Draw Things em um Mac de 24 GB: rápido, mas às cegas no início

O testador baixou o Draw Things pela Mac App Store. A página dizia 'Offline AI Art', desenvolvedor Draw Things, Inc., 4,6 estrelas em 175 avaliações, classificação 18+, nº 8 em 'Photo & Video', 471 MB.

A página não diz claramente que o app roda localmente, além de 'Offline AI Art'. Ela cita otimização para M1, M2 e M3 e não menciona chips mais novos (conforme a leitura do testador).

As especificações técnicas são listadas sem explicação, e as limitações não ficam visíveis.

Uma janela de boas-vindas (etapa 1 de 3, em inglês) pede a origem do modelo: Cloud Compute (exige login da Apple), download pelo Draw Things ou importação do armazenamento local. Ela sugere o FLUX.1 como 'mighty and popular' (poderoso e popular).

A etapa 2 de 3 lista os modelos oficiais por nome e família. Tamanho de arquivo, tipo de tarefa e indicações de hardware não aparecem nas linhas. Há um campo de busca acima da lista.

Nada explica quais modelos geram imagens e quais geram vídeo, como eles se diferenciam ou se cabem na memória. O testador chamou a lista de 'interminável' e o processo de 'tatear no escuro'.

Correção às anotações do testador: as anotações dizem que não há janela de busca; a captura de tela mostra uma. O achado se limita, portanto, à falta de filtros por tamanho, tarefa e hardware.

O testador procurou um modelo que coubesse em 24 GB. Conforme lido nas janelas de download: um modelo FLUX de cerca de 32 GB, o Chrono Edit 14B de cerca de 25 GB e o LTX 2.3 22B distilled (6-bit) de cerca de 57 GB. As janelas desses três não estão nas anotações.

O SeedVR2 7B parecia pequeno o suficiente, com 16.757,66 MiB (cerca de 16,4 GiB), e foi baixado.

A janela de download mostra porcentagem e MiB, mas não o tempo restante. Segundo o testador, o restante do app não pôde ser usado enquanto o modelo era baixado.

Um download desse tamanho deveria mostrar uma estimativa de tempo, como a maioria dos apps faz.

A etapa 3 de 3 da configuração pergunta onde as imagens geradas devem ser salvas, dentro da mesma janela do download do modelo. A etapa é marcada como opcional. O testador perguntou por que ela está na configuração.

A página de preços lista uma Free Edition (edição gratuita): 'Create prompts and download models from our servers to generate images locally and privately on your own device' (criar prompts e baixar modelos de nossos servidores para gerar imagens localmente e de forma privada no próprio dispositivo), com computação local, downloads de modelos, canvas infinito e treinamento local de LoRA.

O testador não conseguiu entender como uma conta gratuita ('Community') se diferencia da Free Edition. Na leitura dele, a Free Edition roda no seu Mac e a Community acrescenta computação na nuvem com limites de uso. Não verificado.

O histórico de lançamentos parecia ativo: cerca de um lançamento a cada dois meses, na leitura do testador. As datas exatas não foram registradas.

A documentação tem páginas sobre Basic UI, Models, LoRA, ControlNet, Textual inversion, Others, CoreML e Scripts. A página Basic UI mostra uma imagem de espaço reservado, e o sumário dela traz uma linha '[old version]'.

A documentação é superficial e pressupõe que você saiba o que é um LoRA.

Prompt: 'red ball please. with gold dot in middle'. O app mostrou um tempo estimado de 11 minutos, e o testador conseguia ouvir o computador trabalhando. O resultado foi um quadrado cinza liso.

Um campo de prompt 'Negative' estava ativo. O testador não o adicionou e não sabia por que ele estava ali.

Uma segunda tentativa usou um prompt longo escrito pelo ChatGPT (castelo de Neuschwanstein, estilo Keith Haring, exatamente quatro cores). As estimativas de tempo nas tentativas foram de cerca de 11, 10 e 20 minutos. As anotações não informam o resultado dessa tentativa; o testador então foi atrás da causa.

O testador deduz que a estimativa não depende do prompt. São três pontos de dados; a estimativa também pode refletir o modelo selecionado.

O app descreve o SeedVR2 7B como um modelo de difusão de uma etapa para restauração de vídeo. Ele havia sido selecionado nas duas tentativas de imagem.

O testador selecionou um modelo de restauração para um prompt de texto para imagem.

O app deveria ter avisado que o modelo não serve para um prompt de texto. As anotações não registram nenhum aviso.

O Grok não respondeu. O Perplexity respondeu. Para um MacBook de 24 GB, ele citou o ERNIE Image Turbo 1.0 (6-bit S e 8-bit S) como os modelos de imagem mais seguros e o SeedVR2 7B para upscaling e restauração. Classificou o LTX-2.3 22B distilled (6-bit) como experimental para vídeo curto e de baixa resolução e desaconselhou os modelos LTX [dev] e o modelo ERNIE Base completo. As fontes dele não foram verificadas aqui.

O app deveria oferecer isso: informar o seu hardware e receber uma lista já filtrada.

O testador baixou o ERNIE Image Turbo 1.0 (8-bit S): 11.644,41 MiB, cerca de 11,4 GiB, em 3 arquivos.

Considera-se que este seja o modelo por trás das imagens seguintes. As anotações não o nomeiam.

Cada imagem levou menos de um minuto. Os tempos não foram registrados.

O prompt de Neuschwanstein produziu um castelo reconhecível, com figuras no estilo de Haring e linhas radiantes (no topo desta página). Tons naturais de pedra, floresta e céu permanecem, então a instrução 'exatamente quatro cores' não foi atendida.

Um motorhome gerado parece convincente, mas as letras na lateral são um texto sem sentido. O prompt não foi registrado.

A qualidade das imagens é ótima. O texto dentro das imagens é fraco.

O testador pediu uma imagem de capa que apresentasse o PromptQuorum como 'the world's leading directory for local LLM and local AI apps' (o principal diretório do mundo de LLMs locais e apps de IA local). A primeira tentativa usou um prompt longo (contador de comprimento 3.670) e produziu uma colagem escura de interface com vários rótulos ilegíveis.

Depois que as configurações foram alteradas, o resultado virou ruído multicolorido. O Text Guidance marca 45,5 no painel.

O valor alto de guidance causou o ruído. A causa não foi isolada.

Reduzir a configuração de 'iteration' ajudou, segundo as palavras do testador.

Com um prompt mais curto (contador 51), o título ficou legível. Os rótulos menores continuaram ilegíveis.

O testador não encontrou um jeito de dizer 'mantenha esta imagem e mude isto', como os modelos de chat de ponta permitem. Para começar uma nova imagem, ele apagou o prompt antigo manualmente.

Version History (com entradas 'Generated image' e 'Cleared canvas'), um botão 'Edit', Canvas Tools, Image Interpreter e CLIP Score estão visíveis nas capturas de tela. Nenhum deles foi avaliado.

Um usuário de primeira viagem não entenderia os controles, e a relação entre controles e modelos não é clara. O painel traz, sim, um texto explicativo, e observa que os controles são arquivos adicionais colocados sobre os modelos.

O testador não vai continuar usando o app, embora seja gratuito. Motivos: não há modo fácil, os resultados são difíceis de ajustar e não está claro como aplicar um estilo próprio ou conduzir o sistema até uma imagem exata.

A visão do testador de que um modelo local pode produzir imagens que um modelo na nuvem recusaria não foi testada.

'Não é para mim, não por enquanto.' Talvez ele não tenha o conhecimento necessário para gerenciar uma ferramenta assim.