX.2 吗？

coreai-models 围绕三块能力构建，详见 README.md：

• 模型导出：把 Hugging Face 上的开源模型转换为 Core AI 的.aimodel格式
• Python 原语：用 PyTorch 编写自定义 Core AI 模型的构建块
• Swift 运行时：基于 Core AI 框架的运行时工具，含命令行出图工具diffusion-runner

FLUX.2（Klein 4B，40 亿参数）已在支持列表中，macOS 和 iOS 均可运行，详见 models/flux2/README.md：

💡 原理上，导出后的模型由多个组件按顺序协作：文本编码 → 噪声生成 → 去噪循环（flow-match Euler）→ VAE 解码出图，整条流水线实现在 FlowTransformerPipeline+Flux2.swift。

环境准备：一键安装检查清单

开始之前，确认你的 Mac 满足以下要求：

安装 uv 只需一条命令：

brew install uv

克隆仓库：

git clone https://gitcode.com/gh_mirrors/co/coreai-models cd coreai-models

第一步：导出 FLUX.2 到 .aimodel 格式

FLUX.2 的导出由 CLI 工具coreai.diffusion.export完成，源码在 python/src/coreai_models/diffusion/export.py。macOS 平台一条命令即可：

uv run coreai.diffusion.export flux2-klein-4b --platform macOS

这条命令背后自动做了几件聪明事（注册表预设见 model_registry.py）：

• 分辨率：macOS 默认 1024×1024
• 压缩：默认4bit权重量化，float16计算精度——体积和质量平衡的最佳起点
• 组件：导出 transformer、text_encoder、vae_decoder、vae_encoder 及半分辨率 VAE，出图与图生图都覆盖
• 输出位置：默认写入仓库根目录的exports/

导出前先"预演"：--dry-run

不确定会导出什么？加个--dry-run只打印解析后的配置，不实际导出：

uv run coreai.diffusion.export flux2-klein-4b --dry-run

想换压缩方案？

FLUX.2 支持的压缩预设（none/4bit/4bit-asym/8bit，定义见 presets.py）：

# 全精度（不压缩，体积最大、速度最慢） uv run coreai.diffusion.export flux2-klein-4b --compression none

⚠️ 注意：VAE 解码器永远不会被量化，保证出图精度。

第二步：理解 Transformer 打包方式（新手必看）

FLUX.2 的 transformer 有两种导出方式，这是新手最容易困惑的地方：

macOS 桌面内存充足，直接用默认方式即可，不需要额外参数。只有 iOS 设备内存紧张时才会强制单函数模式（--platform iOS会自动处理）。

第三步：用 diffusion-runner 命令行出图 🎨

导出完成后，仓库自带 CLI 工具直接出图，源码在 swift/Sources/Tools/diffusion-runner/DiffusionRunnerMain.swift：

swift run -c release diffusion-runner \ --model exports/flux2-klein-4b \ --prompt "a photo of a cat" \ --steps 4 \ --guidance-scale 1.0

运行后终端会逐步打印去噪进度（Step 1/4…），完成后默认保存为output.png，并告诉你耗时。首次编译稍慢（release 模式），之后秒级启动。

参数调优速查表

💡 工具默认开启lazyModelLoading：各组件按需加载、用完即卸载，有效压低峰值内存。

顺手体验图生图

swift run -c release diffusion-runner \ --model exports/flux2-klein-4b \ --prompt "a cat wearing a hat" \ --input-image cat.png \ --reference-grid half \ --steps 4 --guidance-scale 1.0

--reference-grid控制参考图的细节保留程度：full（1:1，最多 token，最贴合）→half→quarter（最轻量、引导最粗）。

常见问题排查

• diffusion-runner报"无法确定 pipeline 类型"：说明模型目录缺metadata.json，请用coreai.diffusion.export重新导出
• 内存不足：换--decode-resolution tiled，或导出时选--single-function降低峰值内存
• 出图慢：优先减少--steps，其次用 4bit 压缩导出
• 想只导出部分组件：如--components transformer text_encoder，省磁盘空间

结语：从零到出图只需三条命令

回顾一下完整路径：装好 uv 和 Xcode →coreai.diffusion.export一键导出 →diffusion-runner命令行出图。coreai-models 让 FLUX.2 这类大模型不再依赖云端，隐私数据和算力都留在你的 Mac 上。更多扩散模型（如 Sana Sprint）与完整模型目录，可继续查阅 models/README.md。

【免费下载链接】coreai-modelsModel export recipes, Python primitives, and Swift runtime utilities for on-device AI项目地址: https://gitcode.com/gh_mirrors/co/coreai-models