Herramientas de IA
IA localPrincipiante

Draw Things

Generación de imágenes totalmente local y sin conexión: inferencia de imágenes 100 % privada usando únicamente el Neural Engine y la GPU del dispositivo Apple, sin depender de servidores cloud ni transferir datos.

  • Generación de imágenes totalmente local y sin conexión: inferencia de imágenes 100 % privada usando únicamente el Neural Engine y la GPU del dispositivo Apple, sin depender de servidores cloud ni transferir datos.
  • Optimización de hardware Metal y MPS: rediseño de las capas de aceleración Metal API y MPS (Metal Performance Shaders) a nivel de motor para aprovechar al máximo Apple Silicon en macOS e iOS.
  • Compatibilidad integrada con modelos abiertos de alto rendimiento: ejecución inmediata de los principales modelos de difusión, como Stable Diffusion 1.5/2.1, SDXL, Flux.1 (Schnell/Dev), Hunyuan DiT y SD 3.5, mediante el descargador integrado o la importación manual de archivos locales (.safetensors).
  • Interfaz avanzada de control de generación: incluye ControlNet, fusión de múltiples pesos LoRA y ajuste de parámetros en tiempo real, además de entornos de edición Inpainting, Outpainting y Real-Time Canvas.
  • Implementación de Metal FlashAttention v2: incorpora una estructura FlashAttention v2 basada en Metal que reduce drásticamente el cuello de botella de transferencia de memoria y genera resultados aproximadamente un 20-40 % más rápido que otros ejecutores open source en el mismo hardware.
  • Optimización inteligente de intercambio y cuantización de memoria: integra el empaquetado y mapeo automático de modelos cuantizados eficientes como Q4_K y Q6_K, permitiendo ejecutar modelos grandes como Flux.1 incluso en equipos de entrada con 8/16 GB de memoria unificada.

💻 Requisitos del sistema

🧠RAM

Memoria unificada compartida en Mac con Apple Silicon (no requiere VRAM dedicada, pero se recomienda asignar al menos 8 GB)

💾Almacenamiento

La aplicación ocupa aproximadamente 100 MB; se recomiendan al menos 20-50 GB de almacenamiento para los modelos de difusión locales.

Instalación

4-1. Inicio rápido

Draw Things puede instalarse con un clic desde la Mac App Store, sin introducir comandos complejos en el terminal ni instalar bibliotecas de dependencias.

Abrir la página de instalación de Draw Things en la Mac App Store

open "macappstores://apps.apple.com/app/draw-things-offline-ai-art/id6444050820"

4-2. Instalación detallada

1. En macOS, abrir Safari u otro navegador y acceder al enlace de descarga de la App Store. https://apps.apple.com/app/draw-things-offline-ai-art/id6444050820 2. Hacer clic en «Obtener (Get)» para instalar la aplicación nativa en el dispositivo. 3. Tras la instalación, iniciar la aplicación; se cargará automáticamente Stable Diffusion 1.5 o unos pesos ligeros. 4. Proceso para importar modelos externos (.safetensors): - Seleccionar el menú desplegable «Model» en la barra lateral izquierda y hacer clic en «Manage...» - Hacer clic en «Import Custom Model...» y seleccionar la ruta del archivo Flux.1 o SDXL guardado en almacenamiento privado (NAS o disco local) - Especificar el tipo de pesos correspondiente (Model, LoRA, etc.) e iniciar inmediatamente la generación sin conexión.

🧬 Casos de uso en biociencias

🔬

Aplicación práctica

  • Generación de imágenes totalmente local y sin conexión: inferencia de imágenes 100 % privada usando únicamente el Neural Engine y la GPU del dispositivo Apple, sin depender de servidores cloud ni transferir datos.
  • Optimización de hardware Metal y MPS: rediseño de las capas de aceleración Metal API y MPS (Metal Performance Shaders) a nivel de motor para aprovechar al máximo Apple Silicon en macOS e iOS.
  • Compatibilidad integrada con modelos abiertos de alto rendimiento: ejecución inmediata de los principales modelos de difusión, como Stable Diffusion 1.5/2.1, SDXL, Flux.1 (Schnell/Dev), Hunyuan DiT y SD 3.5, mediante el descargador integrado o la importación manual de archivos locales (.safetensors).
  • Interfaz avanzada de control de generación: incluye ControlNet, fusión de múltiples pesos LoRA y ajuste de parámetros en tiempo real, además de entornos de edición Inpainting, Outpainting y Real-Time Canvas.
  • Implementación de Metal FlashAttention v2: incorpora una estructura FlashAttention v2 basada en Metal que reduce drásticamente el cuello de botella de transferencia de memoria y genera resultados aproximadamente un 20-40 % más rápido que otros ejecutores open source en el mismo hardware.
  • Optimización inteligente de intercambio y cuantización de memoria: integra el empaquetado y mapeo automático de modelos cuantizados eficientes como Q4_K y Q6_K, permitiendo ejecutar modelos grandes como Flux.1 incluso en equipos de entrada con 8/16 GB de memoria unificada.

