“CUDA out of memory”错误表明本地GPU显存不足，需从服务端排队、WebUI参数（降尺寸/步数、关Hires.fix）、本地环境（nvidia-smi查占用、关闭硬件加速、验证CUDA版本）三层定位并优化。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
LiblibAI WebUI生成图片时弹出“CUDA out of memory”错误，说明当前GPU显存无法承载模型加载+VAE+ControlNet+采样过程的瞬时峰值需求，尤其在未调整默认参数的情况下，SDXL类模型极易在RTX 3060/4070等12GB卡上触发OOM，必须从服务端调度、本地环境、WebUI参数三层快速定位瓶颈源。
确认是服务端排队还是本地显存真不足
右上角任务栏若显示“排队中（第X位）”或倒计时数字，说明任务尚未下发到GPU，纯属服务端资源争抢，无需调显存；若显示“生成中”且5秒内无任何进度变化，或终端日志出现torch.cuda.OutOfMemoryError，才是本地显存真实告急。
打开浏览器开发者工具（F12）→切换到Console标签页→提交生成后观察是否持续输出OOM或allocation failed类报错。有则为本地问题，无则大概率是节点满载——此时刷新页面只会重排进更长队列，【切勿反复刷新】。
检查WebUI界面关键参数设置
方法一：尺寸与步数双降级
点击左上角“快速预设”，优先选【768×768】而非默认1024×1024；若需竖版图，手动输入宽度576、高度1024（必须是64倍数）。该尺寸可使显存占用从7.2GB直降至4.1GB（RTX 3090实测）。
将“推理步数”从默认40改为【25】。Z-Image-Turbo通道下25步已能保留95%细节，再往上每增加5步，显存峰值抬升约0.6GB且耗时增幅超线性。
方法二：关闭隐性高占内存功能
进入“⚙️高级设置”→展开“图像增强”→取消勾选“高清修复（Hires.fix）”和“潜变量放大（Latent Upscale）”。这两项会在采样后额外启动一次完整模型推理，显存需求翻倍，普通出图完全不需要。
注意：Hires.fix启用时即使你只设1.5倍放大，也会强制加载第二套VAE和CLIP权重，极易压垮8GB以下显存。
验证本地GPU资源真实可用性
第一步：终端执行nvidia-smi，确认三件事：
① GPU型号与显存总量是否匹配你预期（如RTX 4070显示24GB则是驱动异常）；
② “Used”列是否长期高于90%，若有其他进程（Chrome、OBS、Discord）占着1–2GB不释放，需手动结束；
③ 右上角CUDA版本是否≥12.1——若显示11.x，说明PyTorch与驱动不匹配，模型加载阶段就会静默失败。
第二步：在LiblibAI WebUI页面按F12→Console中粘贴并回车：fetch("/api/system_info").then(r => r.json()).then(console.log)
查看返回JSON中的vram_free_mb值。若低于3500，说明基础环境已吃紧；若高于6000但仍报OOM，则问题出在模型精度或VAE配置上。
第三步：检查浏览器硬件加速是否被误启用。Chrome地址栏输入chrome://settings/system→关闭“使用硬件加速模式”→彻底退出Chrome所有进程（任务管理器里杀掉所有chrome.exe），否则GPU内存会被长期锁定无法回收。
