Το M1 Max για τοπικό AI.

1Οι προδιαγραφές που μετρούν για το AI

2Ποια μοντέλα χωρούν

Στα 4 bit ανά βάρος ένα μοντέλο χρειάζεται λίγο πάνω από μισό gigabyte ανά δισεκατομμύριο παραμέτρους, συν χώρο για τα συμφραζόμενά του και το macOS. Με 64 GB, το M1 Max χωράει άνετα μοντέλα έως περίπου 85 δισεκατομμύρια παραμέτρους.

3Πόσο γρήγορα τρέχει

Τη γραφή κειμένου την περιορίζει το εύρος ζώνης μνήμης: κάθε νέο token διαβάζει μία φορά τα ενεργά βάρη του μοντέλου. Αν διαιρέσετε τα 400 GB/s του M1 Max με τα bytes που διαβάζονται ανά token, προκύπτει το παρακάτω όριο. Οι πραγματικές εκτελέσεις φτάνουν συνήθως περίπου το 45% έως 80% αυτού (benchmarks του llama.cpp).

5Σύγκριση με άλλα τσιπ

• M1 Max · 32 GB
• M1 Max · 64 GB
• M1 Pro vs M1 Max
• M1 Max vs M1 Ultra
• M1 Max vs M2 Max
• M1 Max vs M4 Max
• M1 Max vs M5 Max

• M2 Max: 96 GB, 400 GB/s
• M1 Pro: 32 GB, 200 GB/s
• M1 Ultra: 128 GB, 800 GB/s
• Ο καλύτερος Mac για τοπικά LLM.

6Ερωτήσεις

Μπορεί το M1 Max να τρέξει μοντέλο 70B;

Ναι. Ένα μοντέλο 70B σε 4 bit χρειάζεται περίπου 40 GB, και το M1 Max έχει έως 64 GB. Υπολογίστε ένα όριο περίπου 10 tokens ανά δευτερόλεπτο για μία συνομιλία.

Πόσα tokens ανά δευτερόλεπτο βγάζει το M1 Max;

Για ένα μοντέλο 8B σε 4 bit, το όριο είναι περίπου 89 tokens ανά δευτερόλεπτο, και οι πραγματικές εκτελέσεις φτάνουν περίπου το μισό έως τα τέσσερα πέμπτα του. Τα μεγαλύτερα μοντέλα είναι αναλογικά πιο αργά.

Είναι καλό το M1 Max για AI;

Για την τοπική εκτέλεση μοντέλων, η μνήμη και το εύρος ζώνης μετρούν περισσότερο. Το M1 Max έχει έως 64 GB στα 400 GB/s, αρκετά για μοντέλα έως περίπου 85 δισεκατομμύρια παραμέτρους. Μπορεί επίσης να κερδίζει εκτελώντας εργασίες AI για το MLX Network με το MLX Node.