FAQ

¿Qué es Draw Things?

Generación de imágenes totalmente local y sin conexión: inferencia de imágenes 100 % privada usando únicamente el Neural Engine y la GPU del dispositivo Apple, sin depender de servidores cloud ni transferir datos. Optimización de hardware Metal y MPS: rediseño de las capas de aceleración Metal API y MPS (Metal Performance Shaders) a nivel de motor para aprovechar al máximo Apple Silicon en macOS e iOS. Compatibilidad integrada con modelos abiertos de alto rendimiento: ejecución inmediata de los principales modelos de difusión, como Stable Diffusion 1.5/2.1, SDXL, Flux.1 (Schnell/Dev), Hunyuan DiT y SD 3.5, mediante el descargador integrado o la importación manual de archivos locales (.safetensors). Interfaz avanzada de control de generación: incluye ControlNet, fusión de múltiples pesos LoRA y ajuste de parámetros en tiempo real, además de entornos de edición Inpainting, Outpainting y Real-Time Canvas. Implementación de Metal FlashAttention v2: incorpora una estructura FlashAttention v2 basada en Metal que reduce drásticamente el cuello de botella de transferencia de memoria y genera resultados aproximadamente un 20-40 % más rápido que otros ejecutores open source en el mismo hardware. Optimización inteligente de intercambio y cuantización de memoria: integra el empaquetado y mapeo automático de modelos cuantizados eficientes como Q4K y Q6K, permitiendo ejecutar modelos grandes como Flux.1 incluso en equipos de entrada con 8/16 GB de memoria unificada.

¿Cuándo debería usar Draw Things?

Generación de imágenes totalmente local y sin conexión: inferencia de imágenes 100 % privada usando únicamente el Neural Engine y la GPU del dispositivo Apple, sin depender de servidores cloud ni transferir datos.

¿Cuál es un caso de uso biomédico de Draw Things?

Aplicación práctica: Generación de imágenes totalmente local y sin conexión: inferencia de imágenes 100 % privada usando únicamente el Neural Engine y la GPU del dispositivo Apple, sin depender de servidores cloud ni transferir datos. Optimización de hardware Metal y MPS: rediseño de las capas de aceleración Metal API y MPS (Metal Performance Shaders) a nivel de motor para aprovechar al máximo Apple Silicon en macOS e iOS. Compatibilidad integrada con modelos abiertos de alto rendimiento: ejecución inmediata de los principales modelos de difusión, como Stable Diffusion 1.5/2.1, SDXL, Flux.1 (Schnell/Dev), Hunyuan DiT y SD 3.5, mediante el descargador integrado o la importación manual de archivos locales (.safetensors). Interfaz avanzada de control de generación: incluye ControlNet, fusión de múltiples pesos LoRA y ajuste de parámetros en tiempo real, además de entornos de edición Inpainting, Outpainting y Real-Time Canvas. Implementación de Metal FlashAttention v2: incorpora una estructura FlashAttention v2 basada en Metal que reduce drásticamente el cuello de botella de transferencia de memoria y genera resultados aproximadamente un 20-40 % más rápido que otros ejecutores open source en el mismo hardware. Optimización inteligente de intercambio y cuantización de memoria: integra el empaquetado y mapeo automático de modelos cuantizados eficientes como Q4K y Q6K, permitiendo ejecutar modelos grandes como Flux.1 incluso en equipos de entrada con 8/16 GB de memoria unificada.

📄 Documentación oficial🐙 GitHub

📝 Notas de actualización

Aún no hay notas de actualización.

🧪 Código de la vida relacionado

Aún no hay publicaciones relacionadas de Código de la vida.