知仓学习社知仓学习社
Apple Silicon Mac 报 MPS backend out of memory：统一内存被 MPS 缓存吃满 / 全站资源搜索
搜索 更新 2026-10-02
报错 099 硬件、驱动、操作系统与非 N 卡环境 有来源可查

Apple Silicon Mac 报 MPS backend out of memory——统一内存被 MPS 缓存吃满

报错原文（原样） 
RuntimeError: MPS backend out of memory (MPS allocated: 8.72 GB, other allocations: 110.16 MB, max allowed: 9.07 GB). Tried to allocate 405.00 MB on private pool. Use PYTORCH_MPS_HIGH_WATERMARK_RATIO=0.0 to disable upper limit for memory allocations (may cause system failure).
检索关键词 MPS backend out of memory、PYTORCH_MPS_HIGH_WATERMARK_RATIO、max allowed、private pool、KSampler、Apple Silicon
先看这一句 Mac（M1/M2/M3/M4）上跑到 KSampler 或 VAE 解码阶段报 MPS backend out of memory；提高分辨率或换更大的模型必崩。
适用版本 仅 macOS + Apple Silicon（MPS）。官方文档要求 macOS 12.0 或更高（MPS 自动检测在 macOS 12.3+），macOS 14.5+ 另有黑图 bug 需 --force-upcast-attention。 · 核实日期 2026-09-26 · 状态 已核实
适用环境：全部主流环境

现象与触发场景

常见触发场景：

  • 8GB/16GB 统一内存的 Mac 跑 SDXL / Flux 等高分辨率工作流
  • 同时开了浏览器、设计软件等占用统一内存的程序
  • VAE 解码阶段瞬时内存峰值超过可用统一内存

根因

  • MPS 后端使用统一内存，显存与内存是同一池子；PyTorch 的 MPS 分配器会把已释放的缓存留在池里（缓存分配），导致“看着没占用却报 OOM”。
  • VAE 解码阶段会产生瞬时大峰值，是 Mac 上最常爆内存的节点。
  • Torch 在 MPS 上对高水位比例有默认限制，超过比例就直接报 MPS backend out of memory。

解决步骤

已按「最可能有效」排序。请从上往下做，每做完一步用「验证」确认，不要一次改五处。

  1. 按报错提示放宽 MPS 分配上限（或改小工作负载）
    报错本身给出了办法：设置环境变量 PYTORCH_MPS_HIGH_WATERMARK_RATIO 来调整上限；设为 0.0 表示不限制（报错原文同时警告可能造成系统不稳定/崩溃，因此更稳妥的做法是设成一个比默认更高的比例而不是 0.0）。Apple Silicon 是统一内存，显存与内存同一个池子，所以要同时关掉其他吃内存的程序。
    set PYTORCH_MPS_HIGH_WATERMARK_RATIO=0.0
    PYTORCH_MPS_HIGH_WATERMARK_RATIO=0.0 python main.py
  2. 降低峰值：VAE 走 CPU、用低显存模式、减小分辨率与 batch
    VAE 解码是 Mac 上最容易爆内存的节点，官方文档给出的参数是 --cpu-vae 把 VAE 放到 CPU 计算；再配合 --lowvram / --novram 让模型更激进卸载，并显著下调分辨率与 batch。MPS 在后端不支持的算子上会自动回退 CPU，所以 VAE 走 CPU 通常也能显著降峰值。
    python main.py --cpu-vae
    python main.py --lowvram
    python main.py --novram
  3. 处理 macOS 14.5+ 的黑图问题；MPS 反复出问题时退回 CPU 模式
    官方文档指出 macOS 14.5 及以后有已知 bug 会导致黑图，需要 --force-upcast-attention 强制上采样注意力；若 MPS 仍然频繁 OOM 或出错，官方建议退回 CPU 模式（慢但稳定）。
    python -c "import torch; print(torch.backends.mps.is_available())"
    python main.py --force-upcast-attention
    python main.py --cpu

验证是否修好

同一工作流不再报 MPS backend out of memory 并正常出图；活动监视器里 ComfyUI 进程内存占用保持在统一内存容量之内。

补充说明

报错原文逐字取自 Comfy-Org/ComfyUI issue #5810 的 Debug Logs（本采集已通过 GitHub API 核实该 issue 正文，同 issue 中 M4 Max 用户报出 MPS allocated: 88.02 GiB, max allowed: 88.13 GiB 的同类报错）。该 issue 目前仍为 open，评论里没有官方最终解法，因此第一条解法直接采用报错自带的 PYTORCH_MPS_HIGH_WATERMARK_RATIO 提示。官方文档给出的 MPS 相关参数为 --force-upcast-attention、--cpu-vae、--cpu。

来源

按可信度排列：官方 issue / 官方文档 > 节点仓库 issue > 社区帖 > 中文社区文章。 链接以纯文本给出（本站不做站外跳转），需要核对时请自行复制到浏览器打开。
  1. [222] （官方 issue）　KSampler MPS backend out of memory · Issue #5810 · Comfy-Org/ComfyUI　https://github.com/Comfy-Org/ComfyUI/issues/5810
  2. [215] （官方文档）　GPU Troubleshooting - ComfyUI（Apple Silicon (MPS) 一节）　https://mintlify.wiki/Comfy-Org/ComfyUI/guides/gpu-troubleshooting
  3. [136] （官方文档）　Common Issues and Solutions - ComfyUI（macOS 黑图 / --force-upcast-attent　https://mintlify.wiki/Comfy-Org/ComfyUI/guides/common-issues
  4. 热门自定义节点/工作流专有报错（11 条）

这条报错要用到的东西

按本条报错所属的类别（硬件、驱动、操作系统与非 N 卡环境）列出站内相关的下载包与板块入口。 它们不是「必须下载才能修好」，而是这一类问题里最常要动到的东西；具体怎么做，以上面的解决步骤为准。

环境与依赖配置包依赖版本组合清单 / 环境自检脚本说明 待挂载

同一类别的其他条目

【089】50 系显卡（RTX 5060 Ti / 5070 / 5080 / 5090）驱动版本太旧，ComfyUI 启动或生成直接失败 含未核实 【090】RTX 50 系 / 新卡报 CUDA error: no kernel image is available for execution on the device（跑到了没有 sm_120 kernel 的 torch 上） 有来源 【091】Blackwell 显卡生成在第一个注意力层失败：cuDNN Frontend error: No valid execution plans built 含未核实 【092】在 cmd 里敲 nvidia-smi 提示“不是内部或外部命令”：驱动装的是 DCH/未装 NVIDIA 驱动或 PATH 里没有 System32 有来源 【093】ComfyUI Desktop 报 “ComfyUI requires an NVIDIA GPU on Windows. No NVIDIA GPU was detected” 卡在启动页（含被迫用 --cpu 的慢速兜底） 有来源
这个解法对你有效吗 记录只存在你自己的浏览器里，不需要注册账号。

返回报错库