ما الذي يستطيع جهاز Mac لديك تشغيله؟
اختر جهاز Mac لديك، أو أي جهاز آخر، لترى أي نماذج الذكاء الاصطناعي المفتوحة تتسع لها ذاكرته وبأي سرعة يشغّلها. الحساب مأخوذ من بطاقة كل نموذج ومن الذاكرة وعرض النطاق المعلَنين لكل شريحة.
Apple M5 بذاكرة 16 GB: نحو 12 GB للنماذج افتراضيًا، عرض نطاق الذاكرة 153 GB/s. يعمل عليه 20 من أصل 43 نموذجًا شائعًا. صفحته قياس فعلي: 32 رمزًا/ث مع Llama 2 7B بدقة 4 بت في llama.cpp (M5 (10-core GPU)).
الذكاء: Artificial Analysis Intelligence Index الإصدار 4.3.2، حيثما قيس. أسماء النماذج مرتبطة ببطاقاتها الرسمية.
كيف حسبنا ذلك
الذاكرة. يظهر كل نموذج بأعلى دقة تتسع لها الذاكرة: 8 أو 6 أو 4 أو 3 أو 2 بت لكل وزن، إضافة إلى مقاييس المجموعات في MLX (نصف بت لكل وزن)، أو بصيغته الأصلية إن كان يُنشر بها. على جهاز Mac يمكن لوحدة الرسومات افتراضيًا استخدام نحو 75% من الذاكرة الموحّدة، ونترك فوق ذلك مساحة للسياق.
السرعة. عند الكتابة يقرأ كل رمز جميع الأوزان النشطة مرة واحدة، لذا فإن عرض نطاق الذاكرة مقسومًا على هذه البايتات هو الحد الأقصى لمحادثة واحدة. في اختبارات llama.cpp العامة على Apple Silicon تبلغ التشغيلات الفعلية نحو 45% إلى 80% من هذا الحد، وهو النطاق المعروض. أما قراءة موجِّه طويل فتتوقف على قدرة المعالجة، ولا تُعرض هنا.
المصادر. عدد المعاملات وطول السياق والتراخيص من البطاقة الرسمية لكل نموذج على Hugging Face (مرتبطة من اسمه)، والذاكرة وعرض النطاق من مواصفات Apple والشركات المصنّعة. رُوجعت في 2026-10-19. قِس جهاز Mac لديك على MLX Bench. كل أجهزة Mac وكل النماذج وجدول التوافق الكامل متاحة للتنزيل مجانًا بصيغتي JSON وCSV: البيانات المفتوحة.
تصفّح. كل أجهزة Mac، من M1 بذاكرة 8 GB إلى M5 Ultra بذاكرة 512 GB، مع كل نموذج يعمل عليها، وكل النماذج مع أصغر Mac يحتاجه كل منها.
شغّلها. خطوة بخطوة: تنزيل نماذج LLM وتشغيلها على Mac، وMLX مقابل Ollama مقابل llama.cpp، وأفضل Mac لنماذج LLM المحلية. وحين يكون جهازك خاملًا، يمكنه أن يكسب رموز MLX.
- كيف أعرف إن كان نموذج LLM سيعمل على جهاز Mac لديّ؟
- قارن حجم النموذج بالدقة التي تريدها مع الذاكرة الموحّدة في جهاز Mac لديك. يسمح macOS افتراضيًا لوحدة الرسومات باستخدام نحو 75% منها، ويحتاج النموذج أيضًا إلى مساحة لسياقه. يحتاج نموذج بدقة 4 بت إلى ما يزيد قليلًا على نصف غيغابايت لكل مليار معامل.
- كم رمزًا في الثانية سأحصل عليه؟
- تتحدد سرعة الكتابة بعرض نطاق الذاكرة: كل رمز يقرأ الأوزان النشطة في النموذج مرة واحدة. عرض النطاق مقسومًا على البايتات المقروءة لكل رمز هو الحد الأقصى لمحادثة واحدة، وتبلغ التشغيلات الفعلية عادةً نحو 45% إلى 80% منه.
- لماذا تعمل نماذج مزيج الخبراء (MoE) أسرع؟
- تحتفظ بعدد كبير من الخبراء في الذاكرة لكنها لا تستخدم إلا قليلًا منهم لكل رمز، فيقرأ كل رمز بايتات أقل بكثير. تحتاج إلى ذاكرة تتسع للنموذج كله، لكنها تعمل بسرعة نموذج أصغر بكثير.
- هل تكفي دقة 4 بت؟
- في معظم النماذج تحافظ دقة 4 بت على جودة قريبة من الأصل. وتحت 4 بت تنخفض الجودة أسرع، لذلك وُضعت علامة على الإصدارات الأقل من 4 بت.