Μνήμη σε κάθε ακρίβεια
| Έκδοση | Βάρη | Με συμφραζόμενα | Μικρότερος Mac |
|---|---|---|---|
| εγγενές 4,25-bit | 1,6 TB | 1,7 TB | περισσότερη από κάθε Mac |
| 3-bit χαμηλότερη ποιότητα | 1,2 TB | 1,3 TB | περισσότερη από κάθε Mac |
| 2-bit χαμηλότερη ποιότητα | 875 GB | 945 GB | περισσότερη από κάθε Mac |
Σε κάθε τσιπ της Apple
Το μικρότερο μέγεθος μνήμης κάθε τσιπ που τρέχει το Kimi K3, η καλύτερη έκδοση που χωράει και η ταχύτητα γραφής που μπορείτε να περιμένετε.
| Τσιπ | Απαιτεί | Έκδοση | Tokens/s |
|---|---|---|---|
| M6 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M5 Ultra | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M5 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M5 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M5 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M4 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M4 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M4 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M3 Ultra | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M3 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M3 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M3 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 Ultra | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M2 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 Ultra | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 Max | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 Pro | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
| M1 | κανένα μέγεθος δεν χωράει | Πολύ μεγάλο | – |
Πώς να το τρέξετε
Κανένας Mac μόνος του δεν το χωράει. Τα μικρότερα μοντέλα παρακάτω τρέχουν καλά, και ο οδηγός για clusters από Mac εξηγεί πώς να μοιράσετε ένα μοντέλο σε πολλούς Mac.
Βήμα προς βήμα: λήψη και εκτέλεση LLM σε Mac · MLX vs Ollama vs llama.cpp
Προτιμάτε μια εφαρμογή από το Τερματικό; Συγκρίνετε τις εφαρμογές Mac που τρέχουν τοπικά μοντέλα στο AI App Store: τιμή, άδεια και πού πηγαίνουν τα δεδομένα σας.
Σχετικά με το Kimi K3
| Δημιουργός | Moonshot AI |
|---|---|
| Παράμετροι | 2.800B συνολικά · 104B ενεργές (mixture of experts) |
| Συμφραζόμενα | 1M tokens |
| Άδεια | Kimi K3 License (custom) |
| Κυκλοφορία | 2026-06 |
| Είσοδος | Κείμενο και εικόνες |
| Νοημοσύνη | 43,6 στον Artificial Analysis Intelligence Index |
| Βάρη | moonshotai/Kimi-K3 |
Ερωτήσεις
- Πόση μνήμη χρειάζεται το Kimi K3;
- Περίπου 1,6 TB για τα βάρη σε εγγενές 4,25-bit, συν χώρο για τα συμφραζόμενα: 1,7 TB συνολικά. Αυτό είναι περισσότερο από όσο έχει σήμερα οποιοσδήποτε Mac.
- Μπορεί κάποιος Mac να τρέξει το Kimi K3;
- Όχι μόνος του: ακόμη και στα 2 bit χρειάζεται περισσότερη μνήμη από όση έχει ο μεγαλύτερος Mac. Χρησιμοποιήστε μικρότερο μοντέλο ή μοιράστε το σε πολλούς Mac με λογισμικό cluster.
- Γιατί το Kimi K3 τρέχει πιο γρήγορα απ’ ό,τι δείχνει το μέγεθός του;
- Είναι μοντέλο mixture of experts: κρατά 2.800B παραμέτρους στη μνήμη αλλά διαβάζει μόνο 104B για κάθε token, οπότε γράφει με την ταχύτητα ενός πολύ μικρότερου μοντέλου.
Παρόμοια μοντέλα
Για την κάρτα μοντέλου ή το README σας
Δείχνει τον μικρότερο Mac που τρέχει καλά το Kimi K3 και οδηγεί εδώ.
[](https://mlx.app/run/kimi-k3)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)