الذاكرة بكل دقة
| الإصدار | الأوزان | مع السياق | أصغر Mac |
|---|---|---|---|
| 4.25 بت أصلية | 65.3 GB | 70.5 GB | 96 GB |
| 3 بت جودة أقل | 51.2 GB | 55.3 GB | 96 GB |
| 2 بت جودة أقل | 36.6 GB | 39.5 GB | 64 GB |
على كل شريحة من Apple
أصغر سعة ذاكرة لكل شريحة تشغّل gpt-oss-120b، وأفضل إصدار يتسع فيها، وسرعة الكتابة المتوقعة.
| الشريحة | يحتاج | الإصدار | توكن/ثانية |
|---|---|---|---|
| M6 | لا سعة تكفي | كبير جدًا | – |
| M5 Ultra | 96 GB | 4.25 بت أصلية يعمل جيدًا | 200–356 |
| M5 Max | 128 GB | 4.25 بت أصلية يعمل جيدًا | 102–182 |
| M5 Pro | 64 GB | 2 بت يعمل جيدًا | 86–154 |
| M5 | لا سعة تكفي | كبير جدًا | – |
| M4 Max | 128 GB | 4.25 بت أصلية يعمل جيدًا | 91–162 |
| M4 Pro | 64 GB | 2 بت يعمل جيدًا | 77–137 |
| M4 | لا سعة تكفي | كبير جدًا | – |
| M3 Ultra | 96 GB | 4.25 بت أصلية يعمل جيدًا | 137–243 |
| M3 Max | 96 GB | 4.25 بت أصلية يعمل جيدًا | 50–89 |
| M3 Pro | لا سعة تكفي | كبير جدًا | – |
| M3 | لا سعة تكفي | كبير جدًا | – |
| M2 Ultra | 128 GB | 4.25 بت أصلية يعمل جيدًا | 133–237 |
| M2 Max | 96 GB | 4.25 بت أصلية يعمل جيدًا | 67–119 |
| M2 Pro | لا سعة تكفي | كبير جدًا | – |
| M2 | لا سعة تكفي | كبير جدًا | – |
| M1 Ultra | 128 GB | 4.25 بت أصلية يعمل جيدًا | 133–237 |
| M1 Max | 64 GB | 2 بت يعمل جيدًا | 113–200 |
| M1 Pro | لا سعة تكفي | كبير جدًا | – |
| M1 | لا سعة تكفي | كبير جدًا | – |
كيف تشغّله
- الطريقة السهلة: نزّل MLX Harness، المجاني ومفتوح المصدر. ابحث عن gpt-oss-120b، ونزّل الإصدار الذي يناسب جهاز Mac، وابدأ المحادثة. ويقدّم النموذج أيضًا لتطبيقاتك الأخرى عبر واجهة API متوافقة مع OpenAI.تنزيل MLX Harnessمجاني · Apple Silicon · macOS 14.5 أو أحدث
- في Terminal باستخدام MLX من Apple:
pip install mlx-lmmlx_lm.chat --model mlx-community/gpt-oss-120b-MXFP4-Q8الإصدار: mlx-community/gpt-oss-120b-MXFP4-Q8 على Hugging Face. الدقّات الأخرى بجانبه.
خطوة بخطوة: نزّل نماذج LLM وشغّلها على Mac · كيف تستخدم MLX Harness · MLX مقابل Ollama مقابل llama.cpp
عن gpt-oss-120b
| المطوّر | OpenAI |
|---|---|
| المعاملات | 117B إجمالًا · 5.1B نشطة (مزيج الخبراء) |
| السياق | 128K توكن |
| الترخيص | Apache-2.0 |
| تاريخ الإصدار | 2025-08 |
| المدخلات | نص |
| الذكاء | 11.6 على Artificial Analysis Intelligence Index |
| الأوزان | openai/gpt-oss-120b |
الدليل: خطوة بخطوة على mlx.app
أسئلة
- كم ذاكرة يحتاج gpt-oss-120b؟
- نحو 65.3 GB للأوزان بدقة 4.25 بت أصلية، إضافة إلى مساحة للسياق: 70.5 GB إجمالًا. على Mac يعني ذلك ذاكرة موحّدة 96 GB أو أكثر، لأن macOS يسمح افتراضيًا لوحدة الرسومات باستخدام نحو 75% منها.
- ما سرعة gpt-oss-120b على Mac؟
- تعتمد سرعة الكتابة على عرض نطاق الذاكرة. أسرع Mac له هنا هو M5 Ultra بذاكرة 96 GB، بنحو 200–356 توكن في الثانية (4.25 بت أصلية). وأصغر Mac يشغّله، بذاكرة 96 GB، يبلغ نحو 200–356 على M5 Ultra.
- لماذا يعمل gpt-oss-120b أسرع مما يوحي به حجمه؟
- لأنه نموذج من نوع مزيج الخبراء: يحمل 117B من المعاملات في الذاكرة، لكنه يقرأ 5.1B منها فقط لكل توكن، فيكتب بسرعة نموذج أصغر بكثير.
نماذج مشابهة
لبطاقة نموذجك أو ملف README
تعرض أصغر Mac يشغّل gpt-oss-120b جيدًا، وترتبط بهذه الصفحة.
[](https://mlx.app/run/gpt-oss-120b)كيف حسبنا ذلك
الذاكرة: معاملات النموذج بدقة 8 أو 6 أو 4 أو 3 أو 2 بت لكل وزن، إضافة إلى مقاييس المجموعات في MLX (نصف بت لكل وزن)، أو صيغته الأصلية، مع مساحة للسياق فوق ذلك. افتراضيًا، يسمح macOS لوحدة الرسومات باستخدام نحو 75% من الذاكرة الموحّدة. السرعة: عرض نطاق الذاكرة مقسومًا على البايتات المقروءة لكل توكن هو الحد الأقصى لمحادثة واحدة؛ وفي اختبارات الأداء العلنية لـ llama.cpp على Apple Silicon تبلغ التشغيلات الفعلية نحو 45% إلى 80% منه، وهو النطاق المعروض. هذه تقديرات، لا قياسات: قِس جهاز Mac الخاص بك على MLX Bench. أرقام النماذج من البطاقة الرسمية لكل نموذج، وأرقام الشرائح من المواصفات التقنية لـ Apple. آخر تحقق: 2026-10-19. البيانات نفسها في mlx.app/compare.