Το M2 Pro 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 32 GB, το M2 Pro χωράει άνετα μοντέλα έως περίπου 42 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 200 GB/s του M2 Pro 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

• M2 Pro · 16 GB
• M2 Pro · 32 GB
• M1 Pro vs M2 Pro
• M2 vs M2 Pro
• M2 Pro vs M2 Max
• M2 Pro vs M3 Pro

• M1 Pro: 32 GB, 200 GB/s
• M3 Pro: 36 GB, 150 GB/s
• M2: 24 GB, 100 GB/s
• M2 Max: 96 GB, 400 GB/s
• Ο καλύτερος Mac για τοπικά LLM.

6Ερωτήσεις

Μπορεί το M2 Pro να τρέξει μοντέλο 70B;

Όχι άνετα. Ένα μοντέλο 70B σε 4 bit χρειάζεται περίπου 40 GB, και το M2 Pro έχει το πολύ 32 GB. Μοντέλα έως περίπου 42B παραμέτρους χωρούν καλά.

Πόσα tokens ανά δευτερόλεπτο βγάζει το M2 Pro;

Για ένα μοντέλο 8B σε 4 bit, το όριο είναι περίπου 44 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 M2 Pro για AI;

Για την τοπική εκτέλεση μοντέλων, η μνήμη και το εύρος ζώνης μετρούν περισσότερο. Το M2 Pro έχει έως 32 GB στα 200 GB/s, αρκετά για μοντέλα έως περίπου 42 δισεκατομμύρια παραμέτρους. Μπορεί επίσης να κερδίζει εκτελώντας εργασίες AI για το MLX Network με το MLX Node.