MacBook Air με M2 για τοπικό AI.

Με 24 GB τρέχει καλά 24 από 82 ανοιχτά μοντέλα, έως και το Raon-1 mini Preview, και γράφει περίπου 24–42 tokens ανά δευτερόλεπτο με το gpt-oss-20b. Το M2 διαβάζει τη μνήμη με 100 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει.

Ενημέρωση

8 GB19 μοντέλα τρέχουν καλάGranite 4.2 8B · 10–18 tok/s16 GB20 μοντέλα τρέχουν καλάQwen3 8B · 10–17 tok/s24 GB24 μοντέλα τρέχουν καλάRaon-1 mini Preview · 19–33 tok/s

Ανά μέγεθος μνήμης

ΜνήμηΤρέχουν καλάΤο μεγαλύτερο που τρέχει καλάgpt-oss-20b
8 GB100 GB/s19Granite 4.2 8Bπολύ μεγάλο
16 GB100 GB/s20Qwen3 8B28–50 tok/s
24 GB100 GB/s24Raon-1 mini Preview24–42 tok/s

Μοντέλα: MacBook Air (M2, 2022), MacBook Air (15-inch, M2, 2023). Δεν διατίθεται κάθε μέγεθος μνήμης με κάθε μοντέλο· τα Τεχνικά χαρακτηριστικά της Apple αναφέρουν τι προσφέρει το καθένα.

Οι καλύτερες εφαρμογές AI για ένα Mac σαν αυτό στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.

Ερωτήσεις

Είναι ο MacBook Air με M2 καλός για τοπικά LLM;
Με 24 GB τρέχει καλά 24 από 82 ανοιχτά μοντέλα, έως και το Raon-1 mini Preview, και γράφει περίπου 24–42 tokens ανά δευτερόλεπτο με το gpt-oss-20b. Το M2 διαβάζει τη μνήμη με 100 GB/s, κάτι που καθορίζει πόσο γρήγορα γράφει.
Πόση μνήμη πρέπει να έχει ένας MacBook Air με M2 για AI;
Με 8 GB τρέχει καλά 19 ανοιχτά μοντέλα· με 24 GB, 24, έως και το Raon-1 mini Preview. Η μνήμη καθορίζει ποια μοντέλα χωρούν και δεν αναβαθμίζεται αργότερα.

Άλλοι Mac

Ο MacBook Air με άλλα τσιπ:

Άλλοι Mac με M2:

Κατά μέτωπο:

Το M2 για τοπικό AI · Ο καλύτερος Mac για τοπικά LLM · Πόση RAM χρειάζεται ένα LLM · Όλοι οι Mac

Πώς υπολογίζεται

Μνήμη: οι παράμετροι του μοντέλου σε 8, 6, 4, 3 ή 2 bit ανά βάρος συν τις κλίμακες ομάδων του MLX (μισό bit ανά βάρος), ή στην εγγενή του μορφή, με χώρο για τα συμφραζόμενα από πάνω. Από προεπιλογή το macOS αφήνει την GPU να χρησιμοποιεί περίπου το 75% της ενοποιημένης μνήμης. Ταχύτητα: το εύρος ζώνης μνήμης διαιρεμένο με τα bytes που διαβάζονται ανά token είναι το ανώτατο όριο για μία συνομιλία· στα δημόσια benchmarks Apple Silicon του llama.cpp οι πραγματικές εκτελέσεις φτάνουν περίπου το 45% έως 80% του ορίου, και αυτό το εύρος δείχνουμε. Είναι εκτιμήσεις, όχι μετρήσεις: μετρήστε τον δικό σας Mac στο MLX Bench. Στοιχεία μοντέλων από την επίσημη κάρτα κάθε μοντέλου, στοιχεία τσιπ από τα Τεχνικά χαρακτηριστικά της Apple. Ελέγχθηκε 2026-10-19. Ίδια δεδομένα με το mlx.app/compare.

Ανοιχτά δεδομένα: mlx.app/data (JSON, CSV)