Natives macOS KI-Studio · 100% Lokal & Open Source
DiffusionBear — Das native KI-Bildstudio für Apple Silicon Macs (M1 bis M4+)
DiffusionBear v0.5.0 ist ein vollwertiges Open-Source KI-Bildstudio (MIT-Lizenz) für macOS auf Basis von Apple MLX und Metal. Während DiffusionBee seit Version 2.5.3 im August 2024 (die FLUX.1 auf macOS einführte) ohne offizielle Einstellungsankündigung keine weiteren Updates mehr erhalten hat, bietet DiffusionBear eine moderne 7-Ansichten-Studio-Oberfläche mit Virtual Boxes, lokalem Qwen2.5 Prompt Enhancer (<1s), ~/.diffusionbee-Import und 23 4-Bit-Engines für alle M1, M2, M3, M4, M5, M6 sowie künftige M7, M8, M9+ Prozessoren.
Kurzfassung — Warum nach DiffusionBee v2.5.3 zu DiffusionBear wechseln?
Das letzte Release von DiffusionBee war v2.5.3 im August 2024 (mit erstem FLUX.1-Support für macOS); es gab keine offizielle Einstellungserklärung, sondern schlicht keine neuen Updates seit August 2024. DiffusionBear (v0.5.0, MIT-Lizenz) führt das lokale Mac-Studio-Konzept mit nativer Apple MLX 4-Bit-Quantisierung weiter: Ein 512×768 Porträt entsteht in 8,8 Sekunden (Juggernaut XL Lightning) bzw. 44,1 Sekunden (FLUX.2-klein 4B) auf einem 16 GB M1 Mac. Vorhandene SDXL- und FLUX-LoRAs aus ~/.diffusionbee/ (.tdict) werden schreibgeschützt in .safetensors konvertiert.
Vergleich: DiffusionBear Studio vs. DiffusionBee auf dem Mac
| Studio-Funktion | DiffusionBear v0.5.0 | DiffusionBee v2.5.3 |
|---|---|---|
| Letztes Update | v0.5.0 (November 2026, aktiv gepflegt, MIT) | v2.5.3 (August 2024; seitdem keine Updates, keine offizielle Abkündigung) |
| Unterstützte Apple Silicon Chips | M1, M2, M3, M4, M5, M6 + künftige M7, M8, M9+ | Apple Silicon (MPS / Core ML) |
| Inferenz-Engine | Natives Apple MLX (4-Bit / 8-Bit) + Metal JIT | PyTorch MPS / TensorFlow |
| Studio-Workflow | 7 Ansichten, Canvas Virtual Boxes, Privacy Blur Galerie | Klassische Tab-Oberfläche |
| FLUX.1-Unterstützung | Ja (4-Bit MLX + komplettes FLUX.1 LoRA-Ökosystem) | Ja (eingeführt mit v2.5.3 im August 2024) |
| Post-2024-Architekturen (23 integriert) | FLUX.2/3 Klein, Bria FIBO 2.0 Edit, MOSS 5B, Z-Image, Qwen 2.1 | Nicht verfügbar |
| SDXL-Geschwindigkeit (M1 16 GB) | 8,8 s (Juggernaut XL Lightning, 4 Steps) | 35 bis 55 s (SDXL 25 Steps) |
| ~/.diffusionbee (.tdict) Import | Schreibgeschützte LoRA-Konvertierung + MLX-Empfehlungen | Proprietäres .tdict-Format |
| Lokaler LLM Prompt Enhancer | Qwen2.5-0.5B/1.5B (4-Bit MLX, < 1 s, komplett offline) | Nicht vorhanden |
| Sprachunterstützung | 9 Sprachen inkl. kompletter deutscher UI | Nur Englisch |
Ein komplettes KI-Studio für Ihren M1–M6 Mac (und künftige M7, M8, M9+)
Studio-Canvas mit Virtual Boxes & Privacy Blur
DiffusionBear stellt den kreativen Workflow in den Mittelpunkt: Zeichnen Sie Virtual Bounding Boxes direkt auf dem Canvas zur Bildkomposition ohne ControlNet, schützen Sie Galeriebilder per Privacy Blur und nutzen Sie Civitai / A1111 Drag-and-Drop.
