Speicher bei jeder Genauigkeit
| Version | Gewichte | Mit Kontext | Kleinster Mac |
|---|---|---|---|
| 8 Bit | 30,6 GB | 33 GB | 48 GB |
| 6 Bit | 23,4 GB | 25,3 GB | 36 GB |
| 4 Bit | 16,2 GB | 17,7 GB | 24 GB |
| 3 Bit geringere Qualität | 12,6 GB | 14,1 GB | 24 GB |
| 2 Bit geringere Qualität | 9 GB | 10,5 GB | 16 GB |
Auf jedem Apple-Chip
Die kleinste Speichergröße jedes Chips, mit der Raon-1 mini Preview läuft, die beste Version, die hineinpasst, und das Schreibtempo, das du erwarten kannst.
| Chip | Braucht | Version | Tokens/s |
|---|---|---|---|
| M6 | 24 GB | 4 Bit Läuft gut | 32–57 |
| M5 Ultra | 96 GB | 8 Bit Läuft gut | 117–209 |
| M5 Max | 36 GB | 6 Bit Läuft gut | 59–105 |
| M5 Pro | 24 GB | 4 Bit Läuft gut | 58–102 |
| M5 | 24 GB | 4 Bit Läuft gut | 29–51 |
| M4 Max | 36 GB | 6 Bit Läuft gut | 53–94 |
| M4 Pro | 24 GB | 4 Bit Läuft gut | 51–91 |
| M4 | 24 GB | 4 Bit Läuft gut | 23–40 |
| M3 Ultra | 96 GB | 8 Bit Läuft gut | 80–142 |
| M3 Max | 36 GB | 6 Bit Läuft gut | 39–69 |
| M3 Pro | 36 GB | 6 Bit Läuft gut | 19–34 |
| M3 | 24 GB | 4 Bit Läuft gut | 19–33 |
| M2 Ultra | 64 GB | 8 Bit Läuft gut | 78–139 |
| M2 Max | 32 GB | 4 Bit Läuft gut | 75–133 |
| M2 Pro | 32 GB | 4 Bit Läuft gut | 38–67 |
| M2 | 24 GB | 4 Bit Läuft gut | 19–33 |
| M1 Ultra | 64 GB | 8 Bit Läuft gut | 78–139 |
| M1 Max | 32 GB | 4 Bit Läuft gut | 75–133 |
| M1 Pro | 32 GB | 4 Bit Läuft gut | 38–67 |
| M1 | 16 GB | 2 Bit Läuft gut | 24–42 |
So führst du es aus
pip install mlx-lmmlx_lm.chat --model KRAFTON/Raon-1-mini-preview-mlx --trust-remote-code--trust-remote-code erlaubt mlx-lm, den Python-Code auszuführen, der mit diesem Build kommt. Ohne ihn lädt das Modell nicht.Build: KRAFTON/Raon-1-mini-preview-mlx auf Hugging Face. Andere Genauigkeiten liegen gleich daneben.Schritt für Schritt: LLMs auf den Mac laden und ausführen · MLX vs. Ollama vs. llama.cpp
Lieber eine App als das Terminal? Vergleiche die Mac-Apps für lokale Modelle im AI App Store: Preis, Lizenz und wohin deine Daten gehen.
Über Raon-1 mini Preview
| Von | KRAFTON |
|---|---|
| Parameter | 28,8B gesamt · 4,3B aktiv (Mixture of Experts) |
| Kontext | 256K Tokens |
| Lizenz | Apache-2.0 |
| Veröffentlicht | 2026-10 |
| Eingabe | Text |
| Gewichte | KRAFTON/Raon-1-mini-preview |
Fragen
- Wie viel Speicher braucht Raon-1 mini Preview?
- Etwa 16,2 GB für die Gewichte mit 4 Bit, plus Platz für den Kontext: insgesamt 17,7 GB. Auf einem Mac heißt das 24 GB gemeinsamer Arbeitsspeicher oder mehr, denn macOS lässt die GPU standardmäßig etwa 75 % davon nutzen.
- Wie schnell ist Raon-1 mini Preview auf einem Mac?
- Das Schreibtempo hängt von der Speicherbandbreite ab. Der schnellste Mac dafür ist hier einer mit M5 Ultra und 96 GB, mit etwa 117–209 Tokens pro Sekunde (8 Bit). Der kleinste Mac, der es ausführt, schafft mit 24 GB etwa 58–102 auf dem M5 Pro.
- Warum läuft Raon-1 mini Preview schneller, als seine Größe vermuten lässt?
- Es ist ein Mixture-of-Experts-Modell: Es hält 28,8B Parameter im Speicher, liest pro Token aber nur 4,3B. Darum schreibt es so schnell wie ein viel kleineres Modell.
Ähnliche Modelle
Für deine Model Card oder README
Zeigt den kleinsten Mac, der Raon-1 mini Preview gut ausführt, und verlinkt hierher.
[](https://mlx.app/run/raon-1-mini-preview)So wird gerechnet
Speicher: die Parameter des Modells mit 8, 6, 4, 3 oder 2 Bit pro Gewicht plus die Gruppenskalen von MLX (ein halbes Bit pro Gewicht) oder in seinem nativen Format, dazu Platz für den Kontext. Standardmäßig lässt macOS die GPU etwa 75 % des gemeinsamen Arbeitsspeichers nutzen. Tempo: Speicherbandbreite geteilt durch die pro Token gelesenen Bytes ergibt die Obergrenze für eine Unterhaltung; in den öffentlichen Apple Silicon Benchmarks von llama.cpp erreichen echte Läufe etwa 45 % bis 80 % davon, und diese Spanne zeigen wir. Das sind Schätzungen, keine Messungen: Miss deinen eigenen Mac mit MLX Bench. Modellwerte aus der jeweiligen offiziellen Model Card, Chipwerte aus Apples technischen Daten. Geprüft am 2026-10-19. Dieselben Daten wie auf mlx.app/compare.
Offene Daten: mlx.app/data (JSON, CSV)