Mac 的 MPS backend out of memory：先看统一内存压力

现象与适用范围

Apple Silicon 上的任务触发 MPS 内存上限。Mac 使用统一内存，浏览器、其他应用、模型和中间张量会共同影响可用空间，不能把机器总内存全部视为可分配给当前生成任务。

检索用原文或片段（具体编号、数值和文件名随环境变化）：

MPS backend out of memory
PYTORCH_MPS_HIGH_WATERMARK_RATIO

已核对的依据

PyTorch 的 MPS 文档说明高水位参数控制分配上限，并警告禁用相关限制存在系统级风险。issue #7171 记录了具体 Mac OOM 报告；报错中提到某个环境变量不等于该值就是安全推荐。 P05 I09 Apple 活动监视器说明

需要区分的情况

1. 画面、批量或视频长度超出本次内存余量。

2. 多个模型、应用或浏览器标签同时使用统一内存，工作负载相互竞争。

3. 特定版本或节点产生异常驻留、后端 fallback 或内存管理问题，需要与基础流程对照。

建议的操作顺序

以下顺序是基于上述资料整理的诊断方案，不代表上游已经为你的环境确认了原因。

第 1 步。 记录 Mac 内存容量、Torch 版本、节点和任务参数，查看活动监视器的内存压力与交换使用情况。

第 2 步。 保存工作后关闭确认不需要的高内存程序并停止并发生成。仅在当前工作流和模型支持时，选择批量、画面尺寸或帧数中的一个输入因素做缩减对照。

第 3 步。 仅在失败阶段与工作流支持时，采用有文档依据的设置减少模型驻留或解码负载；使用适配 MPS 的工作流，不为了减少内存随意换成不支持的 FP8 模型。

第 4 步。 只有读懂本版本 PyTorch 参数含义后才调整上限，保留回退方法。若最小官方流程仍异常，收集日志到对应项目报告。

如何判断处理有效

单任务可以完成且系统保持响应，内存压力没有持续恶化；将输入放大时逐步观察，而不是直接恢复最大设置。

注意事项与尚未确认的部分

不建议把高水位设为 0 作为默认教程。CPU fallback 不是无限内存，也不能自动解决任意不支持的 dtype。

资料核对日期：2026-09-21。本站未执行此工作流，未进行 GPU、最低显存或耗时测试。

原始资料

• P05 · MPS environment variables。核对：2026-09-21。
• I09 · MPS backend out of memory。核对：2026-09-21；原始日期：2025-03-10。
• Apple 活动监视器内存使用说明。核对：2026-09-25。

相关排查与操作

• MPS 不支持 Float8：区分权重格式与实际计算类型
• 低内存工作流怎么调整：一次只改变一个负载因素