PyTorch 2.15 RC：Mac 影像編碼修正

PyTorch 2.15 最終候選版已提供測試。從 Qwen-Image 的參考圖編碼錯誤，說明 Mac 影像工作流為何值得驗證更新，以及影片解碼約 8 GiB 峰值不能當成整機需求。

發佈於： 2026-10-23 | 更新於： 2026-10-23

內容查核： 2026-10-23 來源查核： 2026-10-23

Mac 上的 AI 修圖跑完、也沒有報錯，參考圖卻可能早在編碼時就失真。PyTorch 10 月 21 日提供 2.15 最終候選版，而 Hugging Face 團隊對 MPS 更新的整理，指出這一版修正了 Qwen-Image-2.1 的影像編碼問題。對用 Mac 做商品圖、品牌素材的人，這比單看生成速度更值得先確認。

MPS 是 PyTorch 在 Mac 使用 Metal 運算的後端。這次仍是供測試的候選版，官方把正式發布列在 10 月 28 日的預定時程。已經有穩定交件環境的人，可以另外驗證修正，不必把整套工具直接覆蓋更新。

參考圖在編碼階段，就可能已經失真

原始問題可追到 ComfyUI 9 月 20 日的回報。回報者使用 PyTorch 2.14，沒有額外自訂節點，只把圖片送進 VAE 編碼再解碼，結果就出現噪訊、浮雕般邊緣與偏色。流程沒有採樣器、文字編碼器或編輯提示，因此可以把問題範圍縮到影像轉換本身。

VAE 負責在圖片與模型使用的內部表示之間轉換。參考圖編輯會先讀進原圖，如果這一步已經損壞，後面再調文字要求，也難以保留原本的顏色與細節。回報者改用 CPU 執行 VAE 後，往返結果恢復接近原圖；單純把 MPS 的 VAE 改成較高精度，則沒有排除問題。

Hugging Face 的 PyTorch 團隊將修正連到常數補邊運算改走 Metal。所謂補邊，是運算需要時在影像或資料邊界加上指定數值；這個底層步驟同時出現在圖片編碼與影片處理。更新的價值，是讓資料經過這些運算後保留應有的內容。

對台灣接商品修圖的工作者，參考圖的輪廓與色彩通常有交付意義。假設客戶只要求換背景，商品本體卻出現噪點或整體變色，可以先確認同一張原圖經過編碼、還原後是否已經改變。這樣能把「讀進原圖就出錯」和「模型沒有照編輯要求做」分開，後續才知道要查運算環境，還是調整工作流。不同修圖任務的工具取捨，可接著看 AI 修圖工具指南。

同一項補邊修正，也牽動影片解碼的記憶體

上游程式變更說明，開發者把常數補邊從 MPSGraph 改成專用 Metal 核心。在作者使用 Wan2.2 TI2V 5B 影片模型的分塊 VAE 解碼測試中，驅動記憶體峰值從約 270.1 GiB 降到 8.1 GiB；配置器保留的記憶體則沒有同步大幅下降。改善主要出現在配置器以外的驅動記憶體占用。

這個數字需要連同測試範圍看：它是特定模型、特定解碼工作量的上游量測。它沒有把 macOS、其他模型元件與整個生成流程的需求一起定義成最低配備，更不能據此說一台 8GB Mac 就能順利做影片。做影片還要看模型載入、解析度、片段長度與分塊方式；AI 影片工具比較可先幫你分清所需的工作流。

這次候選版適合驗證的，是你原本就卡住的影像任務：同一份參考素材，能否正確進出 VAE；同一段解碼，是否還出現異常記憶體膨脹。我的判斷是，先確認輸入保真，再談生成速度。 不建議只因宣傳中的加速倍數，就覆蓋正在交件的環境，或立刻換購硬體。

環境也有門檻。2.15 的相容性表列出 Python 至少 3.11；Hugging Face 的 Mac 說明則要求 Apple Silicon 與 macOS 15 以上。先分清執行環境和實際任務，再決定何時升級；若還在判斷是否要自己維護模型，可參考地端 AI 的成本與取捨。

常見問題

這次是正式版，還是候選版？

官方 10 月 21 日公告的是 PyTorch 2.15 最終候選版，從測試通道提供下載。正式發布日列為 10 月 28 日的預定時程，截至本文查核時不能當成正式版已經發布。

這代表 8GB Mac 就能跑影片生成嗎？

不能這樣推論。約 8.1 GiB 是上游特定 Wan2.2 VAE 解碼測試的驅動記憶體峰值，沒有等同整台電腦或完整生成流程的最低記憶體；模型其他元件、作業系統與工作量仍需另算。

哪些 Mac 符合這次候選版的環境需求？

Hugging Face 團隊的測試入口要求 Apple Silicon Mac、macOS 15 以上與 Python 3.11 以上。符合環境門檻只表示可開始評估這個 MPS 版本，實際模型大小與記憶體需求仍依工作流而定。

參考來源

№ · further reading