1Οι προδιαγραφές που μετρούν για το AI
| Ενοποιημένη μνήμη | 192 GB |
|---|---|
| Εύρος ζώνης μνήμης | 800 GB/s |
| Υπάρχει στους | Mac Studio (2023), Mac Pro (2023) |
| Αποκλειστική θέση για αυτό | Θέση Ultra: εξορύσσει έως 320 MLX την ημέρα |
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 192 GB, το M2 Ultra χωράει άνετα μοντέλα έως περίπου 256 δισεκατομμύρια παραμέτρους.
| Μοντέλο σε 4 bit | Μνήμη που χρειάζεται | Χωράει στο M2 Ultra |
|---|---|---|
| Μοντέλο 8B | 4,5 GB | Ναι |
| Μοντέλο 14B | 7,9 GB | Ναι |
| Μοντέλο 32B | 18 GB | Ναι |
| Μοντέλο 70B | 39,4 GB | Ναι |
| gpt-oss-120b, mixture-of-experts | 65 GB | Ναι |
| Qwen3.5-397B-A17B, mixture-of-experts | 223,3 GB | Όχι |
| DeepSeek-V4.1-Flash, mixture-of-experts | 316 GB | Όχι |
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 800 GB/s του M2 Ultra 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).
| Μοντέλο σε 4 bit | Ανάγνωση ανά token | Όριο για μία συνομιλία |
|---|---|---|
| Μοντέλο 8B | 4,5 GB | 178 tokens/s |
| Μοντέλο 14B | 7,9 GB | 101 tokens/s |
| Μοντέλο 32B | 18 GB | 44 tokens/s |
| Μοντέλο 70B | 39,4 GB | 20 tokens/s |
| gpt-oss-120b, mixture-of-experts | 2,7 GB | 296 tokens/s |
5Σύγκριση με άλλα τσιπ
6Ερωτήσεις
- Μπορεί το M2 Ultra να τρέξει μοντέλο 70B;
- Ναι. Ένα μοντέλο 70B σε 4 bit χρειάζεται περίπου 40 GB, και το M2 Ultra έχει έως 192 GB. Υπολογίστε ένα όριο περίπου 20 tokens ανά δευτερόλεπτο για μία συνομιλία.
- Πόσα tokens ανά δευτερόλεπτο βγάζει το M2 Ultra;
- Για ένα μοντέλο 8B σε 4 bit, το όριο είναι περίπου 178 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 Ultra για AI;
- Για την τοπική εκτέλεση μοντέλων, η μνήμη και το εύρος ζώνης μετρούν περισσότερο. Το M2 Ultra έχει έως 192 GB στα 800 GB/s, αρκετά για μοντέλα έως περίπου 256 δισεκατομμύρια παραμέτρους. Μπορεί επίσης να κερδίζει εκτελώντας εργασίες AI για το MLX Network με το MLX Node.
Πηγές
- Apple: M2 Ultraapple.com
- llama.cpp: Apple Silicon benchmarksgithub.com