Memoria en cada precisión
| Versión | Pesos | Con contexto | Mac más pequeña |
|---|---|---|---|
| 8 bits | 30,6 GB | 33 GB | 48 GB |
| 6 bits | 23,4 GB | 25,3 GB | 36 GB |
| 4 bits | 16,2 GB | 17,7 GB | 24 GB |
| 3 bits menor calidad | 12,6 GB | 14,1 GB | 24 GB |
| 2 bits menor calidad | 9 GB | 10,5 GB | 16 GB |
En cada chip de Apple
El tamaño de memoria más pequeño de cada chip que ejecuta Raon-1 mini Preview, la mejor versión que cabe y la velocidad de escritura que puedes esperar.
| Chip | Necesita | Versión | Tokens/s |
|---|---|---|---|
| M6 | 24 GB | 4 bits Va bien | 32–57 |
| M5 Ultra | 96 GB | 8 bits Va bien | 117–209 |
| M5 Max | 36 GB | 6 bits Va bien | 59–105 |
| M5 Pro | 24 GB | 4 bits Va bien | 58–102 |
| M5 | 24 GB | 4 bits Va bien | 29–51 |
| M4 Max | 36 GB | 6 bits Va bien | 53–94 |
| M4 Pro | 24 GB | 4 bits Va bien | 51–91 |
| M4 | 24 GB | 4 bits Va bien | 23–40 |
| M3 Ultra | 96 GB | 8 bits Va bien | 80–142 |
| M3 Max | 36 GB | 6 bits Va bien | 39–69 |
| M3 Pro | 36 GB | 6 bits Va bien | 19–34 |
| M3 | 24 GB | 4 bits Va bien | 19–33 |
| M2 Ultra | 64 GB | 8 bits Va bien | 78–139 |
| M2 Max | 32 GB | 4 bits Va bien | 75–133 |
| M2 Pro | 32 GB | 4 bits Va bien | 38–67 |
| M2 | 24 GB | 4 bits Va bien | 19–33 |
| M1 Ultra | 64 GB | 8 bits Va bien | 78–139 |
| M1 Max | 32 GB | 4 bits Va bien | 75–133 |
| M1 Pro | 32 GB | 4 bits Va bien | 38–67 |
| M1 | 16 GB | 2 bits Va bien | 24–42 |
Cómo ejecutarlo
pip install mlx-lmmlx_lm.chat --model KRAFTON/Raon-1-mini-preview-mlx --trust-remote-code--trust-remote-code permite que mlx-lm ejecute el código Python que viene con esta versión, necesario para cargarla.Versión MLX: KRAFTON/Raon-1-mini-preview-mlx en Hugging Face. Las demás precisiones están justo al lado.Paso a paso: descargar y ejecutar LLM en tu Mac · MLX vs Ollama vs llama.cpp
¿Prefieres una app al Terminal? Compara las apps para Mac que ejecutan modelos locales en el AI App Store: precio, licencia y adónde van tus datos.
Sobre Raon-1 mini Preview
| Creado por | KRAFTON |
|---|---|
| Parámetros | 28,8B en total · 4,3B activos (mezcla de expertos) |
| Contexto | 256K tokens |
| Licencia | Apache-2.0 |
| Lanzamiento | 2026-10 |
| Entrada | Texto |
| Pesos | KRAFTON/Raon-1-mini-preview |
Preguntas
- ¿Cuánta memoria necesita Raon-1 mini Preview?
- Unos 16,2 GB de pesos a 4 bits, más espacio para el contexto: 17,7 GB en total. En una Mac, eso significa 24 GB de memoria unificada o más, porque macOS deja que la GPU use alrededor del 75 % de forma predeterminada.
- ¿Qué tan rápido va Raon-1 mini Preview en una Mac?
- La velocidad de escritura depende del ancho de banda de memoria. Aquí, la Mac más rápida para este modelo es una con M5 Ultra y 96 GB, a unos 117–209 tokens por segundo (8 bits). La Mac más pequeña que lo ejecuta, con 24 GB, logra unos 58–102 con un M5 Pro.
- ¿Por qué Raon-1 mini Preview va más rápido de lo que sugiere su tamaño?
- Es un modelo de mezcla de expertos: mantiene 28,8B parámetros en memoria, pero solo lee 4,3B en cada token, así que escribe a la velocidad de un modelo mucho más pequeño.
Modelos similares
Para la ficha de tu modelo o tu README
Muestra la Mac más pequeña que ejecuta bien Raon-1 mini Preview y enlaza a esta página.
[](https://mlx.app/run/raon-1-mini-preview)Cómo se calcula
Memoria: los parámetros del modelo a 8, 6, 4, 3 o 2 bits por peso más las escalas por grupo de MLX (medio bit por peso), o su formato nativo, con espacio extra para el contexto. De forma predeterminada, macOS deja que la GPU use alrededor del 75 % de la memoria unificada. Velocidad: el ancho de banda de memoria dividido entre los bytes leídos por token es el techo para una conversación; en los benchmarks públicos de Apple Silicon de llama.cpp, las ejecuciones reales alcanzan entre el 45 % y el 80 % de ese techo, que es el rango que se muestra. Son estimaciones, no mediciones: mide tu propia Mac en MLX Bench. Datos de los modelos tomados de cada ficha oficial; datos de los chips, de las especificaciones técnicas de Apple. Revisado el 2026-10-19. Los mismos datos que mlx.app/compare.
Datos abiertos: mlx.app/data (JSON, CSV)