Mac mini M6のAI画像が3分20秒から2分20秒に、Qwen-Image 2.1を実測

Mac mini M6 32GBでQwen-Image 2.1（Qwenの画像生成モデル）を使い、同じ画像（1024×1024、25ステップ）を作ってみたところ、ComfyUIの標準設定は1枚3分20秒でした。画像モデルのファイルを1つbf16に替えるだけで約2分20秒に縮まり、ターミナルツールのmflux 4ビットは約2分で最速でした。この記事はYouTube動画の内容を、当チャンネルの測定と計算に分けて整理し直したものです。

結論から

• ComfyUIを使うなら、Load Diffusion Modelの欄のファイルだけをbf16に替えるのが最も簡単な改善です。3分20秒から約2分20秒（1.46倍、約63秒短縮）になりました。
• ターミナルが苦でなければ、mflux -q 4が約2分で最速でした。
• Draw Thingsは最も簡単ですが、32GBではメモリ圧力が99%まで上がり、ハングルの正確さも劣りました。
• ネットで出回っているfp32のヒント（--force-fp32）は15分以上たっても1枚も終わらず、VAEをCPUに回すヒント（--cpu-vae）は速くなりませんでした。
• ハングルの看板が必要なら、最速のZ-Image-Turbo（1分11秒）よりQwen-Imageです。Z-Imageは看板の文字「깃선제압 분식」を「깃선제암 본적」と書きました。

この記事の数字の種類

時間、メモリ、文字の正確さはすべて当チャンネルの測定です（Mac mini M6 32GB、2026-10-02）。メモリ別のおすすめは32GBの実測をもとにした計算で、16、24、48、64GBは測っていません。RTX 5090 1枚の6〜19秒は公開資料を引用した値で、当チャンネルでは測っておらず、設定によって異なります。

テスト条件

Mac mini M6 32GB 1台、1024×1024、25ステップ（Z-Imageは8ステップ）、CFG 1、euler/simpleです。プロンプトは夜の路地の軽食店で、縦の看板に「깃선제압 분식」、横の看板に「24시 국밥」を入れました。ほかのアプリは閉じ、シードを変えて何枚も作り、メモリ、スワップ、メモリ圧力を1秒間隔で記録しました。時間はモデルが載ったあとの1枚で、モデルの読み込みを含む最初の1枚は別に記載しています。ComfyUI 0.38.0、PyTorch 2.14.1（MPS）、mflux 0.20.0、MLX 0.32.3、App Store版のDraw Thingsを使いました。

モデルは2つです。9月20日に公開されたQwen-Image 2.1は、ComfyUIの公式セットだけで30日間に538万回ダウンロードされたと動画は伝えています。ただし非商用の研究・評価用ライセンス（Qwen Research License）のため、動画の画像は評価目的でのみ作りました。速い代替のZ-Image-Turboは8ステップで済み、商用利用ができるApache 2.0です。Macで動かす方法は、ComfyUI、Mac専用アプリのDraw Things、MLXで動くターミナルツールmfluxの3つで、計算はいずれもMacのGPUが担当します。

ComfyUI標準は1枚3分20秒

テンプレートでQwen-Image 2.1を選ぶと、標準セットはINT8に圧縮したファイルです。1枚3分20秒（200.1秒）で、最初の1枚はモデルを読み込むため3分38秒かかりました。メモリは最大27.7GBまで埋まり、スワップは5.0GB増え、メモリ圧力は76%まで上がりました。32GBのMacでこのモデルは動くものの、ぎりぎりです。

変えたのは1か所：bf16

画像モデルのファイルをINT8（7.26GB）からbf16（14.23GB）に替えました。ファイルは2倍になりましたが、1枚は2分16秒から2分36秒、中央値136.9秒（約2分20秒）と速くなりました。最大メモリは27.1GBと同程度で、スワップは2.0GBしか増えませんでした。動画は、INT8はファイルを小さくする代わりに計算のたびに元の数値へ戻す必要があり、MacのGPUではこの戻す時間がそのままコストになるように見える、と説明しています。この原因は分けて測っていない推定です。

変えた設定値は、ComfyUI公式のQwen-Image 2.1テンプレートで、Load Diffusion Modelのqwen_image_2.1_int8_convrot.safetensorsをqwen_image_2.1_bf16.safetensorsに替えたことだけで、テキストエンコーダーとVAEはそのままです。

mfluxとDraw Things

mflux（MLX）は元のモデルをダウンロードし、実行時に画像モデルだけを4ビットに縮める-q 4オプションで、1枚約2分（119.9秒、1ステップあたり4.76〜4.83秒）でした。8ビットの-q 8は約2分13秒とかえって遅く、テキストエンコーダーが元のままのため、MLXが記録した最大メモリはどちらも約30.7GBでした。Draw Thingsはアプリ内でQwen-Image 2.1の8ビット版をダウンロードし、クリックだけで完結して1枚約2分30秒（146〜160秒）でしたが、メモリ圧力が99%まで上がり、32GBでは最もぎりぎりでした。

1枚あたりの時間まとめ

Z-Imageの1分11秒はモデルもステップ数も異なるため、同じ行では比べません。

ネットのヒントを検証

fp32のヒントは、画像モデルだけで28GB以上に展開され、15分たっても1枚が終わらず、スワップが12GB増えました。32GBのMacではかえって止まってしまう設定です。VAEをCPUで動かすというヒントは、2枚がそれぞれ2分38秒と2分41秒（157.5秒、160.6秒）かかり、速くなりませんでした。メモリもほぼ同じでした。よく勧められるComfyUI-MLXノードは、公開されている性能値がFlux 1基準で、元のリポジトリが現在ダウンしているため測っていません。MPS高速化ノードも今回は測れませんでした。

ハングル看板の正確さ

「깃선제압 분식」6文字と「24시 국밥」5文字を、画像ごとに1文字ずつ数えました。Qwen-ImageはINT8でもbf16でも看板をほぼ正しく書き、間違えても「깃」を「킷」と書いた程度でした。Draw Thingsは縦の看板の最初の2文字を「갓셔」と、Z-Imageは「깃선제압 분식」を「깃선제암 본적」と書きました。速いほど間違えるのではなく、モデルとアプリが文字の正確さを分けており、方法ごとに1〜3枚ずつ数えた小さなサンプルです。

Macのメモリ別おすすめ（計算）

32GBの実測をもとにした計算で、ほかのメモリは測っていません。ルールは、ファイルの合計がメモリ×0.5以下なら余裕（○）、メモリ以下ならスワップ覚悟（△）、超えるとまるごとは入らない（×）で、0.5は32GBの実測から決めた基準です。

判定と限界

ComfyUIならbf16ファイル1つ、ターミナルが平気ならmflux 4ビット、クリックだけがよければDraw Things（32GBではぎりぎりでハングルは劣る）、fp32とVAE CPUのヒントは使わない、というのが動画のまとめです。商用の作業ならライセンスを先に確認してください。Qwen-Image 2.1は非商用、Z-Imageは商用利用ができます。

• ハングルの正確さは方法ごとに1〜3枚ずつ数えた小さなサンプルで、Draw Thingsはシードを固定できません。
• 時間はシードを変えて測った値で、画面を録画している間は少し長くかかります。メモリ別のおすすめは計算です。
• 基準日：測定2026-10-02、動画公開2026-10-03（動画公開日時点の値で、その後ツールのバージョンが変わっている可能性があります）。