Optimiert für 16 GB Unified Memory (M1 bis M4+)
DiffusionBear ermittelt automatisch den Arbeitsspeicher Ihres Macs (hw.memsize) und begrenzt das Metal Wired-Memory-Budget auf sichere 68 % (~10,88 GB bei 16 GB RAM) — auf M1 bis M6 sowie künftigen M7-, M8- und M9-Generationen.
Direkter Import Ihrer DiffusionBee LoRAs (.tdict)
DiffusionBear liest den 288-Byte-Header Ihrer Dateien in ~/.diffusionbee/ schreibgeschützt aus, konvertiert SDXL- und FLUX-LoRAs in Standard-.safetensors und schlägt für alte Checkpoints das passende 4-Bit MLX-Modell vor.
Häufige Fragen — DiffusionBear auf Deutsch
Wurde DiffusionBee offiziell eingestellt?
Nein, es gab keine offizielle Ankündigung über eine Einstellung. Die letzte veröffentlichte Version war DiffusionBee v2.5.3 im August 2024 (welche die Unterstützung für FLUX.1 auf macOS einführte); seitdem sind lediglich keine weiteren Updates mehr erschienen.
Welche Apple Silicon Prozessoren unterstützt DiffusionBear?
DiffusionBear unterstützt nativ alle Apple Silicon Chips ab dem M1 bis zum aktuellen M6 (M1, M2, M3, M4, M5, M6 inklusive Pro, Max und Ultra) und ist durch die native Apple MLX- und Metal-Architektur automatisch mit künftigen Generationen wie M7, M8 und M9+ kompatibel.
Kann ich meine Modelle aus DiffusionBee in DiffusionBear weiterverwenden?
Ja, für SDXL- und FLUX-LoRAs: DiffusionBear scannt ~/.diffusionbee schreibgeschützt und konvertiert kompatible .tdict-LoRAs direkt in .safetensors. Für alte vollständige .tdict-Checkpoints schlägt die App automatisch das passende 4-Bit MLX-Modell vor.
Reichen 16 GB RAM auf einem MacBook Air oder Pro für das Studio aus?
Ja. Auf einem 16 GB Apple Silicon Mac laufen alle Studio-Werkzeuge und 4-Bit-Modelle stabil: Juggernaut XL Lightning benötigt nur 8,8 Sekunden und FLUX.2-klein 4B 44,1 Sekunden für 512×768 Pixel.
Einblick in DiffusionBear v0.5.0 auf Deutsch
Eine vollständige native Studio-Oberfläche auf Deutsch
Erleben Sie die Benutzeroberfläche von DiffusionBear vollständig auf Deutsch lokal auf Ihrem Mac. Interaktive Virtual Boxes, lokale Galerie mit Privacy Blur, Hugging Face / Civitai Modell-Manager und integrierter Qwen2.5 Prompt Enhancer.
Studio-Leinwand & Virtuelle Boxen (Dunkel- & Hellmodus)
Platzieren Sie Charaktere, Objekte und Typografie direkt auf der Arbeitsfläche ohne ControlNet. Wechseln Sie nahtlos zwischen Dunkel- und Hellmodus.
Lokale Galerie mit Favoriten & Privacy-Weichzeichner
Alle Bilder werden lokal mit Civitai / A1111-Metadaten gespeichert. Filtern Sie nach Favoriten und aktivieren Sie den Unschärfe-Modus bei Bildschirmfreigaben.
Modell-Verwaltung & Installierte MLX-Pipelines
Verwalten Sie Ihre lokalen 4-Bit-Modelle (FLUX, SDXL Lightning, Bria FIBO 2.0, MOSS, Z-Image) mit Live-Status des Metal-Speicherbudgets.
Hugging Face & Civitai Modell-Browser
Direktes Durchsuchen und Herunterladen von Checkpoints und LoRAs von Hugging Face und Civitai mit Trigger-Wörtern und Lizenzprüfung.
Einstellungen & Metal-Speichertelemetrie
Automatisches Metal-Speicherbudget (68% Unified Memory), Sprachauswahl aus 9 nativen Sprachen und Watchdog für automatische Speicherbereinigung.
Lokaler Prompt-Enhancer mit Qwen2.5 (Prosa & JSON)
Lokale On-Device-LLMs (Qwen2.5-0.5B/1.5B) erweitern kurze Ideen in Sekundenbruchteilen in detaillierte Prompts oder strukturierte JSON-Layouts.