先说结论：那篇讲 4070 本地跑 FLUX 的 dev.to 文章，本身及格偏上。从它嘴里长出来的那句「12GB 显卡跑 24GB 模型」，不及格。
不是一回事。原文该交代的都交代了，是转述链条把该交代的吃了。
Anna Villarreal 七月中旬发的，标签挂着 ai、image、video、local。出发点很朴素：不换机器，不追 M 系笔记本，把手里那张 4070 榨干。
光这个出发点就比大多数本地部署稿诚实。她不要跑分，她要不加钱。
流程的源头据说是一位做视频的 Richard Aragon 分享的一份 Google Colab notebook，人家还撂了一句，这套东西 4060 也能跑。
「也能跑」。二手传话就是从这三个字开始变味的。能跑，跑得动，跑得值，三件事。
进正题。先把那句被传烂的话摆正：
「12GB 显存跑 24GB 模型」
模型体积: 24 GB
显卡显存: 12 GB
怎么塞进去的，原文列了四招：
- 4-bit NF4 量化，走 bitsandbytes
- LoRA，基座冻住，只训低秩小矩阵
- embedding 缓存加 latent 缓存，预计算
- 降训练分辨率、batch 设 1 配梯度累积、梯度检查点、8-bit 优化器
同行不用我解释这四招是干嘛的。我要说的是第五件事——
原文自己写了一句：这些手段，都是拿速度或者精度换内存的。
这句是全文的命根子。
然后它在转述里蒸发得干干净净。
再看她实际干了什么。这才是这篇东西值得单独拎出来讲的原因。
她不是贴张图就走。她做了控制组：一条完全不带训练，一条 Mucha 训练，一条 EVERFLUO 风格 100 步，一条 700 步，再来一条自定义 prompt。
训练集 14 张画，配一个 metadata.jsonl，每张图跟它的描述对上，训练就读这个。
基座模型 34GB，Hugging Face 拉的。拿自己的作品训出定制风格，再以 LoRA 的形式挂回去。她管 LoRA 叫「给基座装的一片镜头」——这个说法我认。多个风格能并存，切换只换那片镜头。
她自己的结论：700 步那组比 100 步更贴目标风格；自定义 prompt 那条还不行，得继续训。
肯在正文里写「我这条输出还不够」的作者，不多！
有一说一，Mucha 那组量化之后还能保住主要特征，这点我原本不信。量化最爱砍的就是风格细节，装饰性纹样那一类先崩。这波算我预期拉满被打脸，这回是往好的方向打。
还有个细节得记一笔。她之前走的是另一条路：让 Fable 帮忙搭 ComfyUI 工作流。看着挺新鲜，产出很难看。节点复杂，夹一堆外语节点，直接把人劝退。后来才换到 notebook 这条道。
这条对做本地生成的人有用：ComfyUI 的门槛不在配置，在读别人的节点图。
接着她顺手把这套东西改成了视频工作流。目标：在 4070 上把自己一幅画变成 5 秒视频。
预期耗时：至少一小时。
输出时长: 5 s
显卡: 4070
预计耗时: ≥ 1 h
5 秒视频，一个小时。这才是本地生成当下的真实报价单。
这里把话缩一下：这是她当时的预估，不是跑完测出来的数，后面补没补实测我没跟上。先标个问号，别拿我这半句当结论。
原文还有个地方我挺欣赏。她直说这套东西现在没有像样的 UI，只能终端加 Python 脚本跑，参数可选。
愿意把「壳还没做」写进正文的人，比那些截一张漂亮界面就敢说「开箱即用」的，可信度高一个量级。
真正让我觉得这篇该被认真读的，是评论区。
有人建议她跟进一篇，把 4070 本地跑跟云端推理按成本、速度、画质三项做对照。问题问得好，她答得更好。
她说她的目标是不额外花钱，把手头这张卡用到极限。然后给了边界：本地自定义模型适合中小业务和个人创业者；大机构里讲统一性和性能的场合，付费方案更合适。
这几句比正文值钱。
它回答了那个所有本地党都绕着走的问题：这方案到底适合谁。
她还反问回去：你的场景是一个人用，还是组织里一批人用？你能不能接受用户自己去动模型？
这两个问题，每个写「本地部署」的人都该先自己答一遍再发稿。
顺带，她提了一句自己在躲某些本地硬件要求很高的方案。知道自己不碰什么，比硬着头皮上聪明。
她的总结是：不上 5090，还能再撑一年。
这个态度我给过。本地不本地不是重点，重点是先算清楚自己这张卡还剩多少，再决定掏不掏钱。
锐评评分卡——
- 原文可信度：认可。自己搭控制组，自己写输出不足，没把量化的代价藏起来。
- 「12GB 跑 24GB」这句话单独传播：水分。它省掉了三件事——拿速度和精度换的、得终端手跑、5 秒视频一小时。
- 该不该现在跟：一个人用、手上正好有张 12GB 卡、愿意折腾终端的，跟。指望开箱、指望替代云端、指望团队协作的，别跟。
这钱花得冤不冤？原文不冤。那半句话，你为它花的每一分钟都算冤。